Color Image Processing

1 분 소요

Color Processing

On Color Images

Intensity transformation
Histogram equalization
Spatial filtering
RGB 각 채널에 기술들을 적용할 수 없음
- 각각의 채널값을 독립적으로 건드리면 RGB 값의 비율이 변할 수 있음 → 예상치 못한 부작용 발생
  (톤이 달라짐, 화질나빠짐) -> intensity channel에 대해서만 수행
Decouple the intensity channel and apply
- Converting color space into HSI or YUV(or YCbCr)
- RGB: 각 채널들이 합쳐져서 intensity 라는 값을 표현, 특정한 축이 intensity에 해당하지 않음
- HSI, Ycbcr: 특정한 채널값이 intensity값을 의미
- Y값 혹은 I값(Intensity Level)을 건드리는 방법으로 color processing을 수행

Intensity images are decoupled
- Can change the intensity of the image only
Color Slicing
- Find the pixels in the range of the desired color in the Hue-channel(색조)
- Set all the other pixels to 0 in the Saturation-channel(순도)
Color Conversion
- By accessing the Hue-channel, we can change the regions of color

목적:

우리 눈은 grayscale인 경우 intensitylevel 30~50까지 구별
Color는 100k~10m (민감하게 인지가능)
Grayscale image → Color image
To visualize the information better
Important to include a color scale in the images to understand what the colors illustrate
Example of pseudo-coloring: X-Ray
- Intensity Slicing
  - Each intensity is assigned a color

Definition
- Global adjustment of the intensities of the colors (조명 영향을 제거)
Simple way of color balancing
- 원래 입력 영상의 RGB값을 3x3 matrix와 연산하여 (255,255,255) 값으로 변환

Using color checker
- 원래 흰색인 영역을 확인 방법
- 각각의 색깔이 RGB 혹은 HSI 색공간에서 어떠한 값인지 절대값이 무엇인지 알려줌
Estimate white color in an image
- Gray world assumption
  - Normally, 사진을 찍으면 그 사진의 픽셀값들의 평균은 회색(128,128,128)에 가까움
  - 촬영한 사진의 모든 픽셀값의 평균이 (128,128,128)이 아니라면
    -> matrix를 구성해서 픽셀값 conversion (x128/픽셀값)