Abstract
To reduce the effect of color distortions on reading colors, it is more desirable to statistically process as many pixels in the individual color region as possible. This process may require segmentation, which usually requires edge detection. However, edges in color codes can be disconnected due to various distortions such as dark current, color cross, zipper effect, shade and reflection, to name a few. Edge linking is also a difficult process. In this paper, k-means clustering was performed on the images where edge detectors failed segmentation. Experiments were conducted on 311 images taken in different environments with different cameras. The primary and secondary colors were randomly selected for each color code region. While segmentation rate by edge detectors was 89.4%, the proposed method increased it to 99.4%. Color recognition was performed based on hue, a*, and b* components, with the accuracy of 100% for the successfully segmented cases.
칼라 식별에 대한 칼라 왜곡 영향을 줄이려면 각 칼라 영역에서 가능한 한 많은 화소를 통계적으로 처리하는 게 바람직하다 여기에는 영역 분할이 필요하며, 따라서 일반적으로 에지 검출이 필요하다. 그러나, 칼라 코드의 에지들은 암전류, 색 간섭, 지퍼 효과, 반사, 그늘 등의 수많은 왜곡에 의해 끊기기 때문에 흔히 영역 분할이 불완전하게 되며, 그에 대한 에지 연결 작업도 쉽지가 않다. 이 논문에서는 에지 검출로 영역 분할을 할 수 없는 영상들에 대해 k-평균 클러스터링을 수행한다. 서로 다른 카메라로 서로 다른 환경에서 촬영된 311개의 영상에 대해 실험을 수행하였다. 일차 및 이차 칼라들 중에서 랜덤하게 선택해서 각 칼라 코드 영역에 사용하였다. 두 가지 에지 검출기들에 의한 영역 분할률은 89.4%였으며, 제안된 방법은 이를 99.4%로 증가시켰다. 칼라 인식은 hue, a*, b*의 세 성분들에 기반해서 수행되었으며, 성공적 영역 분할 경우들에 대해 100%의 정확도를 보였다.