사람들이 보는 많은 이미지들은 모두 색으로 이루어져 있다. 이 색은 색상, 채도, 명도 값의 조합으로 볼 수 있다. 음식 이미지 또한 다른 이미지와 마찬가지로 색상, 채도, 명도 값의 조합으로 이루어져 있는데, 이 때 각 값의 수치에 따라 사람이 이미지에 있는 음식에 대해 느끼는 감정이 달라진다. 이를 바탕으로 사람이 음식을 보고 느끼는 감정과 색의 관계를 분석해서 맛이 없어 보이는 음식을 맛있어 보이게 할 수 있다. 음식 사진을 찍을 때 사진은 사용자의 감성을 반영하지 않고 있는 사실 그대로를 찍지만, 이 기술을 활용하면 사용자의 감성을 더해 음식이 맛있어 보이게 혹은 맛없어 보이게 하여 사용자의 만족도를 더욱 높일 수 있다. 이러한 기술을 인터넷의 블로그나 개인홈페이지 혹은 스마트폰을 통해 트위터 등에 사진을 업로드 할 때 활용할 수 있다. 이를 위해 본 논문은 사용자 개인이 맛있다고 느끼는 음식의 색 분포를 분석하여 최적의 색 조합을 선정하고, 이를 대상 음식 이미지의 컬러 테이블에 반영하여 개개인 사용자 취향에 맞춘 이미지로 변환한다. 즉, 각각의 사용자에게 본인이 선호하는 음식이 속해있는 음식 샘플을 통해 맛있다고 느끼는 색깔의 컬러 조합을 찾아내기 때문에 각 개인의 취향을 반영할 수 있다.
사람들이 보는 많은 이미지들은 모두 색으로 이루어져 있다. 이 색은 색상, 채도, 명도 값의 조합으로 볼 수 있다. 음식 이미지 또한 다른 이미지와 마찬가지로 색상, 채도, 명도 값의 조합으로 이루어져 있는데, 이 때 각 값의 수치에 따라 사람이 이미지에 있는 음식에 대해 느끼는 감정이 달라진다. 이를 바탕으로 사람이 음식을 보고 느끼는 감정과 색의 관계를 분석해서 맛이 없어 보이는 음식을 맛있어 보이게 할 수 있다. 음식 사진을 찍을 때 사진은 사용자의 감성을 반영하지 않고 있는 사실 그대로를 찍지만, 이 기술을 활용하면 사용자의 감성을 더해 음식이 맛있어 보이게 혹은 맛없어 보이게 하여 사용자의 만족도를 더욱 높일 수 있다. 이러한 기술을 인터넷의 블로그나 개인홈페이지 혹은 스마트폰을 통해 트위터 등에 사진을 업로드 할 때 활용할 수 있다. 이를 위해 본 논문은 사용자 개인이 맛있다고 느끼는 음식의 색 분포를 분석하여 최적의 색 조합을 선정하고, 이를 대상 음식 이미지의 컬러 테이블에 반영하여 개개인 사용자 취향에 맞춘 이미지로 변환한다. 즉, 각각의 사용자에게 본인이 선호하는 음식이 속해있는 음식 샘플을 통해 맛있다고 느끼는 색깔의 컬러 조합을 찾아내기 때문에 각 개인의 취향을 반영할 수 있다.
Color is basically composed of hue, saturation and value. Many objects are made up with color. When people see color, they feel different emotion because of different combination of hue, saturation and value of different colors. Thus, people feel different feeling about the taste of food depending o...
Color is basically composed of hue, saturation and value. Many objects are made up with color. When people see color, they feel different emotion because of different combination of hue, saturation and value of different colors. Thus, people feel different feeling about the taste of food depending on its color. Thus, by analyzing what color makes people feel tasty about food, we can make food to look more delicious. When people take pictures of food, theyusually do not consider this into account. However if we apply this technology into taking pictures of food, we can make the food look more delicious. This technology can be applied when people want to upload pictures of food in blog, homepage and twitter and so on. In this paper, we analyze the feelings of color of people and then choose the best color combination to present food. After that we change the original image into the new one based on the analysis of color. This way, we can reflect each user's preference.
Color is basically composed of hue, saturation and value. Many objects are made up with color. When people see color, they feel different emotion because of different combination of hue, saturation and value of different colors. Thus, people feel different feeling about the taste of food depending on its color. Thus, by analyzing what color makes people feel tasty about food, we can make food to look more delicious. When people take pictures of food, theyusually do not consider this into account. However if we apply this technology into taking pictures of food, we can make the food look more delicious. This technology can be applied when people want to upload pictures of food in blog, homepage and twitter and so on. In this paper, we analyze the feelings of color of people and then choose the best color combination to present food. After that we change the original image into the new one based on the analysis of color. This way, we can reflect each user's preference.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
먼저, 실험의 목적은 특별히 가공, 처리 되지 않은 인터넷이나 일상생활에서 쉽게 구할 수 있는 음식 이미지를 활용 하여 사용자 취향에 맞게 맛있게 보일 수 있도록 변환하는 데에 있다. ‘맛있다’, ‘맛없다’라는 기준이 사람마다 다르고 음식이라는 특성 상 종류마다 서로 다른 색 범위를 갖지만 같은 종류에 대해서는 유사한 색 범위를 갖기 때문에 고정된 범위를 적용하지 않는다.
본 논문은 사용자 취향에 맞춘 음식 이미지의 색변환을 제안한다. 음식은 인종이나 문화, 나이, 성별 등에 따라서 감정의 폭이 크고, 개인적인 경험 등에 따라서 음식의 선호도가 크게 달라진다.
이를 위해서 본 논문은 색과 음식의 맛 판단 기준에 대해서 연구하고, 사용자에게 맛있어 보이는 색깔을 선택하게 함으로써 각 사용자의 취향에 맞는 색으로 변환할 수 있음을 보여주었다.
제안 방법
먼저, 사용자가 변환할 원본 이미지를 불러오면 이미지의 색상을 분석하여, 음식 이미지가 가장 많이 속한 범위 순으로 3개의 색상범위를 지정해 준다. 그 다음, 위에서 지정한 3가지 범위를 포함 하는 예제 음식 이미지를 사용자에게 차례대로 보여준 후, 사용자가 취향에 맞는 이미지를 선택하게 하여 사용자의 기호를 분석한다. 분석한 데이터를 바탕으로 3가지 지정된 색상범위에 속한 원본 이미지의 색상, 채도, 명도를 각각 본 논문에서 제안하는 수식에 따라 변환한다.
대상 이미지가 들어오면 이미지를 분석하여 가장 많이 차지하고 있는 범위를 3가지 정한다. 그 후, 범위 3가지를 각각의 데이터베이스에서 임의로 추출된 다양한 음식 이미지 샘플 중, 사용자가 가장 맛있어 보이는 색깔의 음식을 각각 1장씩 선택한다. 그리고 각 3장의 이미지의 색상, 채도, 명도 값을 분석하여 범위별로 각각 수식에 따라 계산된 새로운 값으로 변환한다.
그 후, 범위 3가지를 각각의 데이터베이스에서 임의로 추출된 다양한 음식 이미지 샘플 중, 사용자가 가장 맛있어 보이는 색깔의 음식을 각각 1장씩 선택한다. 그리고 각 3장의 이미지의 색상, 채도, 명도 값을 분석하여 범위별로 각각 수식에 따라 계산된 새로운 값으로 변환한다.
색상 값은 원본의 이미지에서 가장 많은 분포를 차지하는 3가지 색상 범위를 추출하여 계산한다. 따라서 7가지 색상 범위 중, 가장 많은 분포를 갖는 3가지 색상 범위를 찾아낸 후, 각 범위의 샘플을 차례대로 사용자에게 보여주고 사용자가 선택한 이미지를 사용해서 변환하게 된다. 사용자가 선택한 이미지를 각 범위에 맞는 색상 값만을 추출해서 히스토그램으로 변환한 후, 히스토그램의 최댓값을 찾는다.
전체적인 과정은 그림 1과 같다. 먼저, 사용자가 변환할 원본 이미지를 불러오면 이미지의 색상을 분석하여, 음식 이미지가 가장 많이 속한 범위 순으로 3개의 색상범위를 지정해 준다. 그 다음, 위에서 지정한 3가지 범위를 포함 하는 예제 음식 이미지를 사용자에게 차례대로 보여준 후, 사용자가 취향에 맞는 이미지를 선택하게 하여 사용자의 기호를 분석한다.
그 다음, 위에서 지정한 3가지 범위를 포함 하는 예제 음식 이미지를 사용자에게 차례대로 보여준 후, 사용자가 취향에 맞는 이미지를 선택하게 하여 사용자의 기호를 분석한다. 분석한 데이터를 바탕으로 3가지 지정된 색상범위에 속한 원본 이미지의 색상, 채도, 명도를 각각 본 논문에서 제안하는 수식에 따라 변환한다.
kr 로부터 임의의 사진을 색깔별로 분류하여 사용하였다. 색깔별 범위는 양자화를 통해 7가지 범위로 분류하였고, 그에 따라 각각의 범위별로 데이터베이스를 만들었다.
색상, 채도, 명도 값은 기본적으로 사용자가 선택한 이미지의 히스토그램을 기반으로 한 수식을 활용한다. 색상 값은 히스토그램을 이동 변환하고, 채도 값과 명도 값은 영역 안의 값들의 분포를 고려한 수식을 제안한다.
[7] 따라서 음식 이미지의 색변환을 사용자 각각의 개인의 취향에 맞추어 선택하도록 수행하여 사용자의 만족도를 높인다. 이를 위해 사용자의 취향을 학습하여 각 사용자의 기호에 맞춘 색변환을 한다.
대상 데이터
00GB RAM 컴퓨터를 사용한다. 사진은 http://www.google.co.kr 로부터 임의의 사진을 색깔별로 분류하여 사용하였다. 색깔별 범위는 양자화를 통해 7가지 범위로 분류하였고, 그에 따라 각각의 범위별로 데이터베이스를 만들었다.
성능/효과
그림 3의 원본 이미지를 분석한 결과 색상 값의 범위가 orange, yellow, red 순으로 많이 분포하는 것을 확인하였다. 각각의 결과 이미지는 orange색 범위의 이미지 (b)를 적용한 결과가 (e), yellow 색 범위의 이미지 (c)를 적한 결과가 (f), 마지막으로 red 색 범위의 이미지 (d)를 적용한 결과 최종적으로 (g) 이미지가 되었다.
앞서 보인 두 실험에 대해서 “원본 이미지와 변환 결과 이미지 중 어떤 이미지가 보다 맛있어 보이는가?”라는 물음에 그림 5와 같이 두 차트 모두 1번 섹터가 원본이미지를 선택한 비율, 2번 섹터가 변환 결과 이미지를 선택한 비율이다. 설문조사 결과에서 알 수 있듯이 본 논문에서 제시한 변환을 거친 이미지가 원본 이미지 보다 더 많은 선호도를 얻은 것을 알 수 있다.
후속연구
향후 이러한 문제 해결과 함께 segmentation을 활용하여 각각의 object들을 구별을 하여 수식을 다르게 적용하는 방법과 동시에, 이미지를 한 장만 선택하는 것이 아니라 각각의 이미지에 사용자가 가중치를 주어 계산한다면 현재보다 더욱 발전된 음식 이미지 변환 시스템을 구현 할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.