OpenCV 강좌, 다양한 색상 변환 활용 사례

본 강좌에서는 OpenCV를 이용한 다양한 색상 변환 기법을 다뤄보겠습니다. 색상 변환은 이미지 처리에서 매우 중요한 부분으로, 사진의 분위기를 바꾸거나 특정 색상을 강조하는 등의 작업에 활용됩니다. 다양한 색상 공간과 그 전환 방법에 대한 이해를 통해 여러분의 이미지 처리 능력을 한층 더 발전시킬 수 있습니다.

목차

  • 1. 색상 공간(Color Space) 이해하기
  • 2. RGB와 BGR 색상 변환
  • 3. HSV 색상 변환
  • 4. LAB 색상 변환
  • 5. 색상 변환 활용 사례
  • 6. 결론
  • 7. 참고 자료

1. 색상 공간(Color Space) 이해하기

색상 공간이란 색상을 나타내는 방법을 의미합니다. 다양한 색상 공간이 존재하며, 그 중에서 RGB, HSV, LAB 색상 공간이 가장 널리 사용됩니다.

RGB 색상 공간: 빨강(Red), 초록(Green), 파랑(Blue)의 조합으로 색상을 표현합니다.

HSV 색상 공간: 색상의 색조(Hue), 채도(Saturation), 명도(Value)로 색상을 표현합니다. 효율적인 색상 조작이 가능합니다.

LAB 색상 공간: 인간의 시각에 기반한 색상 표현으로, 더욱 정교한 색상 처리에 적합합니다.

2. RGB와 BGR 색상 변환

OpenCV는 기본적으로 이미지를 BGR(Bule, Green, Red) 형식으로 처리합니다. 따라서 RGB 형식의 이미지를 BGR 형식으로 변환하는 것은 필수적인 작업입니다. 아래의 코드는 이를 보여주는 간단한 예제입니다. 

python
import cv2

# 이미지 파일 경로
image_path = 'path_to_your_image.jpg'
# RGB 이미지 불러오기
rgb_image = cv2.imread(image_path)
# BGR로 변환
bgr_image = cv2.cvtColor(rgb_image, cv2.COLOR_RGB2BGR)

# 결과 이미지 출력
cv2.imshow('BGR Image', bgr_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. HSV 색상 변환

HSV 색상 공간으로의 변환은 주로 색상 추출이나 색상 기반의 객체 인식에 많이 사용됩니다. 아래의 코드에서는 이미지를 HSV 색상 공간으로 변환하고 특정 색상을 마스킹하는 방법을 보여줍니다. 

python
import cv2
import numpy as np

# 이미지 파일 경로
image_path = 'path_to_your_image.jpg'
# 이미지를 BGR 형식으로 읽기
bgr_image = cv2.imread(image_path)
# BGR 이미지를 HSV로 변환
hsv_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2HSV)

# 파란색 범위 설정 (Hue, Saturation, Value)
lower_blue = np.array([100, 150, 0])
upper_blue = np.array([140, 255, 255])

# 특정 색상 마스크 생성
mask = cv2.inRange(hsv_image, lower_blue, upper_blue)
result = cv2.bitwise_and(bgr_image, bgr_image, mask=mask)

# 결과 이미지 출력
cv2.imshow('Original Image', bgr_image)
cv2.imshow('Mask', mask)
cv2.imshow('Result Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

4. LAB 색상 변환

LAB 색상 공간은 색상 인식을 위한 매우 효과적인 방법입니다. LAB 색상 공간은 L*(Lightness), a*(Green-Red 색상 축), b*(Blue-Yellow 색상 축)로 구성되어 있습니다. LAB 색상으로의 변환과 활용 예제를 살펴보겠습니다. 

python
import cv2

# 이미지 파일 경로
image_path = 'path_to_your_image.jpg'
# 이미지를 BGR로 읽기
bgr_image = cv2.imread(image_path)

# BGR 이미지를 LAB로 변환
lab_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2Lab)

# LAB 색상 채널 분리
l_channel, a_channel, b_channel = cv2.split(lab_image)

# L 채널의 히스토그램 평활화
l_channel_equalized = cv2.equalizeHist(l_channel)

# 변경된 L 채널을 재결합
lab_image_equalized = cv2.merge((l_channel_equalized, a_channel, b_channel))

# LAB 이미지를 BGR로 다시 변환
bgr_image_equalized = cv2.cvtColor(lab_image_equalized, cv2.COLOR_Lab2BGR)

# 결과 이미지 출력
cv2.imshow('Original Image', bgr_image)
cv2.imshow('Equalized Image', bgr_image_equalized)
cv2.waitKey(0)
cv2.destroyAllWindows()

5. 색상 변환 활용 사례

색상 변환의 활용은 매우 다양합니다. 아래에 몇 가지 활용 사례를 소개합니다.

5.1 색상 추출

특정 색상을 추출하여 이미지에서 해당 색상만 강조할 수 있습니다. 이를 통해 물체 인식이나 색상 기반 분석이 가능합니다. 

python
# 위에 있는 HSV 코드 활용

5.2 이미지 필터링

색상 변환을 통해 이미지의 특정 부분을 강조하거나 흐리게 할 수 있습니다. 이러한 필터링 기법은 이미지 편집에 널리 사용됩니다. 

python
# 색상 변환 후 Gaussian Blur 적용
blurred_image = cv2.GaussianBlur(bgr_image, (15, 15), 0)
# 원래 이미지와 결합
result_image = cv2.addWeighted(bgr_image, 0.5, blurred_image, 0.5, 0)

cv2.imshow('Filtered Image', result_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.3 이미지의 분위기 변경

색상 변환을 활용하여 이미지의 전체적인 분위기를 변경할 수 있습니다. 예를 들어, 특정 색조와 채도의 변화는 감정이나 주제를 표현하는 데 도움을 줍니다. 

python
# 여기에 조정 후 원하는 색조로 변환을 추가할 수 있음

6. 결론

OpenCV의 색상 변환 기능은 이미지 처리에서 매우 유용하게 활용될 수 있습니다. RGB, HSV, LAB 색상 공간의 이해를 통해 다양한 색상 조작과 분석이 가능해집니다. 이 강좌를 통해 색상 변환의 기초를 다지고, 실제 응용 사례를 통해 기술을 발전시키길 바랍니다.

7. 참고 자료