IX Congresso Norte Nordeste de Pesquisa e Inovação, 2014 1 UM MODELO SIMPLES E PARAMETRIZÁVEL PARA CLASSIFICAÇÃO DE CORES NO SISTEMA RGB
João Henrique Gonçalves Corrêa¹, George Ulisses Serpa Veja¹, Nailson dos Santos Cunha¹, Thiago Gouveia da Silva1 e Paulo Ditarso Maciel Jr1
¹ Unidade Acadêmica de Informática - Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB) – João Pessoa, PB – Brasil. E-mails: [email protected], [email protected], {thiago.gouveia,
paulo.maciel}@ifpb.edu.br;
RESUMO
O ser humano possui percepções de cores que podem ser relacionadas a sensações. Tal relação pode ser melhor compreendida através dos sistemas de representação de cores. Deste modo, este trabalho descreve uma proposta de modelo simples e parametrizável para classificação e/ou detecção de cores utilizando o sistema de representação RBG. O objetivo principal deste artigo é preparar um ambiente para futuros trabalhos envolvendo Visão Computacional e Inteligência Artificial, tais como detecção/reconhecimento facial e alertas automatizados de incêndios baseados em fotos de satélites. Sua organização se dá em seis seções: a primeira diz respeito a apresentação do tema e
organização do trabalho; a segunda apresenta o funcionamento do sistema de representação de cores; a terceira parte trata do estado da arte, onde são apresentados autores que corroboram com tais afirmações; a quarta sessão diz respeito a apresentação do modelo proposto e o quinto e ultimo tópico expõe os resultados da pesquisa, os quais foram satisfatórios ao conseguir detectar com relativa precisão as cores alvejadas.
PALAVRAS-CHAVE: cores, sistema de classificação, modelo RGB.
A SIMPLE MODEL FOR CLASSIFICATION AND PARAMETRIZABLE COLOR SYSTEM RGB ABSTRACT
The human being has perceptions of colors that can be related to sensations. This relation can be better understood through the systems of color representation. Therefore, this paper describes a proposal for simple and parameterized model for classification and / or color detection using the RBG representation system. The main objective of this article is to prepare an environment for future work involving Computer Vision and Artificial Intelligence, such as facial detection/recognition and automated alerts of fires based on satellite photos. Its organization occurs in six
sessions: the first concerns the presentation of the topic and organization of work; the second shows the operation of the color representation; the third part deals with the state of the art, which presents some authors who confirms the statements, the fourth session is about the presentation of the proposed model and the fifth and final topic presents the results of research, which were satisfactory to be able to detect with relative accuracy the colors targeted.
IX Congresso Norte Nordeste de Pesquisa e Inovação, 2014 2 UM MODELO SIMPLES E PARAMETRIZÁVEL PARA CLASSIFICAÇÃO DE CORES NO SISTEMA RGB 1. INTRODUÇÃO
Este trabalho descreve uma proposta de modelo simples e parametrizável para classificação e/ou detecção de cores utilizando o sistema de representação RBG. O objetivo principal do estudo realizado foi preparar um ambiente para futuros trabalhos envolvendo Visão Computacional e Inteligência Artificial, tais como detecção/reconhecimento facial e alertas automatizados de incêndios baseados em fotos de satélites.
Dada uma imagem qualquer, o modelo proposto tenta identificar pixels cuja cor se aproxime de uma cor alvo pré-definida baseado em parâmetros simples como: tolerância, tolerância de diferença e tolerância total.
Seguindo a introdução, a segunda sessão deste trabalho discute alguns sistemas de representação de cores, entre eles o CMY, HSV e RGB. É dado um foco maior ao sistema RGB, pois este é utilizado para criação do modelo de classificação proposto. A escolha ao sistema RGB foi proposital, pois nas pesquisas prévias percebemos que os trabalhos existentes utilizam o RGB apenas por ser esse padrão de obtenção da cor digital, depois esses trabalhos fazem a devida conversão para os outros sistemas. A nossa intenção era utilizar as informações obtidas no padrão RGB e com esses dados formar uma satisfatória classificação de cor.
No terceiro capítulo discutimos a relação da nossa pesquisa com outros trabalhos, suas semelhanças e diferenças, enquanto no quarto tópico é demonstrado o trabalho realizado: de que forma chegamos ao modelo de cores no sistema RGB. O quinto capítulo demonstra na prática o modelo que foi proposto e o capítulo final traz as considerações finais e uma pequena discussão acerca de possíveis trabalhos futuros.
2. SISTEMAS DE REPRESENTAÇÃO DE CORES
Durante nossos primeiros anos de escola aprendemos que nas definições de cores existe uma diferenciação teórica das cores que enxergamos. Existem três cores principais (chamadas cores primárias): azul, vermelho e amarelo; a junção dessas três cores formariam o branco, e a mistura gradual formaria as outras cores que conhecemos. Foi escolhida essa definição, pois o azul, vermelho e amarelo são altamente motivadores das emoções das pessoas, como na definição de cores quentes ou frias de Freitas (2013):
As cores quentes são estimulantes e produzem as sensações de calor, proximidade, opacidade, segurança e densidade. Em contraste, as cores frias parecem nos transmitir sensações frias, leves, distantes, transparentes, úmidas, aéreas e calmantes.
IX Congresso Norte Nordeste de Pesquisa e Inovação, 2014 3
Fisicamente, contudo, não há essa propriedade ao toque, mas um significado a partir da percepção das pessoas. No mundo físico existe uma diferenciação para obtenção de cores. De acordo com ROCHA (2013) a diferença se dá no corpo que a cor projeta: um tipo de obtenção para cores oriundas de corpos que emitem luz e outro para corpos opacos que refletem a luz. Para a primeira forma é chamada de sistema aditivo (chamado também de sistema de Cor Luz), pois a partir da adição de certa porcentagem de pigmento das cores bases forma-se o branco. Nesse tipo de classificação temos o sistema RGB (Red, Green, Blue em inglês, ou seja, vermelho, verde e azul).
O outro tipo de obtenção é chamado de sistema subtrativo (chamado também de sistema de Cor Pigmento), pois as misturas de suas cores básicas tendem a cor preta, ou seja, ausência de luz. Na classificação subtrativa temos o sistema CMY (Cyan, Magenta e Yellow em inglês, ou seja, ciano, magenta e amarelo). A Figura 1 exibe os círculos cromáticos CMY e RGB, tal como suas cores primárias e o resultado da mistura entre estas.
Figura 1 – Círculos Cromáticos do sistema CMY e RGB, suas cores primárias e secundárias.
Por ser uma classificação aditiva, o sistema RGB é comumente utilizado em equipamentos eletrônicos como TVs, computadores, câmeras digitas, etc. Além disso, este sistema é bastante utilizado para representação de imagens digitais, onde cada ponto da imagem possui um valor de intensidade de Red, Green e Blue.
Segundo Gonzales et al. (2000), cada cor deve ser representada em um sistema tridimensional por somente um ponto. Com o sistema RGB não é diferente, como é mostrado na Figura 2a, este sistema geralmente é representado pela imagem geométrica do cubo em que cada cor é representada por três eixos que são perpendiculares um ao outro, representando o vermelho, verde e azul, originando-se no ponto zero de intensidade de seus eixos correspondentes.
Podemos notar, na Figura 2a, que os vértices do cubo representam as cores aditivas primárias e secundárias, a exceção dos vértices referentes ao preto e ao branco, em cuja diagonal que os liga estão localizados os tons de cinza.
IX Congresso Norte Nordeste de Pesquisa e Inovação, 2014 4
Além dos sistemas RGB e o CMY, temos outros sistemas de representação como o HSV (Hue, Saturation, Value, em inglês, ou seja, Matiz, Saturação e Valor), sua forma trigonométrica é o cone mostrado na Figura 2b, em que a Matiz (tonalidade) verifica o tipo de cor; Saturação também chamado de "pureza", quanto menor esse valor, mais com tom de cinza aparecerá a imagem; Valor (brilho) define o brilho da cor.
Figura 2a – Cubo de cores RGB. 2b – Cone de cores HSV.
Neste trabalho descrevemos uma tentativa simples de classificar cores no sistema RGB, baseadas em uma cor alvo, e em parâmetros configuráveis. Apesar de que o sistema HSV (ou suas variantes) ser mais propício para a classificação de cores, o sistema RGB foi escolhido por apresentar simples entendimento, e por estar ligado diretamente às cores primárias conhecidas.
3. TRABALHOS RELACIONADOS
Nas pesquisas realizadas para embasar o trabalho, encontramos alguns trabalhos realizados seguindo a linha que esse trabalho pretende, quer seja classificando cores RGB, quer seja utilizando esta classificação para detectar pessoas em imagens.
Em Penharbel et. al. (2004) a classificação de cores é utilizada para em imagens capturadas por câmeras de vídeo para a competição de futebol de robôs, utilizando o espaço de cores HSI mapeado em RGB através de uma matriz de classificação. Em Masutani et. al. (2013) é realizada a captura imagens e o posterior reconhecimento de objetos coloridos ou de mãos a partir de informações de cores e formas.
A diferença desses trabalhos e este presente trabalho, além do objeto estudado em si, se dão na escolha da classificação de sistema de cores. Os trabalhos anteriores utilizaram a captura da imagem no padrão RGB e posteriormente com algumas formulas matemáticas fizeram a conversão para HSI no primeiro caso e HSV/YCrCb n o segundo.
Pode-se citar, também trabalhos que utilizam a cor da pele para detecção (e possível reconhecimento) de faces, como pode ser observado em Hsu et. al. (2002) e Kovac et. al. (2003).
IX Congresso Norte Nordeste de Pesquisa e Inovação, 2014 5
Wojtaszek e Laganierère (2002) usam histograma de cores para o reconhecimento de pessoas em vídeos.
4. O MODELO PROPOSTO
O modelo proposto para classificação e/ou filtragem de cores no sistema RGB foi concebida com o intuito de ser simples, flexível e de fácil implementação. Dada a escolha da cor alvo (parâmetro
Target), devem ser escolhidos 3 parâmetros para verificar se um pixel deve ou não ser
considerado pertencente a esta classificação de cor: tolerância (T), tolerância de diferença (dT) e
tolerância total (tT).
O parâmetro T, composto pela tripla (Tr, Tg, Tb) representa o quanto cada componente da cor alvo pode mudar. Por exemplo: se a cor alvo é (255,0,0) e o parâmetro T é (0,50,50), a componente vermelha não pode variar enquanto que as componentes verde e azul podem ter valor entre 0 e 50 para serem aceitas.
O parâmetro Td, composto pela tripla (TdRG, TdRB, TdGB) representa o quanto cada componente da cor alvo pode ser diferente de outra cor. Por exemplo: se a cor alvo é (255,0,0) e o parâmetro Td é (0,50,INFINITO), as componentes vermelha e verde devem ser iguais e as componentes vermelha e azul não podem ter uma diferença maior do que 50.
O parâmetro tT, composto apenas por um número inteiro, representa o quanto, no total, uma cor pode ser diferente da cor alvo, isto é, a soma das diferenças entre as componentes da cor avaliada e da cor alvo. Por exemplo, se a cor alvo é (255,0,0) e o parâmetro tT é 100, a cor (200,10,10) é aceita, enquanto a cor (200,100,100) não é aceita.
Apenas com estes três parâmetros é possível realizar uma vasta gama de configurações de cores e filtros, com os mais variados propósitos. A Tabela 1 Exibe as cores usadas nos experimentos realizados, tais como os parâmetros de configuração utilizados. As cores VERDE, AMARELO e CIANO foram usadas para demonstrar a utilização do modelo, enquanto as cores PELE e FOGO foram utilizadas para exemplificar um caso de uso da técnica desenvolvida.
Tabela 1 - Parâmetros utilizados nos experimentos realizados.
COR NOME TARGET T dT tT
VERDE (0, 125, 0) (125, 125, 125) (INF, INF, INF) 300 AMARELO (255, 255, 0) (75, INF, INF) (INF, INF, INF) INF CIANO (0, 255, 255) (150, INF, 75) (INF, INF, 75) INF PELE (255, 200, 160) (INF, INF, INF) (INF, INF, INF) 100 FOGO (255, 0, 0) (155, INF, INF) (INF, INF, INF) 300
IX Congresso Norte Nordeste de Pesquisa e Inovação, 2014 6 5. RESULTADOS OBTIDOS
Nesta seção são apresentados alguns testes realizados com o intuito de validar o modelo proposto. A Figura 3 demonstra o resultado obtido pela classificação dos pixels verdes, conforme a cor VERDE apresentada na Tabela 1. Os pixels não classificados estão em branco.
A Figura 4 demonstra o resultado obtido pela execução do modelo com os parâmetros apresentados na Tabela 1 para a cor AMARELO. O objetivo deste teste seria detectar as flores amarelas em um campo. Novamente os pixels não classificados estão em branco.
A Figura 5 demonstra o resultado obtido pela execução do modelo com os parâmetros apresentados na Tabela 1 para a cor CIANO. O objetivo deste teste seria detectar os pixels com a cor azul clara, e não detectar os pixels com a cor azul escuro. Obtivemos sucesso neste teste. Novamente os pixels não classificados estão em branco.
Figura 3 – Classificação da cor verde.
IX Congresso Norte Nordeste de Pesquisa e Inovação, 2014 7 Figura 5 – Classificação da cor ciana.
A Figura 6 exibe uma imagem de satélite de um incêndio em Valência, na Espanha1. Com a
classificação aplicada com os parâmetros da cor FOGO da Tabela 1, foi possível detectar a área do incidente. Este caso exibe uma possível utilização do método proposto: detectar desastres naturais em tempo real, baseado em imagens de satélites.
Figura 6 – Classificação da cor fogo.
A Figura 7 apresenta um caso de uso comum para a classificação de cores: a detecção de pele. Os resultados obtidos foram satisfatórios, contudo, a iluminação do ambiente e tez das pessoas presentes na imagem degradam bastante o resultado para este tipo de aplicação do modelo. Os parâmetros utilizados neste caso estão descritos na Tabela 1, cor PELE.
IX Congresso Norte Nordeste de Pesquisa e Inovação, 2014 8 Figura 7 – Classificação da cor pele.
6. CONSIDERAÇÕES FINAIS
Os resultados obtidos pelo modelo e discutidos neste trabalho demonstraram que, apesar de sua simplicidade, ele apresentou desempenho satisfatório ao conseguir detectar com relativa precisão as cores alvejadas. Os casos de uso discutidos na seção 5 reforçam os trabalhos que podem ser realizados a partir do modelo proposto, abrindo oportunidade para trabalhos futuros serem realizados.
REFERÊNCIAS
1. FREITAS, A. K. M. Psicodinâmica das Cores em Comunicação. Disponível em
<http://www.iar.unicamp.br/lab/luz/ld/Cor/psicodinamica_das_cores_em_comunicacao.pdf> . Acesso em: 20 de agosto de 2013.
2. GONZALEZ, R. C.; WOODS, R. E.; CESAR JÚNIOR, R. M. ; COSTA, L. F. Processamento de
imagens digitais. São Paulo: E. Blucher, 2000
3. HSU, R., ABDEL-MOTTALEB, M., JAIN, A. K. Face Detection in Color Images. Pattern Analysis
IX Congresso Norte Nordeste de Pesquisa e Inovação, 2014 9
4. KOVAC, J., PETER, P., SOLINA, F. Human Skin Colour Clustering for Face Detection.
EUROCON 2003: Computer as a Tool, The IEEE Region 8: Volume 2, 2003.
5. MASUTANI, V. H., ARTERO, A. O., ALMEIDA, L. L., SILVA F. A. Reconhecimento de Objetos
Coloridos e Mãos Usando Cores Formas. Colloquim Exactarum, v.5 n.1, 2013.
6. PENHARBEL, E. A., DESTRO, R., TONIDANDEL, F., BIANCHI, R. A. C. I Encontro de Robótica
Inteligente. 2004.
7. ROCHA, J. C. Cor Luz, Cor Pigmento e os Sistemas RGB e CMY. Disponível em
<http://www.belasartes.br/revistabelasartes/downloads/artigos/3/cor-luz-cor-pigmento-e-os-sistemas-rgb-e-cmy.pdf>. Acesso em: 20 de agosto de 2013.
8. WOJTASZEK, D., LAGANIERÈRE, R. Using Color Histograms to Recognize People in Real Time
