초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 화풍을 효과적이고 객관적으로 기술하는 한 방법으로 팔레트 추출에 대한 수학적 모델을 제시한다. 이 모델에서는 특정 오차 범위 내에서 화가들의 작품을 표현할 수 있는 최소한의 색상을 화가의 팔레트로 정의하고, 회화 작품의 이미지를 구성하는 화소를 유사한 색상으로 묶는 과정을 통해 그 회화를 구성하는 주요 색상을 추출한다. 이 과정에서 색상의 유사함은 사람의 색감 ...

본 논문에서는 화풍을 효과적이고 객관적으로 기술하는 한 방법으로 팔레트 추출에 대한 수학적 모델을 제시한다. 이 모델에서는 특정 오차 범위 내에서 화가들의 작품을 표현할 수 있는 최소한의 색상을 화가의 팔레트로 정의하고, 회화 작품의 이미지를 구성하는 화소를 유사한 색상으로 묶는 과정을 통해 그 회화를 구성하는 주요 색상을 추출한다. 이 과정에서 색상의 유사함은 사람의 색감 인지 능력에 맞추어 측정한다.
사람의 색감 인지 능력과 색상 데이터의 분해능 차이를 상쇄하기 위해 색상 그룹핑을 통해 색의 원소별 분해능을 조절하며, 본격적인 팔레트 추출을 하기에 앞서 회화 이미지의 크기와 그룹핑된 색상이 차지하는 영역과 특성에 의한 영향을 보정하기 위해 가중치를 조정하고, 그룹핑된 색상과 가중치를 바탕으로 클러스터링 알고리즘을 적용하여 주요 색상을 추출한다.
RGB와 CIE LAB 색상 모델에 대해서 각각 픽셀 기반 색원소 영역에 대한 색상 그룹핑과 영역 분할에 의한 색상 그룹핑, 그리고 K-Means 클러스터링을 이용해서 기존의 회화 작품에 대한 팔레트 추출과정을 실험하였다. 각 실험결과를 통해 제안된 모델의 타당성과 각 요소 방법의 차이에 의한 특징을 비교 평가하였다.

Abstract ▼ AI-Helper

In this thesis, a computational model of color palette extraction is introduced to represent a paint brush objectively and efficiently. In this model, a color palette is defined by a minimum set of colors which can represent a painting within error allowance. The minimum set of colors is extracted f...

In this thesis, a computational model of color palette extraction is introduced to represent a paint brush objectively and efficiently. In this model, a color palette is defined by a minimum set of colors which can represent a painting within error allowance. The minimum set of colors is extracted from the grouping of similar colors of pixels which represent the original paintings as an image. The similarity of colors is measured based on imitating the human color perception.
A color grouping process is introduced to match the resolution gap between human color perception and color representation space of digital devices, Before the major process of extracting a color palettes, weights are applied to normalize the image size of a painting and occupied region of a color. A minimum set of dominant colors are obtained by clustering algorithms using grouped colors and weights.
Various experiments have been done for the process of the palettes extraction using two color grouping methods based on color axis histogram and region segmentation, and K-Means clustering algorithm for each color model of RGB and CIE LAB. Comparisons and discussions for the characteristics of the various settings of the experiments have been done. The experimental results shows the validity of the suggested model.

주제어