안녕하세요, HELLO
computer vision 컴퓨터 비전에서 색상을 표현하는 방법은 대표적인 RGB, CMYK 등이 있습니다. 이번에는 3차원으로 표현하는 방법인 HSV, HSL 및 HSB을 3차원을 표현하는 방식과 실제로 사용되는 방식에 따라서 정리하려고 합니다. 마지막에는 각 방법의 공통점과 차이점을 살펴보고자 합니다.
CHAPTER 1. 'HSV (Hue, Saturation, Value)' 정리
CHAPTER 2. 'HSL (Hue, Saturation, Lightness)' 정리
CHAPTER 3. 'HSB (Hue, Saturation, Brightness)' 정리
CHAPTER 4. 'HSV, HSL, HSB 공통점 및 차이점'
CHAPTER 1. 'HSV (Hue, Saturation, Value)' 정리
HSV는 색조 hue, 채도 saturation, 값 Value의 약자입니다. 색상을 색조, 채도, 밝기라는 세 가지 측면에서 설명하고 정의하는 데 사용되는 색상 모델입니다.
- 색조: 색조는 색에 특징적인 색조를 부여하는 빛의 주된 파장을 나타냅니다. 빨간색, 주황색, 노란색, 녹색, 파란색, 보라색, 보라색이 연속적인 고리로 배열된 원형 스펙트럼으로 표시되는 경우가 많습니다.
- 채도: 채도는 색상의 강도 또는 순도를 나타냅니다. 채도가 높은 색상은 선명하고 강렬하게 표시되는 반면, 채도가 낮은 색상은 어둡고 흐릿하게 표시됩니다.
- 값(밝기라고도 함): 값은 색상의 인지된 밝기 또는 어두움을 나타냅니다. 값이 높은 색은 밝게 표시되고 값이 낮은 색은 어둡게 표시됩니다.
HSV 색상 모델에서 색상은 이 세 가지 차원의 조합으로 표현됩니다. 예를 들어 밝은 빨간색은 원형 스펙트럼에서 약 0~10의 색조, 100%의 높은 채도, 100%의 높은 값을 갖는 것으로 설명할 수 있습니다.
HSV 색상 모델은 색상을 보다 직관적으로 조정하고 조작할 수 있는 방법을 제공하기 때문에 그래픽 및 이미지 편집 소프트웨어에서 자주 사용됩니다. 디자이너는 색상의 색조, 채도 및 값을 조정하여 다양한 색상 변형을 만들고 특정 색상 효과를 얻을 수 있습니다.
CHAPTER 2. 'HSL (Hue, Saturation, Lightness)' 정리
HSL은 색조 hue, 채도 saturation, 명도 lightness를 나타내는 색상 모델입니다. HSV 색상 모델과 유사하지만 '값'을 사용하여 색상의 인지된 밝기를 나타내는 대신, '명도'를 사용하여 색상이 사람의 눈에 얼마나 밝거나 어둡게 보이는지를 나타냅니다.
다음은 HSL의 각 차원에 대한 간략한 설명입니다:
- 색조: 색상의 색조는 색상환에서 해당 색상의 위치를 나타내며 일반적으로 0에서 360까지의 도수로 측정됩니다. HSL에서 색상환은 원형으로 배열되어 있으며 빨간색은 0도, 녹색은 120도, 파란색은 240도입니다. 이러한 원색 사이의 색은 중간 각도에서 찾을 수 있습니다. 색조는 종종 색의 "화려함"으로 설명됩니다.
- 채도: 채도는 색상의 강도 또는 순도를 나타내며 일반적으로 0에서 100까지의 백분율로 측정됩니다. 완전히 채도가 높은 색상은 회색이나 흰색이 추가되지 않은 반면, 채도가 낮은 색상은 더 차분하고 덜 선명하게 나타납니다. 채도는 종종 색상의 "선명도" 또는 "강도"로 설명됩니다.
- 명도 (밝기): 밝기는 색상의 밝기 또는 어두움을 지칭하며 일반적으로 0에서 100 사이의 백분율로 측정됩니다. 명도가 0%인 색상은 완전히 검은색이고, 명도가 100%인 색상은 완전히 흰색입니다. 명도는 종종 색상의 "밝기" 또는 "휘도"로 설명됩니다.
HSL에서 색상은 이 세 가지 차원의 조합으로 표현됩니다. 예를 들어 밝고 완전히 채도가 높은 빨간색의 색상은 색조가 0도, 채도가 100%, 명도가 50% 일 수 있습니다.
HSL은 보다 직관적인 방식으로 색상을 조작할 수 있는 방법을 제공하기 때문에 그래픽 디자인 및 이미지 편집 소프트웨어에서 자주 사용됩니다. 디자이너는 색상의 색조, 채도 및 명도를 조정하여 다양한 색상 변형을 만들고 특정 색상 효과를 얻을 수 있습니다.
CHAPTER 3. 'HSB (Hue, Saturation, Brightness)' 정리
HSB는 색조 hue, 채도 saturation 및 밝기 brightness를 나타내는 색상 모델입니다. HSV 색상 모델과 유사하지만 색상의 인지된 밝기를 나타내는 데 '값'을 사용하는 대신, '밝기'를 사용하여 색상이 얼마나 밝거나 어둡게 나타나는지 나타냅니다.
다음은 HSB의 각 차원에 대한 간략한 설명입니다:
- 색조: 색의 색조는 색상환에서 색의 위치를 나타내며 일반적으로 0에서 360까지의 도수로 측정됩니다. HSB에서 색상환은 원형으로 배열되어 있으며 빨간색은 0도, 녹색은 120도, 파란색은 240도입니다. 이러한 원색 사이의 색은 중간 각도에서 찾을 수 있습니다. 색조는 종종 색의 "화려함"으로 설명됩니다.
- 채도: 채도는 색상의 강도 또는 순도를 나타내며 일반적으로 0에서 100까지의 백분율로 측정됩니다. 완전히 채도가 높은 색상은 회색이나 흰색이 추가되지 않은 반면, 채도가 낮은 색상은 더 차분하고 덜 선명하게 나타납니다. 채도는 종종 색상의 "선명도" 또는 "강도"로 설명됩니다.
- 밝기: 밝기: 밝기는 색상의 인지된 밝기 또는 어두움을 나타내며 일반적으로 0에서 100 사이의 백분율로 측정됩니다. 밝기가 0%인 색상은 완전히 검은색이고 밝기가 100%인 색상은 완전히 흰색입니다. 밝기는 종종 색상의 "밝기" 또는 "휘도"로 설명됩니다.
HSB에서 색상은 이 세 가지 차원의 조합으로 표현됩니다. 예를 들어, 밝고 완전히 채도가 높은 빨간색은 색조가 0도, 채도가 100%, 밝기가 100% 일 수 있습니다.
HSB는 보다 직관적인 방식으로 색상을 조작할 수 있는 방법을 제공하기 때문에 그래픽 및 이미지 편집 소프트웨어에서 자주 사용됩니다. 디자이너는 색상의 색조, 채도 및 밝기를 조정하여 다양한 색상 변형을 만들고 특정 색상 효과를 얻을 수 있습니다. 일부 소프트웨어 애플리케이션에서는 HSB와 HSV라는 용어를 혼용하여 사용하며, 밝기를 계산하는 방식에 약간의 차이가 있을 수 있습니다.
CHAPTER 4. 'HSV, HSL, HSB 공통점 및 차이점'
HSV, HSL 및 HSB는 모두 색상을 3차원으로 표현하는 방법을 제공하는 색상 모델이지만 3차원을 표현하는 방식과 실제로 사용되는 방식이 다릅니다. 다음은 이러한 색상 모델 간의 몇 가지 유사점과 차이점입니다:
■ 유사점:
- 세 가지 모델 모두 색조와 채도를 사용하여 색상을 표현합니다.
- 모두 차원 값을 조정하여 보다 직관적인 방식으로 색상을 조작할 수 있는 방법을 제공합니다.
- 모두 다양한 색상을 표현하는 데 사용할 수 있습니다.
■ 차이점
- HSV는 "value 값"을 사용하여 색상의 인지된 밝기를 표현하는 반면, HSL은 "lightness 명도"를 사용하고 HSB는 "brightness 휘도"를 사용합니다. 이 차이는 색상을 인식하고 조작하는 방식에 영향을 줄 수 있습니다.
- HSL과 HSB는 색상의 명도 또는 밝기를 보다 직관적으로 제어할 수 있기 때문에 이미지 편집 및 색상 보정에 선호되는 경우가 많습니다.
- HSV는 특정 색조, 채도, 밝기 값을 쉽게 선택할 수 있어 컴퓨터 그래픽 및 색상 선택 도구에 자주 사용됩니다.
- HSL은 밝기가 색상의 인지된 밝기에 미치는 영향을 고려하므로 색상을 보다 자연스럽게 표현할 수 있습니다.
- HSB와 HSV는 일부 소프트웨어 애플리케이션에서 같은 의미로 사용되는 경우가 많지만 밝기를 계산하는 방식에 약간의 차이가 있을 수 있습니다.
전반적으로 색상 모델 선택은 특정 애플리케이션과 원하는 효과에 따라 달라집니다. 디자이너와 아티스트는 작품에서 원하는 색상과 톤을 얻기 위해 이러한 색상 모델을 조합하여 사용하는 경우가 많습니다.
■ 마무리
'3차원 색상 표현 방법 HSV, HSL, HSB'에 대해서 정리해 봤습니다.
그럼 오늘 하루도 즐거운 나날 되길 기도하겠습니다
좋아요와 댓글 부탁드립니다 :)
감사합니다.
'DATA_SCIENCE > Computer Vision' 카테고리의 다른 글
| [CV] 계층적 깊이 이미지(Layered Depth Image) 해설, 정리, 요약 (0) | 2023.03.13 |
|---|---|
| [CV] 세포 분할 (Cellular segmentation) 해설, 정리, 요약 (0) | 2023.03.04 |
| [REVIEW] Character Region Awareness for Text Detection (CRAFT) 리뷰 (0) | 2023.02.26 |
| [CV] 포인트 클라우드 처리(Point Cloud Processing) 해설, 정리, 요약 (0) | 2023.02.14 |
| [REVIEW] U-Net: Convolutional Networks for Biomedical Image Segmentation 리뷰, review (0) | 2023.02.12 |
댓글