[영상분석과패턴인식] 수업 요약
created: 2026-04-02
last modified: 2026-04-02
이미지 파일은 메모리에 어떻게 저장될까? 그 구조를 잠깐 생각해본다.
이미지를 계속 확대해 보면, 하나의 색이 하나의 pixel에 저장된다.
그리고 그 하나의 색은 하나 이상의 channel의 정보가 합쳐져서 나타난다.
일반적으로 하나의 채널 값은 0~255 범위의 값을 가지며, unsigned char (1 byte)의 형태로 저장된다.
1. Color Image
이미지는 색상을 나타낼 때, 다양한 방법으로 나타낸다.
1.1. grayscale
회색조.
1개의 channel만으로 이루어졌다.
따라서 0~255의 값만으로 표현되며, 검정(0)~회색~흰색(255) 까지만 표현할 수 있다.
1.2. RGB (BGR)
가장 흔한 방법이다.
Red, Green, Blue. 3개의 channel을 가진다.
channel 당 1 byte씩, 따라서 pixel당 3 byte씩을 가진다.
openCV같은 라이브러리에서는 channel을 BGR 순서로 저장하는 경우도 많다.
pixel 정보를
{b0, g0, r0, b1, g1, r1, ..., bn, gn, rn}
와 같이 한 픽셀의 b, g, r를 묶어서 저장할 수도 있고,
{b0, b1, ..., g0, g1, ..., b0, b1, ...}
와 같이 채널별로 묶어서 저장할 수도 있다.
1.3. CMY (CMYK)
RGB 대신에 Cyan, Magenta, Yellow로 나타낸다.
Cyan = Green + Blue
Magenta = Red + Blue
Yellow = Red + Green

프린터 같이 빛을 빼서 색을 나타내야 하는 경우에 많이 쓰인다.
(종이는 흰색이라 모든 빛을 반사한다. 그렇기 때문에 Cyan - Red 흡수 / Magenta - Green 흡수 / Yellow - Blue 흡수
의 원리를 이용해서 색을 표현한다.)
1.4. YCbCr (YUV)
YCbCr은 이미지 압축을 위해 만들어진 방법이다.
인간의 눈이 밝기(Luminance)에는 특히 민감하지만, 색의 미세한 차이에는 덜 민감한 것을 이용한다.
Y(Luminance : 밝기)는 그대로 유지한 상태에서 Cb(Blue와 다른 색의 색차)와 Cr(Red와 다른 색의 색차) 정보를 압축한다.
RGB와의 변환 공식은 다양하지만, 하나를 예시로 들면 아래와 같다.

Cb의 Blue, Cr의 Red의 계수는 +0.5이고, 나머지는 -이다.
Y. Cb, Cr의 계수들의 절댓값을 합하면 1이 된다.
1.4.1 YUV의 압축 방식
- YUV444
Y, U, V를 4:4:4로 동일하게 저장한다는 뜻. Y가 1byte면, pixel별로 3 byte에 저장된다.
메모리에는 n=i 번째 pixel에 대해, {y0, u0, v0, y1, u1, v1, ..., yn, un, vn} 순서로 저장된다.
6x6 pixel의 이미지가 있다고 가정하면 아래와 같다.

- YUV422
Y, U, V를 4:2:2 비율로 메모리를 할당해서 저장해준다는 뜻. U와 V는 2 픽셀당 1개의 값을 공유한다.(압축된다.)
가장 대표적인 UYVY 방식의 경우에는 메모리에 {u0, y0, v0, y1, ...} 순서로 저장된다.

- YUV420
U와 V는 4픽셀당 1개의 값을 공유하므로, 1/4로 압축된다.
가장 대표적인 NV12 방식의 경우에는 메모리에 { y0, y1, ..., yn, u0, v0, u1, v1, ..., }의 순서로 저장된다.

1.5. HSV
HSV는 사람이 색을 설명하는 방식으로 색을 표현한 것이다.
Hue : (색조): 빨주노초파남보 이런 색에서 어떤 색에 가깝다.
Saturation : (채도) : 색이 선명하다↔회색에 가깝다.
Value : (밝기) : 색이 밝다 ↔어둡다.

'Domain Knowledge > Computer Vision' 카테고리의 다른 글
| [paper] RandLa-Net (2019/11) (0) | 2026.04.26 |
|---|---|
| [paper] KPConv (Kernel Point Convolution) (2019) (0) | 2026.04.25 |
| [paper] DGCNN (Dynamic Graph CNN) (2018/01) (0) | 2026.04.25 |
| [3] Convolution Filter (0) | 2026.04.02 |
| [2] Image Transformation (0) | 2026.03.17 |