색상 감지가 RGB 및 HSV 색상 공간을 사용하여 컴퓨터 비전 솔루션을 자동화함으로써 인간과 컴퓨터 비전을 어떻게 연결하는지 살펴보세요.
YOLO Vision 2025를 놓치지 마세요!
2025년 9월 25일
10:00 — 18:00 BST
하이브리드 이벤트
색상 감지가 RGB 및 HSV 색상 공간을 사용하여 컴퓨터 비전 솔루션을 자동화함으로써 인간과 컴퓨터 비전을 어떻게 연결하는지 살펴보세요.
색상은 인간이 세상을 경험하는 방식에서 중요한 역할을 하며, 우리가 주변 환경을 인식하고 이해하며 연결하는 데 도움을 줍니다. 그러나 우리와 달리 기계는 색상을 보지 않고 음영과 색조를 숫자 값으로 변환하여 데이터로 처리합니다.
자율 주행 자동차는 단순히 빨간색 신호등을 보는 것이 아니라, 정지 신호로 색상을 처리합니다. 색상을 인식하고 해석하는 이러한 능력은 인간의 시각과 컴퓨터 비전 사이의 간극을 좁히는 데 도움이 됩니다.
컴퓨터 비전은 기계가 시각 데이터를 분석하고 이해할 수 있도록 하는 AI의 한 분야입니다. 여기서 핵심적인 부분은 색상 감지로, 기계가 색상에 따라 객체를 식별하고 구별할 수 있게 해줍니다. 다양한 색 공간에서 픽셀 값을 분석하여 객체 추적, 의료 영상, 자동화와 같은 애플리케이션에 색상 감지를 사용할 수 있습니다.
본 문서에서는 색상 감지가 어떻게 작동하는지, 왜 중요한지, 그리고 컴퓨터 비전 애플리케이션에서 어떻게 사용되는지 자세히 살펴보겠습니다. 그럼 시작해 볼까요!
색상 감지는 기계가 색상을 기반으로 객체를 식별하고 장면을 이해하도록 돕습니다. 다른 컴퓨터 비전 작업과 결합하면 정확도가 향상되고 실제 응용 프로그램이 개선됩니다. 색상 감지 작동 방식을 자세히 알아보기 전에 색상이 디지털 방식으로 표현되는 방식을 이해하는 것이 좋습니다.
디지털 이미지는 색상 정보를 담고 있는 작은 사각형인 픽셀로 구성됩니다. 예를 들어 RGB(빨강, 초록, 파랑) 색상 모델의 경우 빨강, 초록, 파랑의 다양한 강도를 혼합하여 색상을 만듭니다.
각 색상은 0에서 255 사이의 세 가지 값으로 정의되며, 0은 색상이 없음을 의미하고 255는 최대 강도를 의미합니다. 예를 들어 순수한 빨간색은 빨간색 값이 가장 높고 녹색 또는 파란색이 없기 때문에 (255, 0, 0)입니다. 흰색은 세 가지 색상이 모두 최대 강도에 있기 때문에 (255, 255, 255)입니다.
Ultralytics YOLO11과 같은 컴퓨터 비전 모델에 익숙하다면 색상 감지가 객체 감지와 별도의 기술인 이유가 궁금할 수 있습니다. 둘 다 이미지를 분석하지만 서로 다른 목적을 수행합니다.
색상 감지는 이미지에서 특정 색상을 식별하는 데 중점을 두는 반면, 객체 감지는 색상에 관계없이 객체를 인식하고 분류합니다. 자율 주행차 시나리오에서 색상 감지는 교통 신호등의 빨간색을 감지하고, 객체 감지는 교통 신호등 자체를 식별하여 차량이 안전한 운전 결정을 내리도록 돕습니다.
색상 모델 또는 색 공간은 디지털 이미지에서 색상을 표현하는 데 사용되는 시스템이며 색상 감지의 중요한 부분입니다. 색상에 숫자 값을 할당하여 컴퓨터가 서로 다른 장치에서 일관되게 색상을 해석할 수 있도록 합니다. 색 공간은 디지털 시스템에서 색상을 저장, 조정 및 표시하는 구조화된 방법을 제공합니다.
일반적으로 사용되는 색 공간에는 디지털 디스플레이용 RGB, 이미지 처리용 HSV(색상, 채도, 값) 및 인쇄용 CMYK(청록, 마젠타, 노랑, 검정)가 있습니다. RGB와 HSV는 색상을 감지하는 데 가장 자주 사용되는 색 공간입니다. 작동 방식을 자세히 살펴보겠습니다.
RGB 색 공간은 화면, 카메라, 디스플레이 장치에서 볼 수 있듯이 디지털 이미징에 널리 사용됩니다. 다양한 수준의 빨간색, 녹색 및 파란색 빛을 결합하여 다양한 색상을 만듭니다. 세 가지 색상이 모두 최대 강도일 때 결과는 흰색이고, 아무것도 없으면 검은색으로 나타납니다.
이 색 공간은 종종 색상 큐브로 시각화되며, 각 축은 기본 색상 중 하나를 나타냅니다. 큐브의 모서리는 순수한 빨강, 녹색 및 파랑과 그 조합을 보여주고 내부는 가능한 모든 음영을 담고 있습니다.
RGB는 간단하고 널리 사용되지만 몇 가지 제한 사항이 있습니다. RGB는 우리가 색상 차이를 인식하는 방식과 균등하게 일치하지 않기 때문에 색상이 항상 사람의 눈에 똑같이 보이지 않을 수 있습니다. 또한 조명 조건에 영향을 받으므로 밝기와 환경에 따라 색상이 다르게 보일 수 있습니다.
HSV(색상, 채도, 명도) 색 공간은 색상 유형(색상), 강도(채도) 및 밝기(명도)의 세 가지 구성 요소를 기반으로 색상을 나타냅니다. 빛의 강도를 혼합하는 RGB와 달리 HSV는 인간이 색상을 인식하는 방식에 더 가깝기 때문에 많은 이미지 처리 작업에 더 실용적인 선택입니다.
특히 색조는 실제 색상을 나타내며 색상환에서 각도로 측정되며 빨간색은 0°이고 파란색은 240°입니다. 한편 채도는 색상이 얼마나 선명하거나 흐릿하게 보이는지 제어하며 0%는 완전히 회색이고 100%는 완전히 생생합니다. 반면에 값은 밝기를 결정하며 0%(검은색)에서 100%(최대 밝기)까지 다양합니다.
흥미롭게도, HSV 색 공간은 종종 원뿔로 시각화되는데, 여기서 색상은 가장자리를 감싸고 채도는 바깥쪽으로 이동하며 밝기는 아래에서 위로 증가합니다. HSV는 색상을 밝기와 분리하므로 컴퓨터 비전 애플리케이션에서 널리 사용됩니다.
RGB와 HSV를 나란히 비교하기 위해 주황색을 예로 들어 보겠습니다. RGB 색 공간에서 주황색은 특정 강도로 빨간색과 녹색을 혼합하여 생성되며 일반적으로 (255, 165, 0)으로 표시됩니다. 이는 빨간색은 최대로, 녹색은 일부, 파란색은 없음을 의미합니다. 그러나 RGB는 색상을 밝기와 분리하지 않기 때문에 정확한 색상 조작이 필요한 작업에는 직관적이지 않을 수 있습니다.
HSV에서 주황색은 다르게 정의됩니다. 색상은 색상환에서 위치를 결정하는 약 30°입니다. 채도는 100%에 가까워 생생하고 순수한 색상이며, 값도 100%로 완전한 밝기를 나타냅니다. HSV는 색상을 밝기와 분리하므로 조명 조건이 변할 수 있는 색상 감지 애플리케이션에서 더 유용한 경우가 많습니다.
일반적으로 색상 감지는 이미지 또는 비디오에서 색상을 식별하고 분리하는 데 사용되는 이미지 처리 기술로 접근합니다. 이미지 처리를 사용하여 이미지에서 감지된 색상은 색 공간 및 임계값 기술을 사용하여 특정 색조, 음영 및 강도를 구별합니다.
다음은 이미지 처리를 사용한 색상 감지 관련 주요 단계에 대한 간략한 개요입니다.
일단 색상이 감지되고 분리되면 로봇 공학, 의료 영상 및 자율 주행 차량과 같은 애플리케이션에서 객체 추적, 이미지 분할 및 자동화된 의사 결정과 같은 다양한 컴퓨터 비전 작업에 사용할 수 있습니다.
이제 색상 감지가 작동하는 방식을 배웠으니, 컴퓨터 비전 응용 프로그램을 어떻게 지원하는지 살펴보겠습니다.
특정 경우에는 색상 감지가 컴퓨터 비전 모델의 더 간단한 대안이 될 수 있습니다. 특히 색상이 객체를 구별하는 주요 요인인 통제된 환경에서 더욱 그렇습니다. 방대한 데이터 세트로 모델을 학습시키는 대신, 색상 감지는 광범위한 레이블링이나 높은 컴퓨팅 성능 없이도 빠르고 효율적인 솔루션을 제공합니다.
예를 들어, 자동화된 사과 선별 시스템에서 YOLO11과 같은 컴퓨터 비전 모델은 숙성도에 따라 사과를 분류하도록 훈련될 수 있지만, 조명, 질감 및 사과 종류의 변화를 처리하려면 레이블이 지정된 이미지 데이터 세트가 필요합니다.
보다 간단한 접근 방식은 객체 감지를 사용하여 먼저 사과를 감지한 다음 색상을 분석하여 숙성도를 결정하는 것입니다. 이 방법은 모델 훈련 대신 미리 정의된 색상 임계값에 의존하므로 조명 및 배경이 크게 변하지 않는 안정적인 조건에서 잘 작동합니다.
사용자 정의 학습 모델이 더 복잡하고 다양한 환경에 더 적합할 수 있지만, 색상 감지는 실시간 애플리케이션을 위한 빠르고 실용적이며 접근 가능한 솔루션입니다. 또한 이미지 처리 및 컴퓨터 비전에 대해 배우고 더 고급 솔루션으로 넘어가기 전에 시작하기에 좋은 출발점입니다.
색상 감지는 다양한 응용 분야를 위해 광범위한 산업 분야에서 사용됩니다. 몇 가지 실제 사용 사례를 살펴보겠습니다.
색상 감지는 직물 및 섬유 생산에서 매우 중요합니다. 자동화된 품질 관리 및 결함 식별 시스템에서 일반적으로 사용됩니다. 시간이 많이 걸리고 인적 오류가 발생하기 쉬운 수동 검사와 달리 자동화된 시스템은 정확하고 실시간 결함 감지를 제공합니다.
특히, 직물 이미지를 분석하여 컴퓨터 비전 시스템은 고르지 않은 염료 분포, 퇴색 및 오염과 같은 결함을 식별할 수 있습니다. 고급 색상 감지 기술은 다양한 배치에서 색상 일관성을 측정하여 보다 정확한 품질 관리를 가능하게 합니다.
앞서 언급했듯이 색상은 숙성도를 나타내는 핵심 지표이며, 색상 감지 기술은 농업에서 작물 건강을 모니터링하고 수확을 개선하는 데 사용될 수 있습니다.
농부들은 색상 변화를 분석하여 식물 건강을 평가하고, 질병을 감지하고, 수확 시기를 결정할 수 있습니다. 색상 센서와 컴퓨터 비전이 장착된 고급 로봇은 잘 익은 작물만 수확하도록 하여 프로세스를 자동화하는 데 도움이 됩니다. 이러한 시스템은 특히 노동력 부족 지역에서 효율성과 생산성을 높일 수 있습니다.
색상 감지는 농업, 제조, 의료 및 자동화 분야에 적용되는 혁신적인 컴퓨터 비전 기술입니다. 이는 기계가 객체 추적, 품질 관리 및 의사 결정을 위해 색상을 인식하고 해석하는 데 도움이 됩니다.
첨단 AI 모델이 계속 발전하고 있지만, 특히 통제된 환경에서는 색상 감지가 여전히 간단하고 효과적인 솔루션입니다. 기술이 발전함에 따라 실제 애플리케이션 개선에 계속해서 중요한 역할을 할 것입니다.
Ultralytics 커뮤니티 및 GitHub 저장소를 탐색하여 AI에 대해 더 자세히 알아보세요. 제조 분야의 AI 및 헬스케어 분야의 컴퓨터 비전 혁신에 대해 알아보고, 라이선스 옵션을 통해 Vision AI 활용을 시작하는 방법을 알아보세요.
