이미지 데이터 특성

일반 형태 데이터

• 2D, 즉 2차원으로 표현되는 데이터 형태
• 일반적으로 행(Row)은 해당 데이터의 Record가 담겨있고, 열(Column)에는 해당 Record의 특성(Feature)이 담겨있음

이미지 형태 데이터

• 3D, 즉 3차원으로 표현되는 데이터 형태
• 행, 열은 각각 x 축과 y축에서의 픽셀 위치를 나타내고 새로 추가된 z 축은 보통 RGB 등의 색상 등의 정보를 나타냄

Color Histogram

<aside> 📖

color histogram은 이미지 안에 있는 색들이 얼마나, 어떻게 분포해 있는지를 막대그래프로 표현한 것을 말한다.

• 이미지를 픽셀 단위로 보고, 각 픽셀의 색 값(예: RGB)을 일정 구간(bin)으로 나눠서 세어 만든 빈도 분포
  • 가로(x)축: 색상 값 또는 색상 강도 구간(예: 0–255 밝기, 혹은 특정 색상 범위)
  • 세로(y)축: 그 구간에 속하는 픽셀 개수 </aside>

장•단점

실습 1 - Color Histogram 확인

실습 2 - Color Histogram을 통한 이미지 검색

<aside> 📄

정리

Color Histogram은 실습에 확인 했듯이 단점이 많고 실용성이 떨어진다.

그럼에도 불구하고 사용성이 아에 없지는 않다.

• 신경망을 활용한 계산이 아닌 단순 코사인 유사도 계산을 진행하기 떄문에 적은 비용으로 굉장히 빠르게 유사도 검색 수행 가능
  • color histogram 유사도 검색이 뒷단에 하나 더 추가된다 해도 컴퓨팅 자원 측면에서 큰 비용이 들지 않는다.
• 의미 기반 검색 이후 비슷한 모양, 질감을 가진 사진들 중에서도 색감적 유사도를 강조하려는 경우에 활용 가능
  1. sementic 기반 유사도 검색 진행
  2. 해당 결과를 토대로 color profile을 비교하는 부수적인 장치로써 활용 </aside>