차이

문서의 선택한 두 판 사이의 차이를 보여줍니다.

--- 영상처리 [2016/07/10 08:49] – V_L
+++ 영상처리 [2016/07/10 09:06] (현재) – V_L
@@ 줄 1: / 줄 1: @@
 {{tag>영상처리}}
 ====== 영상처리 ======
-====Achromatic ====
+영상처리는 그림을 다루는 학문이다. 이것은 수 많은 어플리케이션에서 사용되는 넓은 영역의 기술들에 대한 총칭이다. 에에 포함되는 기술들은 영상을 더욱 높은 질의 영상으로 만들거나 일그러뜨리고, 영상의 두드러진 특징들을 더욱 두드러지게하고, 다른 영상의 일부분으로부터 새로운 영상을 만들어 내고, 영상을 회득하는 동안이나 획득한 후에 변질된 영상을 복원시키는 등의 기술들이다. ([[http://mercury.kau.ac.kr/image_lab/%EC%98%81%EC%83%81%EC%B2%98%EB%A6%AC.htm|출처 한국항공대학교 영상처리 연구실]])
+영상처리를 흔히 컴퓨터 그래픽스와 혼동한다. 컴퓨터 그래픽스와 영상처리는 거의 유사한 기술이다. 영상처리와 컴퓨터 그래픽스가 서로 공통된 개념들을 사용하지만 그들은 서로 다른 연구 분야로 일컬어진다. 컴퓨터 그래픽스는 합성 영상을 생성하는 것이다. 영상처리는 이미 획득하였거나 만들어진 영상을 조작하는 것이다. 컴퓨터 그래픽스는 2차원과 3차원 물체를 가지고 작업을 한다. 영상처리에서 전형적으로 다루어지는 것은 흔히 2차원 데이터로 제한된다. 의학 진단 산업 분야에서의 어플리케이션들은 3차원 데이터에 대한 영상처리를 수행한다. 볼륨 가시화(Volume visualization)와 모핑(morphing)과 같은 몇몇 기술의 출현으로 컴퓨터 그래픽스와 영상처리를 구분하는 선이 더욱 불분명해졌다.
+영상처리 알고리즘들을 분류하는 기본적인 분류방법은 제 가지가 있는데, 포인트 처리, 영역처리, 기하학적 처리, 그리고 프레임 처리이다. 포인트 처리는 화소의 원래 값이나 위치에 기반한 화소값을 변경한다. 영역처리는 화소의 원래 값과 이웃하는 화소의 값을 기반으로 하여 화소값을 변경한다. 기하학적 처리는 화소들의 위치나 배열을 변화시킨다. 프레임 처리는 두 개 이상의 영상들에 대한 연산을 기반으로하여 화소값들을 생성한다.
+컴퓨터 가격은 점차적으로 감소하고 CPU와 그래픽 성능은 증가하면서 영상처리에 대한 접근 가능성이 증가하였다. 그 결과 예술가에서부터 내과 의사에 이르기까지 다양한 분야의 전문가들이 영상처리 기술에 대해 알지는 못해도 이 기술들을 사용하고자 시도하고 있다.
+=====응용분야=====
+====과학과 우주====
+초기의 영상처리는 과학자들만 사용하였다. 이 과학자들은 주로 우주 연구 단체나 국방성의 요원이었다. 우주 개발 프로그램들은 많은 영상처리 기술들을 낳게 하였다. 이러한 기술들은 태양계를 성공적으로 탐험하게 하는 매우 중요한 요인이되었다.
+여러 가지 우주개발 프로그램에 의해, 우주 밖에서 촬영한 영상이 지구로 연소된 데이터 스트림으로 전송할 수 있음을 증명해 주었다. 데이터 전송은 흔히 정전기와 태양의 섬광에 의해 차단되며, 영상의 질이 떨어지게 된다. 재구성과 필터링 기술들은 잡음을 제거하고 영상의 잃어버린 부분을 복원시키는 기술이다. 이러한 방법들중 몇 가지는 그 이전에도 사용되었으며 전자 현미경 검사, 지진 관측, 의료진단과 같은 많은 분야에서 지금도 사용하고 있다.
+====영 화====
+헐리우드가 특수 효과를 내고 프레임을 수정하기 위해 컴퓨터를 사용한 실험을 하고 있기는 하지만, 필름을 만드는 데 컴퓨터를 사용하는 일은 최근 몇 년 동안에 급속도로 증가하고 있다. 컴퓨터들은 어떤 종류의 영상을 다른 영상으로 바꾸고, 프레임에서 원하지 않는 물체가 있으면 제거하고, 다른 프레임의 부분, 부분들을 합성하여 새로운 프레임을 생성한다.
+영화 "The Babe"에서, 컴퓨터 효과로 오른손 잡이인 John Goodman을 왼손잡이로 만들었고, 영상 합성으로 Babe Ruth가 경기하고 있는 경기장의 관람석에 한 층을 더 올렸다. 비록 그 영화의 필름에는 단층의 스타디움에 1,000명의 관객만이 있지만, 영상처리를 통하여 더욱 많은 관객이 있는 것으로 보이게 한 것이다.
+영상합성 영상 합성은 영화 "Forrest Gump"에서도 사용되었다. 주인공이 많은 미국의 대통령들이 등장하는 다양한 역사 필름 조각들에 추가되었다. 영상 합성은 또한 이 영화에서 소규모 단위의 관중들을 계속해서 복사하는 방법으로 많은 관중을 만드는 데 사용하였다.
+영화들은 흔히 보는 각도에 따라 달라 보이며 나중에 디지털 기술에 의해 도욱 보기 좋게 정리된다. 보기 흉한 전선줄이나, 얼굴의 잔주름 또는 원하지 않는 구경꾼들을 프레임에서 제거할 수 있다. 영화 "Terminator 2"에서 오토바이가 안전하게 떨어지도록 하기위해 줄을 매달았다가, 나중에 컴퓨터로 그 줄을 제거 하였다.
+모핑(Morphing) 헐리우드에서 새롭게 사용된 영상처리 기법중의 하나가 모핑이다. 모핑은 변형(metamorphosis)이라는 단어에서 유래된 것인데, 하나의 영상을 다른 영상으로 변화시키는 것이다. 모핑은 "Terminator 2"에서 합금체 로봇인 T-1000의 외형 변화에서 사용되었고, 마이클 잭슨의 뮤직비디오 "Black or White"에서 댄서와 마이클 잭슨의 얼굴을 변화시키는데 사용되었다.
+영상 워핑 영상 워핑은 기괴한 변형에 항상 사용되는 것은 아니다. 이것은 배우를 더욱 키가 크게 하거나, 작게 하거나 아니면 홀쭉하게 하거나, 뚱뚱하게 만들어서 실생활을 변경시키는 데 사용할 수 있다. 이것은 코의 크기를 줄이거나 다른 물리적인 특징들을 변겨시킬 수 있다.
+영상 워핑은 인공위성이나 다른 우주계획의 일원으로부터 보내져 온 일그러진 영상을 올바르게 만드는 데 처음 사용하였다. 일그러짐 현상은 렌즈의 변형이나 평평한 판에 의해서보다는 구체 모양으로 된 다른 부품들 때문에 발생한다. 기하학적 변형에 의한 영상 워핑은 이러한 일그러짐을 복구시키는 데 사용되며, 척도와 우주공간의 관계를 좀더 정확히 판단하도록 해준다.
+영상 워핑은 행방불명된 아이를 찾는데도 사용된다. 미아와 유괴된 아동들을 위한 기구인 The National Center for Missing and Exploited Children은 아이들이 사라진 이후에 아이들의 연령에 맞는 사진을 만들어 주는 소프트웨어를 사용한다. 그 사진은 그 아이의 사진에 그 아이보다 나이가 많은 형제나 친척의 사진을 합병시키고, 그 나이에 맞는 머리카락과 옷을 입혀 합성된다. 이러한 기술은 유괴된 후 몇 년이 지나도 그 아이의 현재 모습을 닮은 사진을 센터가 제공할 수 있게 해준다.
+====종이없는 사무실====
+요즘의 경향은 종이없는 사무실을 추구하고 있다. 모든 문서들이 디지털화되어 저장되어있고 CRT나 다른 출력 장치로 복원하여 볼 수 있게 되는 것이 가장 이상적이다. 이것은 Document Image Processing(DIP;문서 영상처리)에 의해 이루어 진다. DIP 시스템들은 문서들을 ASCII 텍스트로 보관할 수 있다. 이것은 문서들의 텍스트에 가지고 있는 특별한 내용을 찾을 수 있게 해준다. 이렇게 하기 위해서는 하얀 문서에 검은색으로 칠해져 있는 것을 텍스트로 변환하여야 한다. 이러한 일은 광학 문자 인식(OCR;Optical Character Recognition)으로 이루어 질 수 있다. OCR은 영상처리로 분류되지는 않지만 영상 분석이라는 유사한 분야의 과학이다.
+수천개의 문서들을 보관해야만 하는 많은 회사들은 DIP를 사용하고 있다. 은행들은 처리된 영수증, 대부 관계 업무 그리고 구좌의 대차표를 기록하기 위해 DIP를 사용하고 있다. 그리고 행정 기관과 병원에서도 수많은 증명서와 양식들 그리고 의료 영상들을 보관하기 위해 DIP를 사용한다.
+====의료 사업====
+의료 산업은 영상처리를 오래전부터 사용해왔다. 여기서 다루는 영상으로 X-ray와 초음파 영상등이 포함된다. Computed Tomography 또는 Computer-Aided Tomography(CT 또는 CAT)는 1980연대 까지는 널리 사용되지 않았었다. 의사들은 척추, 머리,그리고 골반과 같은 뼈의 상태를 진단하기 위해 CT 스캐너를 사용하였다. 자기 공명 영상기술(MRI;Magnetic Resource Imaging)은 척추와 심장과 같은 얇은 조직을 볼 수 있게 해주었다. Positron Emission Tomography(PET)는 신체의 화학적,물리적 처리 과정을 측정하게 해준다. Magnetic Source Imaging(MSI)은 생각하고 운동하는 동안 두뇌에서 발생하는 극소의 전기적 신호를 감시하는 것이다.
+이 모든 영상들이 컴퓨터에 저장되어 있으면 의사들은 흥미가 있는 부분을 집중하여 볼 수 있도록 확장과 조작을 할 수 있다. 많은 의료 영상은 삼차원으로 만들어 질 수 있다. 이로써 의사들은 스크린에 나타나는 영상의 특정 부분들을 연구를 위해 회전 시키고 변형시킬 수 있게 된다. 이러한 의료 자료의 애니메이션 기술을 가미한 재구성 기술은 내과 의사들과 외과 의사들에게 크게 가치가 있는 것이다.
+의료 영상을 디지털화하는 또 다른 장점은 의사들이 환자를 오랫동안 지속적으로 진단할 수 있게 해준다는 것이다. 영상 데이터는 원거리에 있어도 수초 안에 의사에게 전송될 수 있다. 환자들은 그들이 살고 있던 지역 병원이 아니더라도 진단을 받을 수 있다.
+====다른 영상처리 응용분야들====
+사진사, 광고 대리업을 하는 사람 그리고 출판가와 같은 사람들은 영상을 만들어내고, 질을 향상 시키고, 색깔을 조작하는 등의 일을 하기 위해  영상 처리 분야에 눈을 돌리고 있다. 영상 합성으로 기존의 갖가지 영상들을 융합하여 새로운 영상을 만들어 낼 수 있다.
+광고 사업 분야에서 사진 수정 기술은 사진 작가들에게 옛 사진에 긁힌 자국을 넣고 페이딩(fading) 효과를 내는 등의 일을 할 수 있게한다. 지도 제작자들또한 그들의 업무에 영상처리 기술을 사용하고 있다. 초기 영상 지도 데이터는 인공위성으로부터 얻어진다. 디지털 영상 워핑 기술은 방사선에 의한 일그러 짐이나 지구의 구면 특성에 의한 일그러짐을 보정하여 지도 좌표 시스템에 맞추는 데 사용된다. 또한 디지털화하여 영상의 질을 향상 시킨다. 원격 감지 기술(인공위성으로부터 영상 획득)과 영상처리 기술의 결합은 모든 분야에서 사용되고 있다. 생태학자들은 이기술을 석유 누출에 의해 미치는 위험을 연구하며, 해양 연구가들은 연안 오염이 어류에 미치는 영향을 감시하는 데 사용한다.
+====머신 비젼(Machine Vision)====
+머신 비젼은 영상 처리와 영상 분석을 함께 사용하는, 현재 급부상하고 있는 기술이다. 머신 비젼은 획득된 영상 데이터가 제조 공정을 제어할 수 있도록 처리하는 산업 기술이다. 이 기술의 초기의 용도는 검사와 조립 라인들 특히 자동차 조립 라인들을 자동화하는 것이다. 산업 자동화 환경에서 영상 처리 기술을 도입한 최초의 가장 성공한 어플리케이션은 PCB(인쇄 회로 기판)의 결함 검사 기계였다. 머신 비젼은 오늘날에 들어서 철저한 검사를 요하는 처리 공정이 필요한 반도체 제조에까지 확장 되었다. 머신 비젼 기술들은 제조 공정에서 발생하는 결함들을 검사하고, 칩을 정돈하고, 철저하게 형판 검사를 하는데 사용되고 있다.
+머신 비젼은 많은 조립 라인들을 컴퓨터에 의해 조정하는 기능만을 지닌 검사에만 한정 되지 않는다. 포드 자동차 회사는 54개의 가능한 문짝을 식별하고 표시를 다는 데, 조립 라인의 인부들을 머신 비젼 시스템으로 교체하였다. 문짝들은 모양과 색깔에 의해 구분되었다. 수작업으로 검사를 하면, 오류율은 15-30%였다. 새로운 머신 비젼 시스템을 도입한 이후 오류율은 0.03%로 떨어졌다.
+====범죄수사====
+FBI는 John F. Kennedy 암살 사건시 찍은 수천장의 필름 프레임들에서 관련된 특징들을 강화 시키고 연구하는 데 영상처리 기술들을 사용하였다. 경찰에서서는 저화질의 지문 영상을 복구하는데 컴퓨터를 사용하고 있으며, 지문들은 영상 분석 시스템에 입력되어져 기존의 지문 데이터 베이스와 비교하는 데 사용될 수 있다. 지문 분석은 또한 제한 구역이나 컴퓨터 시스템에 접근할 권한이 없는 사람에 대한 출입을 방지하기 위한 보안 시스템으로 사용될 수 있다. 경찰에서는 또한 영상 편집 소프트웨어를 사용하여 범인들의 머리카락의 색을 바꾸거나 머리의 길이를 바꾸고, 수염을 첨가하여 얼굴 영상을 변화시킬 수 있다.
+=====개념=====
+====시각====
+우리가 컬러 영상정보를 인지하는 방법은 세 가지 지각 변수로 분류되는데 색상(hue), 채조(saturation), 명도(brightness)가 그것이다. 우리가 컬러라는 단어를 사용할 때, 보통 색상을 말하는 것이다. 색상은 녹색이나 노랑색과 같이 색깔들을 식별해 준다. 색상은 다양한 파장이 우리에게 쬐어짐으로써 받아들여지는 컬러에 대한 느낌이다. 430과 480 나노미터 사이의 파장 중에서 가장 느낌이 강력한 것은 청색이다. 노랑색은 570에서 600 나노미터의 범위에 걸쳐 있으며 610 나노미터 이상의 파장은 적색으로 분류된다. 흑색, 회색, 그리고 흰색은 색깔을 가진다고는 하지만 색상은 없다.
+===채도===
+백색으로 희석되지 않은 색깔의 정도를 말한다. 순수한 색상에 첨가되는 자연 색깔의 양이 증가할수록 채도는 증가한다. 채도는 흔히 색깔이 얼나나 순수한가를 의미하기도 한다. 채도가 약한 색깔은 색이 바래거나 희미해져 보이며, 채도가 강한 색깔은 뚜렷하고 활기가 넘쳐 보인다. 붉은색은 채도가 가장 높은 색인 반면, 분홍색은 채도가 떨어지는 색이다. 순수한 색깔은 100%의 채도를 가지며 백색이 전혀 섞이지 않은 것이다. 흰빛과 순수한색깔은 혼합하여 0%에서 100%의 채도를 만든다.
+===명도===
+빛이 빛이 물체에 반사되어 느껴지는 강도이다. 이것은 백색에서부터 회색을 거쳐 흑색까지의 모든 범위를 의미한다. 그래서 흔히 이러한 범위를 명암도(gray level)라고 한다. 유사한 용어로 CRT와 같은 스스로 빛을 내는 물체의 감지 강도를 의미하는 명도(brightness)가 있다. 감지되는 양을 나타내는 명도와 측정에 의해 구해지는 양인 명도는 대수적인 관계가 있다.
+===대비===
+(contrast)
+영상의 가장 어두운 영역으로부터 가장 밝은 영역의 범위 이다. 높은 대비를 가지는 영상들은 어두운 영역과 밝은 영역의 범위가 크다. 좋은 대비를 가진 영상이 광도를 전적으로 잘 표현한다.
+영상의 대비가 증가하면, 관찰자는 더욱 상세하게 볼 수 있다. 이것은 영상에서의 정보의 총량은 전혀 증가하지 않는 순수한 지각 작용이다. 우리의 지각 작용은 순수한 광도의 강도에 민감하기 보다는 광도의 대비에 더 민감하다.
+=====색상=====
+컬러 모형(또는 컬러 공간)은 어떤 컬러와 다른 컬러들과의 관계를 표현하는 방법이다. 서로 다른 영상처리 시스템은 각각의 다른 이유로 인해 서로 다른 컬러 모형을 사용한다. 컬러로 된 그림을 출판하는 기업은 CMY 컬러 모형을 사용한다. 컬러 CRT 모니터와 컴퓨터 그래픽 시스템들은 RGB 컬러 모형을 사용한다. 색상, 채도, 명도를 각각 다루어야 하는 시스템들은 HSI컬러 모형을 사용한다.
+인간의 컬러 지각 능력은 세 가지 cone들의 반응에 의해 결정된다. 이 때문에 컬러 시스템들은 세 개의 숫자를 기반으로 한다. 이 숫자들은 삼중 자극(tristimulus)값이라고 부른다. 여기서 우리는 RGB, CMY, HSI, YCbCr 컬러 모형을 살펴볼 것이다
+====RGB====
+RGB 컬러 공간은 서로 가산될 수 있는 삼원색인 빨강(red), 초록(green), 그리고 파랑(blue)으로 구성된다. 이들 컬러의 분광 요소들이 부가적으로 복합되어 결과적인 컬러를 만들어 낸다.
+RGB 모형은  각 축의 모서리가 빨강, 초록, 그리고 파랑인 3차원 입방체로 표현된다. 검정색은 원점이다. 흰색은 입방체의 반대 끝쪽이다. 명암도는 검정색에서 흰색으로 이어지는 선을 따라서 표현된다. 컬러 채널당 8비트를 가지는 24비트 컬러 그래픽 시스템에서 빨강색은 (255,0,0)이다.컬러 입방체 상에서는 (1,0,0)이다.
+ RGB 모형은 컴퓨터 그래픽 시스템의 설계를 간단히 하지만, 모든 어플리케이션에 이상적이지는 않다. 빨강, 초록, 파랑의 컬러 요소들은 상호관계가 너무 크다. 이러한 점 때문에 몇몇 영상처리 알고리즘들을 돌리기에는 어렵다. 히스토그램 평활화와 같은 많은 영상 처리 기술들은 영상의 명암도 요소만으로 진행된다. 이러한 처리들은 HSI 컬러 모형을 사용하는 것이 구현하기가 더 쉽다.   RGB 영상은 명암도 영상으로 자주 변환되어야 할 필요가 있는데 이것은 아마도 흑백 프린터에 하드카피(hardcopy)하려는 목적일 것이다. 영상을 RGB 컬러에서 명암도 등급으로 변환하기 위해서는 다음과 같은 수식을 사용한다.
+    명암도 = 0.288R + 0.587G + 0.114B
+이 수식은 명도에 대한 NTSC 표준에서 나온 것이다.
+RGB 컬러를 명암도 등급으로 변환하는 또 하나의 일반적인 변환은 간단하게 평균을 취하는 것이다.
+   명암도 = 0.333R + 0.333G + 0.333B
+이 수식이 대부분의 어플리케이션에서 사용된다. 뒤에서 살펴 보겠지만 이 수식은 또한 RGB에서 HSI 컬러 공간으로의 변환에도 사용되어진다.
+초록은 명암도 등급중에서 상당히 큰 요소이기 때문에, 많은 사람들이 초록 명암만을 명암도 단계 데이터로 사용한다. 컬러를 흑백으로 더욱 간소하게 변환하기 위해, 정규화된 값이 0.5보다 작은 것은 검정색으로 그리고 나머지는 흰색으로 설정할 수 있다. 이러한 방법은 간단하지만 좋은 품질의 결과를 만들지는 못한다.
+많은 사람들은 RGB 컬러 공간에서 어떻게 원색들이가산되어 혼합되는지 알지 못한다. 아이들은 빨강과 초록을 혼합하면 갈색(brown)이 된다고 생각한다. RGB 컬러 공간에서 빨강과 초록을 합하면 노랑색이 된다. 예술적인 경향이 있는 사람은 감산할 수 있는 원색들의 혼합으로부터 원하는 컬러를 만들어 내는 데 익숙한 사람이다. CMY 컬러 공간은 감산에 의한 컬러들에 대한 모형을 제공한다.
+====CMY/CMYK====
+CMY 컬러 공간은 청록색(cyan), 자홍색(magenta), 그리고 노랑색(yellow)으로 구성된다. 이것은 RGB 컬러 공간과 반대의 공간이며 청록색, 자홍, 노랑은 빨강, 초록, 파랑 각각의 보색(complement)이다. 청록, 자홍, 노랑은 감할 수 있는 원색으로 알려져 있다. 이 원색들은 흰색으로부터 감산되어 원하는 색깔이 만들어진다. 청록색은 빨강색을 흡수하고, 자홍색은 초록색을, 그리고 노랑색은 파랑색을 흡수한 것이다. 그래서 영상에서 노랑색과 청록색을 증가시키거나 자홍색(초록의 보색)을 감소시켜 청록색을 증가시킨다.
+RGB와 CMY가 보색의 관계에 있기 때문에 두 공간 사이의 변환은 쉽다. RGB에서 CMY로 변환하기 위해서는 다음 식과 같이 흰색에 대한 보수를 취한다.
+        C = 1.0 - R
+        M = 1.0 - G
+        Y = 1.0 - B
+ 다음은 CMY에서 RGB로 변환하는 경우이다.
+     R = 1.0 - C
+     G = 1.0 - M
+     B = 1.0 - Y
+여기서 이 수식과 컬러 공간들은 평준화되어 있다고 가정한다. 모든 값들은 0.0과 1.0 사이의 값이다. 24 비트 컬러 시스템에서 청록색은 255 - 빨강색 [그림 4] 과 같다. 프린트 업체에서 이 모형에 네 번째 컬러를 추가하였다.
+청록, 자홍, 노랑의 세 가지  컬러에 검정색을 더한 색깔이 처리될 수 있는 컬러로 알려져 있다. 이러한 컬러 모형을 CMYK라고 부른다. 검정(black, K)은 다른 세가지 컬러들의 조합에 의해 만들어 지는 것보다 순수한 검정색이 더욱 좋기 때문에 프린트 처리를할때 독자적으로 사용된다. 순수한 검정색은 뛰어난 대비를 제공한다. 또한 검정 잉크가 컬러 잉크보다 더 비용이 적게 드는 요인도 있다. CMY에서 CMYK로 변환은 다음과 같다.
+     K = min(C, M, Y)
+     C = C - K
+     M = M - K
+     Y = Y - K
+ 그리고 CMYK에서 CMY로의 변환은 C, M, Y 요소에 각각 검은 요소를 더해 주면 된다.
+==== HSI ====
+ 색상, 채도 그리고 명도라는 세 가지 특성들이 컬러를 설명하는 데 사용되기 때문에, 이와 대응되는 컬러 모델을 HSI라고 한다.
+ HSI 컬러 공간을 사용할 때, 어떤 컬러를 만들어 내기 위해서 몇 퍼센트의 파랑색이나 녹색이 필요한지 알 필요가 없다. 진한 빨강색을 분홍색으로 바꾸기 위해 단순히 채도를 조절하면 된다. 어두운 것을 밝게 하려면 명도를 조절하면 된다.
+많은 어플리케이션이 HSI 컬러 모형을 사용한다. 머신 비젼은 서로 다른 물체들의 컬러를 식별하는 데 HSI 컬러 공간을 사용한다. 히스토그램 연산, 명도 변환, 회선과 같은 영상처리 어플리케이션들은 오직 영상의 명도에 대해서만 연산을 한다. 이러한 연산들은 영상이 HSI 컬러 공간으로 되어 있는 것일수록 다루기가 더욱 쉽다.
+HSI는 원통 모양의 좌표계로 모형화 되어 있다
+색상은 0°에서 360°의 범위를 가진 각도로 표현된다. 채도는 0에서 1까지의 범위를 가지는 반지름에 해당한다. 명도는 z 축에 해당하는데 0일 때는 검정색을, 1일 때는 흰색을 나타낸다.
+S=0일 때, 컬러는 명도 I의 명암도를 가진다. S=1일 때, 그 컬러는 원뿔 기반의 모형 꼭대기 가장자리에 위치한다. 채도가 강할수록 그 컬러는 (명도에 따라서) 흰색/회색/검정색이 된다.
+색상의 조절은 각도에 따라 0°에서는 빨강색, 120°에서는 녹색, 240°에서는 파랑색, 그리고 360°에서는 다시 빨강색으로 변한다. I=0일 때, 컬러는 검정색이어서 H는 정의 되지 않는다. S=0일 때, 컬러는 명암도 등급이 된다. H는 이러한 경우에도 정의되지 않는다.
+ I를 조절함으로써, 컬러는 어둡게 또는 밝게될 수 있다.S=1로 유지하고 I를 조절하면, 그 컬러의 농도를 변화시킬 수 있다.
+다음 수식은 RGB 공간에서 HSI로 어떻게 변환하는가를 보여준다.
+ 만일 B가 G보다 크다면, H=360° - H(Down C Source)가 된다.
+ HSI에서 RGB로 변환(Down C Source)하기 위한 처리는 컬러 영역이 어디에 존재하는가에 의존한다. RG영역(0° <= H <= 120°)에 대하여,
+GB 영역(120° <= H <= 240°)에 대하여,
+BR 영역(240° <= H <= 360°)에 대하여,
+r, g, b 값들은 R, G, B의 값으로 정규화 된다. 다음과 같이 R, G, B 값으로 변환된다.
+    R = 3Ir G = 3Ig B = 3Ib
+이 수식은 모든 각도에 대하여 고려된다는 점에 주의하여야 한다. C에서 삼각함수를 사용하려면, 각도들을 호도(radian)로 변환하여야 한다.
+====YCbCr ====
+YCbCr은 컬러 정보로부터 광도를 분리하는 또 하나의 컬러 공간이다. 광도는 Y로 기호화되고 푸른 정보와 붉은 정보는 CbCr로 기호화 된다. RGB에서 YCbCr로 변환하는 것은 매우 쉽다.
+      Y = 0.29900R + 0.58700G + 0.11400B
+    Cb = -0.16874R - 0.33126G + 0.50000B
+     Cr = 0.50000R - 0.41869G - 0.08131B
+반대로 RGB로의 면환은 다음과 같다.
+    R = 1.00000Y + 1.40200Cr
+   G = 1.00000Y - 0.34414Cb - 0.71414Cr
+   B = 1.00000Y + 1.77200Cb
+YCbCr와 RGB를 서로 변환하는 방법은 여러 가지가 있다. 이것은 CCIR(International Radio Consultive Commitee)의 권고안 601-I이며, JPEG압축에서 사용되는 전형적인 방법이다.
+=====용어  =====
+===Achromatic ===
 색상이 없음. 색상이 없다는 것은 검정색에서 흰색의 범위에 해당하는 회색을 의미한다.
 ===적응적 알고리즘(Adaptive algorithm)===
@@ 줄 22: / 줄 257: @@
 ===영역 처리(Area process)===
  하나의 화소를 그 화소와 인접 화소들의 값들에 따라 변경하는 영상처리.
-====Aspect ratio ====
+===Aspect ratio ===
 영상의 가로와 세로의 크기 비율. 텔레비젼의 경우 4:3이다.
 ===배럴 왜곡(Barrel distortion)===
@@ 줄 45: / 줄 280: @@
 ===Charg coupled device(CCD)===
  CCD는 영상을 획득하기 위해 사용되는 빛의 센서이다. 대부분의 캠코더들이 CCD의 기반이다.
-====CCIR ====
+===CCIR ===
 국제 라디오 자문 회의.
-====CCIR recommandation 601-1A====
+===CCIR recommandation 601-1A===
  NTSC와 PAL을 모두 지원하기 위해 정의된 컬러 비디오 표준.
-====CCITT ====
+===CCITT ===
 표준을 설정한는 국제 표준의 약자. 본 명칭은 International Telephone and Telegraph Consultative Committee이다.
-====CT ====
+===CT ===
 컴퓨터 단층 촬영. X-선을 이용한 영상 획득 시스템. 전형적으로 골격 영상을 얻기위해 사용된다.
 ===체크섬(Checksum)===
@@ 줄 57: / 줄 292: @@
 ===색상(Chrominance)===
  하나의 색상과 같은 밝기값을 가지는 기준의 흰색사이의 차이.
-====CMY ====
+===CMY ===
 Cyan, Magenta, Yellow의 기본 값들로 구성된 차분 색상 공간. 이것은 RGB 컬러 공간의 반대이다.
-====CMYK ====
+===CMYK ===
 출력 산업에서 기본적으로 사용되는 차분 컬러 공간. CYMK는 Cyan, Magenta, Yellow, blacK을 대표한다. 대부분의 출력 장치들은 부가색상 공간을 사용한다. CYMK는 Cyan, Magenta, Yellow, blacK 색소를 적용함으로써 흰색 표면으로부터 색상을 제거해 만들어진다는 의미에서 차분이다.
 ===코드북(Codebook)===
@@ 줄 95: / 줄 330: @@
 ===회선 마스크(Convolution mask)===
  회선 계수들의 배열, 회선 커널이라고도 불린다.
-====Cornea ====
+===Cornea ===
 눈의 동공과 홍채를 감싸고 있는 투명한 외피막
-====Cross dissolve ====
+===Cross dissolve ===
 화소 대 화소의 보간을 통해 한 영상을 다른 영상에 혼합시키는 기술
 ===Cyclic Redundancy Check(CRC)===
@@ 줄 136: / 줄 371: @@
 ===FIR(Finite impulse response filter)===
  출력이 현재의 입력과 이전 입력에 의존적인 비재귀적 디지털 필터.
-====Fovea ====
+===Fovea ===
 망막에서 cone들이 집중해 있는 작은 타원형의 파인 곳
 ===퓨리어 변환(Fourier Transform)===
@@ 줄 172: / 줄 407: @@
 ===히스토그램 평활화(Histogram equalization)===
  전체의 가능한 영역을 모두 채우기 위해 영상의 화소값들을 균일하게 분산시키는 기술.
-====HSI ====
+===HSI ===
 또 다른 색상 공간. 이것은 색상, 채도, 밝기를 나타낸다. HSI 색상 공간은 원통 좌표계에 기반을 두고 있다. 밝기는 수직축인 Z축을 따라 증가한다. 색상은 각도이고 채도는 반지름이다.
-====Hue ====
+===Hue ===
 주로 색상으로 참조되는 값. 기술적으로 hue는 색상의 파장에 대응된다.
 ===허프만 코딩(Huffman coding)===
@@ 줄 196: / 줄 431: @@
 ===Joint Picture Experts Group(JPEG)===
  JPEG는 이 그룹에서 개발된 영상 압축 표준안으로 일반적으로 알려져 있다. 이러한 형태의 영상압축은 응용에 따라 손실이 있을 수도 있고 손실이 없을 수도있다.
-====Jaggies ====
+===Jaggies ===
 영상에서 대각 윤곽선의 계단 형태. 이것은 에일리어싱의 결과이다
 ===밝기(Lightness)===
@@ 줄 245: / 줄 480: @@
 ===잡음(Noise)===
  디지털 시스템에서 디지타이징, 전송 또는 다른 처리를 하는 동안 발생하는 신호값의 무작위 변환
-====Nyquist criterion ====
+===Nyquist criterion ===
 신호가 최고 주파수의 두 배 이상의 비율로 샘플되어야 한다는 제안 사항. 영상 획득시 이러한 제한 사항이 지켜지지 않으면 에일리어싱이 발생한다.
 ===Optical character Recognition(OCR)===
@@ 줄 255: / 줄 490: @@
 ===팔레트(Palette)===
  실제 색상을 측정할 수 없는 시스템에서 전체 범위의 색상으로부터 선택된 색상의 집합. 컬러 맵의 룩업 테이블 부분이다.
-====Pel ====
+===Pel ===
 'Picture element'의 약자
 ===투시 변환(Perspective transform)===
@@ 줄 291: / 줄 526: @@
 ===망막(Retina)===
  빛의 처리를 담당하고 있는 눈 내부의 피막
-====RGB====
+===RGB===
  빨강 초록, 파랑으로 구성된 부가 색상 공간. 이 색상 모델은 대부분 컴퓨터 그래픽스 출력 하드웨어에 사용된다.
 ===간상체(Rods)===
  빛의 명암을 감지하는 눈의 감광장치
-====Run length encoding ====
+===Run length encoding ===
 간단한 비손실 자료 압축 알고리즘. 만약 255라는 같은 값을 가지는 50개의 화소가 연속적으로 나열되어 있으며, 이들 화소들은 50과 255의 두 숫자로 표현될 수 있다.
-====Salt and pepper noise ====
+===Salt and pepper noise ===
 영상의 최소값과 최대값으로 구성된 잡음
-====Sampling ====
+===Sampling ===
 아날로그 비디오 신호를 이산 화소들로 나누는 것. 이 처리의 원래의 저의는 양자화를 포함하지 않는다.
 ===채도, 포화(Saturation)===
  색상이 희색 빛으로부터 자유로운 것처럼 보이는 정도
-====Scaling ====
+===Scaling ===
-영상을 확대하거나 축소하는 기하학적 처리====
+영상을 확대하거나 축소하는 기하학적 처리===
 ===스캐너(Scanner)===
  영상을 읽고 디지털로 바꿔주는 장치
@@ 줄 325: / 줄 560: @@
 ===공간 영역(Spatial domain)===
  영상자료의 일반적 영역. 위치에 대한 밝기값
-====Tile ====
+===Tile ===
 비트 맵의 2차원 영역. JPEG 압축은 8*8 화소의 tile 연산을 수행한다.
 ===Tagged image file format(TIFF)===
@@ 줄 331: / 줄 566: @@
 ===이동(Translation)===
  영상이나 그 일부를 이동시키는 연산
-====Tristimulus values====
+===Tristimulus values===
  어떤 특정한 색상 공간에서 색상을 표현하기 위한 세 가지 숫자.
 ===실 색상(True color)===
@@ 줄 337: / 줄 572: @@
 ===정규 잡음(Uniform noise)===
  정규 히스토그램을 가지는 잡음
-====Unsharp masking ====
+===Unsharp masking ===
 영상을 날카롭게 하기 위해 원래 영상에서 흐린 영상을 빼는 기술
-====Unsampling ====
+===Unsampling ===
 이미 샘플된 영상의 샘플링 비율을 증가시키는 것. 이것은 스케이링 요소를 1보다 크게 함으로써 가능하다.
 ===벡터 그래픽스(Vector graphics)===
@@ 줄 355: / 줄 590: @@
 ===윈도우 함수(Windowing function)===
  퓨리어 변환을 적용하기 전에 영상에 적용되는 함수. 퓨리어 변환에서 주기적인 함수를 해석할 때 발생하는 영상 경계선의 불연속성을 감소시키기 위해 사용된다.
-====YIQ ====
+===YIQ ===
 북미 NTSC broadcast television에 사용되는 색상 모델. Y는 밝기값을, I와 Q는 색상을 나타낸다.
-====YUV ====
+===YUV ===
 유럽 PAL broadcast television에 사용되는 색상 모델. Y는 밝기값을, U와 V는 색상을 나타낸다.
 ===확대(Zoom)===
  영상이나 그 일부분을 확대하는 작업