OpenCV를 활용한 색 분할(Color Segmentation)

색 공간

색 공간은 일반적으로 이미지를 인코딩하는 데 사용되는 색의 조직이다.

일반적으로 쓰이는 가장 흔한 색 공간은 RGB(Red Green Blue) 색 공간이다.

RGB를 이용한 색상의 표시는 다음과 같을 수 있다.

색깔 RGB 값
빨강색 255,0,0
주황색 255,128,0
분홍색 255,153,255

그 외에도 다양한 색 공간 모델들이 존재하는데, 인쇄물에서 주로 사용되는 CMYK 이 대표적인 다른 예이다.

이번 과정에서 우리가 주로 사용할 색 공간 모델은 HSV이다.

HSV는 색상(Hue), 채도(Saturation), 그리고 명도(Value)를 의미한다.

로봇공학에는 통상적으로 HSV 모델을 많이 사용한다.

다음 사진은, HSV의 분포를 나타내는 모형이다.

hsv_field

OpenCV

OpenCV(Open Source Computer Vision)은 실시간 컴퓨터 비전을 목적으로 한 프로그래밍 라이브러리로 이미지 처리 과정에서 많이 사용되는 라이브러리이다.

이번 과정에서 주로 사용할 OpenCV - Python은 파이썬 API로 OpenCV의 C++ API를 파이썬 언어로 랩핑하여 파이썬 언어로 사용할 수 있도록 만든 것이다.

파이썬 API에서 사용하기 위해서 프로그램에서 cv2 모듈을 이용하면 가능하다.

이 OPenCV는 보통 다차원 배열을 쉽게 처리할 수 있도록 도와주는numpy 모듈과 같이 사용한다.

  >>> import cv2
  >>> import numpy

이미지 불러오기

이미지를 불러오기 위해서는 cv2.imread() 함수를 이용하여 이미지 파일을 읽는다.

  >>> cv2.imread(fileName, flag)

이미지 파일의 경로를 fileName을 통해서 받아들이며, flag 값에 따라서 출력되는 이미지 종류가 정해진다.

  • cv2.IMREAD_COLOR : 이미지 파일을 Color로 읽는다.
  • cv2.IMREAD_GRAYSCALE : 이미지 파일을 GrayScale로 읽는 flag로 처리단계에서 많이 사용한다.

파일의 반환 형태는 numpy.ndarray 형태로 반환되며, 3차원 행렬형태이다.

  >>> import cv2
  >>> img = cv2.imread('STEM.jpg', cv2.IMREAD_COLOR)

img는 numpy.ndarray의 정확한 형태를 알고 싶다면 다음 명령어를 통해서 확인할 수 있다.

img.shape를 통해서 (행, 열, 채널) 값을 확인할 수 있다.

  >>> img.shape
  (206, 207, 3)

NOTE IMREAD_GRAYSCALE 로 출력한 경우에는 행과 열 값만 확인할 수 있다.

img의 전체 pixel 수의 확인은 img.size로 확인할 수 있습니다.

  >>> img.size
  42642

이미지 화면에 띄우기

이미지를 화면에 띄우기 위해서는 cv.imshow() 함수를 이용하여 사이즈에 맞게 보여준다.

  >>> cv2.imshow(title, image)

title은 이미지를 띄우는 창의 이름이며 imgae는 numpy.ndarray 형태의 파일을 받는다.

  • cv2.waitKey() : keyboard 입력을 대기하는 함수로, 0이면 무한대기이고, 나머지 숫자는 milisecond 단위이다.
  • cv2.destroyAllWindows() : 화면에 나타난 윈도우를 종료합니다.

다음의 코드는 이미지 파일을 읽어와서 화면에 출력하는 코드이다.

  >>> import cv2
  >>> img = cv2.imread('STEM.jpg', cv2.IMREAD_COLOR)
  >>> cv2.imshow('Original', img)
  >>> cv2.waitKey(0)
  >>> cv2.destroyAllWindows()

픽셀 값 출력하기

위에서 봤듯이 이미지는 numpy.ndarray 형태의 파일로 존재하고 있고, 각각의 픽셀 값에 접근해 볼 수 있다. 각 3차원 정보는 (행, 열, 색정보) 형태로 저장되어 있다.

  >>> import cv2
  >>> import numpy as np

  >>> img = cv2.imread('STEM.jpg', cv2.IMREAD_COLOR)
  >>> pixel = img[100,200]
  >>> print px
  [100, 200, 50]

위 코드를 통해서 우리는 100(행), 200(열) 색 값이 100(B), 200(G), 50(R) 인 것을 알 수 있다. OpenCV가 제공하는 색 값은 BGR로 RGB와 순서가 다르기 때문에 헷갈리지 않도록 주의해야 한다.

개별 값만을 확인해보고 싶다면 다음과 같이 코드를 적을 수 있다.

  >>> pixel_blue_value = img[100, 200, 1]
  >>> pixel_blue_value
  100

이미지를 조작하는 방법은 여러가지가 있지만, Line Following에서 사용하게 될 함수들을 안내해 줄 것이다.

이미지 ROI(Region Of Image)

이미지 작업시에는 전체 사진보다는 특정 pixel 단위에서 주로 작업을 하게 됩니다. 이것을 ROI(Region Of Image)라고 한다. ROI 설정은 Numpy의 방법을 사용한다. 특정 영역을 설정해서 복사할 수도 있다.

  >>> import cv2
  >>> import numpy as np
  >>>
  >>> img = cv2.imread('STEM.jpg', cv2.IMREAD_COLOR)
  >>> img.shape
  (1280, 640, 3)
  >>> half = img[0:640,0:320]
  >>> img[640:1280, 320:640] = half
  >>> cv2.imshow(STEM_REVISE, img)
  >>> cv2.waitKey(0)
  >>> cv2.destroyAllWindows()