선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 색도를 알 필요가 있다. 따라서 본 실험에서는 여러 사람에 대해 기준 조명하에서 얼굴 피부에 대한 색도를 측정하는 실험을 수행하였다. 이렇게 측정된 여러 사람의 피부 색도를 평균하여 기준 얼굴색 중 하나로 설정할 수 있다.
- 하지만 앞서 언급한 것처럼 백색 균형만으로는 유채색인 얼굴색이 정확히 표현되지 못할 수 있다. 이런 단점을 보완하기 위한 방법으로 본 논문에서는 새로운 톤 균형 알고리즘을 제시한다. 이 방법은 카메라의 얼굴 인식 기능으로 찾아진 사진 내의 얼굴 영역의 색을 기준 조명하에서의 얼굴색이 되도록 채널 이득을 조정하는 것이다.
제안 방법
- 기준 얼굴색으로 사용하였다. 먼저, 실험에 사용될 카메라의 특성을 구하기 위해 카메라의 감마 특성을 구하고, 다음으로 카메라의 선형 출력을 이용하여 최소 제곱 다항식 모델링 방법으로 입력 XYZ 에 대한 출력 RGB의 카메라 전달 특성을 선형 "3 행렬로 구하였다. 이렇게 구한 카메라 전달 특성을 이용하여 기준 얼굴색에 대한 카메라 출력을 계산하여 R 채널과 G 채널의 비율과 B 채널과 G 채널의 비율을 계산하였다.
- 자동 백색 조정을 하였다. 감마 보정된 카메라 출력을 앞서 계산한 카메라의 감마의 역 감마를 취하여 선형 카메라 출력 rgb를 계산하였디' 이렇게 계산된 선형 카메라 출력의 얼굴 부분에 대해 &, G와 矽G의 값이 기준 광원 하에서의 비율이 되도록 R과 B 채널의 이득을 조정했다. 이런 과정을 거쳐 채널 이득9] 조정된 사진과 촬영시의 조명에 백색 조정된 사진을 전자 영상 장치의 표준으로 정한 sRGB 색 공간으로 변환하여 그 출력을 비교하였다.
- 이를 위해 광원을 고정시키고 동일한 색 패치에 대해 일정 범위 내에서 셔터 속도와 노출을 변경해가며 카메라 출력을 조사해본 결과 출력 R, G, 그리고 B의 각 채널의 비율이 거의 일정하게 유지됨을 확인할 수 있었다. 따라서 실험에 사용될 영상을 촬영할 때의 카메라 밝기 조절은 셔터 속도와 노출 조정을 자동으로 설정하여 카메라의 출력 값들이 일정한 범위가 되도록 했다.
- 이를 구하는 방법에는 내삽과외삽을 이용한 3차원 LUT (look-up table) 방벱阳气 최소 제곱 다항식 모델링 (least squares polynomial modeling) 방벱% 그리고 신경망 방벱” 등이 있다 이들 중 다항 회귀법 (polynomial regression)-4- 이용한 최소 제곱 다항식 모델링은 시험색의 3 자극치와 카메라 출력 RGB 값만으로 간단하게 변환 특성을 구할 수 있기 때문에 일반적으로 많이 사용된다. 따라서 최소 제곱 다항식 모델링 방법을 이용하여 카메라 전달 특성을 3x3 선형 변환 행렬로 나타냈다. N개 시험색의 3 자극치 XYZ로 만든 3N 행렬과 이에 대응하는 카메라 출력 RGB 값으로 구성한 3N 행렬 사이의 전달 행렬카메라 전달 행렬을 구하면 다음과 같다.
- 이렇게 구한 카메라 전달 특성을 이용하여 기준 얼굴색에 대한 카메라 출력을 계산하여 R 채널과 G 채널의 비율과 B 채널과 G 채널의 비율을 계산하였다. 마지막으로 임의의 조명하에서 촬영된 인물 영상에 대해 얼굴 부분의 출력 비율이 기준 얼굴색에 대한 비율이 되도록 R 채널과 B 채널의 이득을 조정하여 백색 균형 보정을 했다. 보정한 실험 사진을 보았을 때 사람들마다 다른 얼굴색의 차이에 따른 알고리즘 적용 결과의 수치적 차이는 나타나지만 자연스러운 백색 균형 보정이 됨을 확인하였다.
- 2);">그림 2와 같다. 본 논문에서 제시하는 방법은 전체 사진에 대한 정보를 이용하는 것이 아닌 카메라의 얼굴 인식 기능으로 찾아진 얼굴 영역의 카메라 출력을 이용하는 것이다 기준 조명 D65 광원 하에서의 여러 사람의 얼굴색 좌표를 측정하여 그 좌표값들을 평균하여 기준 얼굴색의 좌표 로 설정한다.
- 본 논문에서 제시하는 영상의 색 조정 방법은 카메라의 얼굴 인식 기능으로 찾아진 얼굴 영역의 정보를 이용하는 것이므로 제안한 알고리즘이 정확하게 동작하기 위해서는 사진에서 정확하게 얼굴 부분을 찾는 것이 선행되어야 한다. 실험을 위해 한국인의 피부색만을 사용하였지만, 블랙 감마, 니 보정 (knee control), 및 감마 특성 등 카메라의 특성을 정확하게 알고 있다면 어두운 피부의 인종을 포함한 모든 인간에 대해 적용이 가능할 것이다.
- 본 논문에서 제안하는 백색 조정 방법은 사진의 얼굴색을 기준 조명하에서의 색이 되도록 카메라 출력 RGB를 조정하는 것이다. 이를 위해 기준 조명하에서의 얼굴색을 알아야 한다.
- 본 논문에서는 카메라에 입력되는 얼굴색의 색도를 기준 조명하에서의 색도가 되도록 카메라 출력이득을 조정하는 자동 백색 균형 기법을 제시하였다 이를 위해 먼저 기준 조명하에서의 얼굴에 대한 색도를 측정 하였고, 여러 사람에 대한 얼굴색을 측정한 결과를 평균하여 카메라 채널 이득 조정을 위한 기준 얼굴색으로 사용하였다. 먼저, 실험에 사용될 카메라의 특성을 구하기 위해 카메라의 감마 특성을 구하고, 다음으로 카메라의 선형 출력을 이용하여 최소 제곱 다항식 모델링 방법으로 입력 XYZ 에 대한 출력 RGB의 카메라 전달 특성을 선형 "3 행렬로 구하였다.
- 이 그림에서 인종에 따른 피부색에 대한 좌표는 xy 좌표 상에서 백색과 단 파장의 거의 직선상에 위치하고 그 차이가 크지 않음을 볼 수 있다 위 실험에 사용된 피부는 인체 부위 중 엉덩이에 대한 실험 결과이다. 사람의 피부는 태양광, 특히 자외선에 노출되면 붉고 어둡게 변하는 특성이 있기 때문에 태양광에 가장 노출이 적은 부위를 측정하였다. 그렇기 때문에 태양광에 노출되어 있는 얼굴 피부에 직접적으로 대응시키기에는 오차가 따른다.
- 마지막으로 (d), (h), 및 (1) 그림이 Edward 의 피부색 측정 결과 중 White-brunet에 대한 결과를 기준으로 채널 이득을 조정한 결과이다. 사진의 색도 변화를 알아보기 위해 사진 내의 맥베스 컬러차트의 회색 패치에 대한 선형 카메라 출력 RGB 값을 평균하여 그 비율을 계산했다.
- 이렇게 구한 카메라 감마 특성을 보정하여 카메라 선형 출력을 계산했다. 시험 색으로 맥베스 컬러 차트의 24개 색을 사용하여 6500K 광원 하에서의 3 자극치 XYZ를 측정하고 그에 대해 앞서 구한 카메라 감마 특성을 보정하여 선형 줄력 RGB를 표 3에서처럼 계산했다.
- 실험에 사용된 카메라의 신호 전달 특성을 조사하기 위해 계측기로 3 자극치 XYZ를 측정하고, 그에 대한 카메라 출력을 측정하였다. 이 때 이용된 광원의 안정성과 카메라의 렌즈 특성을 조사했다.
- 대한 카메라 출력을 측정하였다. 이 때 이용된 광원의 안정성과 카메라의 렌즈 특성을 조사했다. 그 결과 실험에 사용된 6500K 형광등은 20분이 지나면 충분히 안정됨을 알 수 있었다.
- 감마 보정된 카메라 출력을 앞서 계산한 카메라의 감마의 역 감마를 취하여 선형 카메라 출력 rgb를 계산하였디' 이렇게 계산된 선형 카메라 출력의 얼굴 부분에 대해 &, G와 矽G의 값이 기준 광원 하에서의 비율이 되도록 R과 B 채널의 이득을 조정했다. 이런 과정을 거쳐 채널 이득9] 조정된 사진과 촬영시의 조명에 백색 조정된 사진을 전자 영상 장치의 표준으로 정한 sRGB 색 공간으로 변환하여 그 출력을 비교하였다. 그 결과를 그림 4에 나타냈다.
- 표 2에서 카메라 출력 RGB는 패치에 대한 카메라 출력을 200忍00 픽셀에 대해 평균한 값이다. 이렇게 구한 카메라 감마 특성을 보정하여 카메라 선형 출력을 계산했다. 시험 색으로 맥베스 컬러 차트의 24개 색을 사용하여 6500K 광원 하에서의 3 자극치 XYZ를 측정하고 그에 대해 앞서 구한 카메라 감마 특성을 보정하여 선형 줄력 RGB를 표 3에서처럼 계산했다.
- 먼저, 실험에 사용될 카메라의 특성을 구하기 위해 카메라의 감마 특성을 구하고, 다음으로 카메라의 선형 출력을 이용하여 최소 제곱 다항식 모델링 방법으로 입력 XYZ 에 대한 출력 RGB의 카메라 전달 특성을 선형 "3 행렬로 구하였다. 이렇게 구한 카메라 전달 특성을 이용하여 기준 얼굴색에 대한 카메라 출력을 계산하여 R 채널과 G 채널의 비율과 B 채널과 G 채널의 비율을 계산하였다. 마지막으로 임의의 조명하에서 촬영된 인물 영상에 대해 얼굴 부분의 출력 비율이 기준 얼굴색에 대한 비율이 되도록 R 채널과 B 채널의 이득을 조정하여 백색 균형 보정을 했다.
- Edwards에 의해 D65광원 하에서의 피부색을 기준 피부색으로 설정할 수 있다. 이와 별도로 D65광원 하에서의 여러 사람의 얼굴에 대한 피부색을 측정하여 평균한 것을 기준 피부색으로 설정했다. Edwards의 피부색 측정 결과를 앞서 구한 카메라 전달 특성 행렬을 사용하여 RGB 출력 비를 계산하면 표 4와 같다.
- 보정한 실험 사진을 보았을 때 사람들마다 다른 얼굴색의 차이에 따른 알고리즘 적용 결과의 수치적 차이는 나타나지만 자연스러운 백색 균형 보정이 됨을 확인하였다. 제안된 알고리즘의 가장 큰 장점은 전체 사진의 색 분포와 독립적이므로 임의의사 진에 대해 비교적 균일한 결과 영상을 나타내는 것이다. 또한 기준 얼굴색을 설정함으로써 사용자가 원하는 얼굴색으로 카메라 출력을 조정할 수 있는 장점이 있다.
- 제안한 알고리즘에서 직접적으로 사용될 얼굴 피부에 대한 색을 측정하기 위해 D65 광원 하에서의 얼굴색을 측정하였다 10명의 얼굴 피부에 대해 각각 3회 측정하였다. 이들의 3 자극치 XYZ를 앞서 구한 카메라 전달 특성을 이용하여 카메라 출력 RGB의 평균값을 계산했다.
- 이 방법은 카메라의 얼굴 인식 기능으로 찾아진 사진 내의 얼굴 영역의 색을 기준 조명하에서의 얼굴색이 되도록 채널 이득을 조정하는 것이다. 제안한 알고리즘으로 색도 조정을 하면 정확한 얼굴색의 표현이 가능하다. 또한 기준이 될 얼굴색을 사용자가 선택할 수 있게 함으로써 사용자가 원하는 얼굴색이 되도록 하는 것이 7}능하■다.
- 이들의 3 자극치 XYZ를 앞서 구한 카메라 전달 특성을 이용하여 카메라 출력 RGB의 평균값을 계산했다. 최종적으로 &G와 B/G 를 계산하여 기준 얼굴색에 대한 카메라 출력 비율을 계산했다. 그 결과를 표 6에 나타냈다.
- 카메라 특성을 조사하기 위해 사용한 형광등의 밝기는 실외의 밝기보다 현저하게 낮다. 카메라가 실제적으로 사용될 때의 밝기 조건은 그 범위가 다양하므로 이를 조절하기 위해 카메라는 셔터 속도와 노출을 조정 한다. 따라서 셔터속도와 노출에 따른 카메라 출력의 색도 변화의 유무를 확인할 필요가 있다.
- 카메라의 감마 특성을 알기 위해 6500K 광원 하에서 맥베스 컬러 차트를 고정시키고 6개 무채색에 대한 자극치 XYZ와 카메라 출력 RGB를 구했다 그 결과는 표 2와 같다. 표 2에서 카메라 출력 RGB는 패치에 대한 카메라 출력을 200忍00 픽셀에 대해 평균한 값이다.
데이터처리
- 측정하였다 10명의 얼굴 피부에 대해 각각 3회 측정하였다. 이들의 3 자극치 XYZ를 앞서 구한 카메라 전달 특성을 이용하여 카메라 출력 RGB의 평균값을 계산했다. 최종적으로 &G와 B/G 를 계산하여 기준 얼굴색에 대한 카메라 출력 비율을 계산했다.
이론/모형
- 다음으로 3 자극치 XYZ와 카메라 출력 RGB 신호 사이의 변환 관계를 나타내는 카메라 전달 특성을 조사하기 위하여 색 표적을 기초로 한 방법 (color target based method) 방법을 이용하였다同. 색 타겟을 기초로 한 방법에서는 임의의 시험색 자극치 XYZ와 이를 촬영한 카메라 출력 RGB 값과의 변환 행렬을 구한다.
성능/효과
- 이 때 이용된 광원의 안정성과 카메라의 렌즈 특성을 조사했다. 그 결과 실험에 사용된 6500K 형광등은 20분이 지나면 충분히 안정됨을 알 수 있었다. 카메라의 집광 부인 카메라 렌즈의 광 투과 특성은 일반적으로 렌즈의 외곽으로 갈수록 나빠진다.
- 카메라의 집광 부인 카메라 렌즈의 광 투과 특성은 일반적으로 렌즈의 외곽으로 갈수록 나빠진다. 그래서 실험에 사용된 카메라의 렌즈 특성을 조사하기 위해 화이트보드를 촬영하여 위치 별 출력 신호 레벨을 조사했다 그 결과 출력 영상의 중앙에서 멀어질수록 광전달 특성이 떨어지는 것을 확인하였다. 카메라 특성을 구하기 전에 이 특성을 고려하여 위치에 따른 이득을 조정하여 보상했다.
- 마지막으로 임의의 조명하에서 촬영된 인물 영상에 대해 얼굴 부분의 출력 비율이 기준 얼굴색에 대한 비율이 되도록 R 채널과 B 채널의 이득을 조정하여 백색 균형 보정을 했다. 보정한 실험 사진을 보았을 때 사람들마다 다른 얼굴색의 차이에 따른 알고리즘 적용 결과의 수치적 차이는 나타나지만 자연스러운 백색 균형 보정이 됨을 확인하였다. 제안된 알고리즘의 가장 큰 장점은 전체 사진의 색 분포와 독립적이므로 임의의사 진에 대해 비교적 균일한 결과 영상을 나타내는 것이다.
- 또한 제안한 방법으로 채널 이득을 조정한 사진의 결과도 비슷한 결과를 가짐을 알 수 있다. 세 가지의 사진들 중 D65 광원 하에서의 평균 얼굴색을 이용하여 채널 이득을 조정한 사진의 색도가 가장 큰 오차를 보인다
- 따라서 셔터속도와 노출에 따른 카메라 출력의 색도 변화의 유무를 확인할 필요가 있다. 이를 위해 광원을 고정시키고 동일한 색 패치에 대해 일정 범위 내에서 셔터 속도와 노출을 변경해가며 카메라 출력을 조사해본 결과 출력 R, G, 그리고 B의 각 채널의 비율이 거의 일정하게 유지됨을 확인할 수 있었다. 따라서 실험에 사용될 영상을 촬영할 때의 카메라 밝기 조절은 셔터 속도와 노출 조정을 자동으로 설정하여 카메라의 출력 값들이 일정한 범위가 되도록 했다.
후속연구
- 찾는 것이 선행되어야 한다. 실험을 위해 한국인의 피부색만을 사용하였지만, 블랙 감마, 니 보정 (knee control), 및 감마 특성 등 카메라의 특성을 정확하게 알고 있다면 어두운 피부의 인종을 포함한 모든 인간에 대해 적용이 가능할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.