Implementation of a Re-coloring System on Monitor for Red-green Color Vision Deficiency

논문 2015-52-5-17

적록 색각이상자를 위한 모니터 색 보정 시스템 구현

( Implementation of a Re-coloring System on Monitor for Red-green Color Vision Deficiency )

조 경 선^*, 고 성 제^***

( Kyung-Seon Cho

and Sung-Jea Ko )

요 약

색각이상자는 색을 인지하는 원추세포의 이상으로 인해 특정 색의 조합을 분별하는데 어려움을 겪는다. 이를 돕기 위해 스 마트폰에는 색각이상자를 위한 색 보정 기능이 내장되어 있지만, 모니터에는 이러한 기능이 제공되고 있지 않다. 본 논문에서 는 모니터에 내장된 색 조절 기능을 이용하는 색 보정 기법을 제안하고, 이를 모니터에 구현하였다. 제안하는 색 보정 기법은 색각이상자의 색 인지 능력을 HSV 색 공간에서 분석한 것을 기반으로 색각이상의 종류와 강도에 따라 색조와 채도를 보정한 다. 색각이상자들을 대상으로 진행한 성능 평가 결과는 제안하는 시스템이 색각이상자가 구분하기 어려운 색을 효과적으로 구 분 가능하도록 변환함을 보여준다.

Abstract

People with color vision deficiency (CVD) experience difficulties in discriminating some color combinations and color differences due to the abnormal retinal cone systems. While there exist smartphones with a re-coloring function for CVD, monitors do not provide the re-coloring function. In this paper, we propose a new re-coloring algorithm that adjusts the displayed colors for CVD using a color controller embedded in the monitor. The proposed algorithm converts the hue and saturation in HSV color space, according to the type and strength of the color deficiency. The results of the performance evaluation with a certain number of people with CVD show that the proposed system can convert colors imperceptible into perceptible.

Keywords: Color vision deficiency, Re-coloring, Monitor, Controller, HSV color space

Ⅰ. 서 론

색각이상(Color vision deficiency, CVD)은 색을 인지

* 학생회원, ^** 평생회원, 고려대학교 전기전자전파공학 부

(School of Electrical Engineering, Korea University)

ⓒ Corresponding Author(E-mail: [email protected])

※ 이 논문은 2014년도 미래창조과학부 재원인 “소프 트웨어 그랜드 챌랜지 프로젝트”의 지원을 받아 수 행된 연구이며(과제번호. 14-824-09-002), LG전자 의 지원을 받아 수행된 결과임.

Received ; April 1, 2015 Revised ; April 20, 2015 Accepted ; April 24, 2015

하는 세 종류의 원추세포 중 하나 이상이 손실되었거나 정상적인 경우와는 다른 파장에 반응하는 증상으로, 전 세계 남성인구의 약 8%, 여성인구의 약 0.5%가 색각이 상자에 해당한다^[1]. 색각이상자는 정상인과는 다르게 색 을 인지하기 때문에 색을 이용한 도표, 영상 위의 문자, 색을 이용한 신호 등을 이해하는데 어려움을 겪을 수 있을 뿐만 아니라 미술, 항공, 소방 관련 직종에 관하여 제한을 받기도 한다. 이에, 색각이상자의 색 구분을 돕 기 위한 다양한 색 보정 기법들이 제안되어왔다.

기존에 제안된 색각이상자를 위한 색 보정 기법들은 크게 규칙 기반의 기법과 최적화 기반의 기법으로 분류 된다^[2]. 규칙 기반의 기법들은 주로 HSL (Hue: 색조,

Saturation: 채도, Luminance: 휘도) 또는 HSV (Hue:

색조, Saturation: 채도, Value: 명도) 색 공간에서 색각 이상자가 색 구분에 어려움을 겪는 문제구간을 정의하 고, 해당 구간에서의 보정 규칙을 제안했다^[3∼5]. 최적화 기반의 기법들은 영상 내에서 색각 이상자가 분별하지 못하는 영역과 분별 가능한 영역을 나누어 서로 중첩되 지 않으면서 분별이 가능하도록 색 변환을 수행하는 기 법으로, 영상 적응적인 색 변환을 수행하기 때문에 주 어진 영상 내의 색 분포에 따라 다른 결과를 갖는다^{[2, 6}

∼8].

본 논문에서는 색각이상자의 색 구분을 향상시키기 위하여 모니터에 내장된 색 조절 모듈을 이용하는 색 보정 기법을 제안하고, 이를 구현하여 실제 색각이상자 들을 대상으로 성능 평가를 수행하였다. 성능 평가의 결과는 제안하는 시스템이 색각이상의 종류와 강도에 따라 색을 보정함으로써 색각이상자의 색 구분을 효과 적으로 향상시킴을 보여준다.

Ⅱ. 색각이상자의 색 인지 분석과 기존의 기법

1. 색각이상자의 색 인지 분석

색각이상은 문제가 있는 원추세포의 종류에 따라 세 가지로 분류된다. 장파장에 반응하는 L-원추세포에 이 상이 있는 경우를 P형 색각이상이라 하고, 중파장에 반 응하는 M-원추세포에 이상이 있는 경우를 D형 색각이 상이라 하며, 이 두 경우를 합하여 적록 색각이상이라 부른다. 단파장에 반응하는 S-원추세포에 이상이 있는 경우는 T형 색각이상 혹은 청황 색각이상이라 한다. 본 논문은 전체 색각이상의 99%를 차지하는 적록 색각이 상을 위한 색 보정을 수행하며, 본 절에서는 P형 색각 이상을 예시로 한다.

그림 1은 Brettel의 색각이상 시뮬레이션^[9]을 이용하 여 색각이상자의 색 인지를 모사한 결과이다. 색각이상 자는 그림 1(a)를 색각이상의 강도에 따라 그림 1 (b), (c)와 같이 인지한다. 강한 색각이상자의 경우 그림 1(c)와 같이 Red(0°)∼Yellow(60°)∼Green(120°) 구간의 색을 모두 Yellow 계열의 색으로 인지하며, Cyan(180°)

∼ Blue(240°)∼Magenta(300°) 구간의 색을 모두 Blue 계열의 색으로 인지한다. 이로 인하여 색각이상자는 Red와 Green을 포함한 영상, 혹은 Blue와 Magenta를 포함한 영상에서의 색 구분에 어려움을 겪는다.

그림 1. 색각이상 시뮬레이션

(a) 정상색각 (b) 약한 색각이상 (c) 강한 색각이상

Fig. 1. CVD simulation of (a) Normal color vision (b) Mild CVD and (C) Severe CVD.

그림 2. 정상인(Normal)과 색각이상자(CVD)의 색 인지 (a) 색조 (b) 채도 (c) 명도

Fig. 2. Color perception of the Normal and CVD.

(a) Hue (b) Saturation and (c) Value.

그림 2는 그림 1을 HSV 색 공간에서 분석한 결과이 다. 그림 1(a)의 가로축인 원본 색조가 30°∼150°인 구 간과 210°∼330°인 구간에서 세로축인 색각이상자가 인

지하는 색조의 변화가 매우 작으며, 이는 해당 구간의 색이 색각이상자로 하여금 각각 Yellow와 Blue로 인지 됨을 의미한다. 그림 2(b), (c)는 원본 색조의 변화에 대 하여 색각이상자가 인지하는 색의 채도, 명도 변화를 각각 보여준다. 색각이상자는 Green∼Cyan, Cyan∼

Blue 구간에서 채도의 변화를 통해 색의 변화를 인지하 고, Red∼Yellow 구간에서는 명도의 변화를 통해 색의 변화를 인지한다. Magenta∼Red 구간에서는 채도와 명 도의 변화를 통해 색의 변화를 인지한다.

한편, 원본 색조가 Yellow∼Green, Blue∼Magenta 구간에서는 색각이상자가 인지하기에 색조, 채도, 명도 의 변화가 모두 미약하다. 색각이상자는 해당 구간에서 색의 변화를 인지하지 못하게 된다. 또한 색각이상자는 원본 색조가 Red∼Yellow, Magenta∼Red 구간 중 명 도가 현저하게 낮아지는 Red 계열의 색을 명도가 낮은 Yellow 또는 Green 계열의 색으로 혼동한다.

2. 기존의 색 보정 기법

기존의 색각이상자를 위한 색 보정 기법 중 최적화 기반의 기법들은 영상 적응적인 연산을 필요로 한다.

반면 규칙 기반의 기법들은 비교적 복잡한 연산을 필요 로 하지 않으므로, 모니터의 색 조절 기능을 이용한 보 정에 적합하다.

가. 색조와 채도를 이용한 보정 기법

Yang은 HSL 색 공간에서 Red 계열의 색조를 보정 하고, 색조 보정 이후에도 혼동이 발생하는 문제를 해 결하기 위하여 채도를 추가적으로 보정하였다^[4].

적록 색각이상자는 Red 계열의 색과 Green 계열의 색을 모두 Yellow 계열의 색으로 인지한다. 이에 Yang 은 그림 3(a)와 같이 Red 계열의 색 구간을 문제구간으 로 정의하고, 그림 3(b)와 같이 해당 구간을 다른 색조 로 변환하였다. 문제구간 중 원본 색조가 Magenta∼

Red인 구간은 210°∼270°의 색조로 대체하였으며, 원본 색조가 Red∼Yellow인 구간은 270°∼360°, 0°∼60°의 색조를 축소하여 대체하였다.

그림 3(b)는 Yang의 색조 보정의 결과를 보여준다.

문제구간인 Red 계열의 색 구간 중 원본 색조가 Magenta∼Red인 구간에서 기존의 Blue 계열의 색인 210°∼270°인 구간의 색조가 반복되므로, 적록 색각이상 자는 색조가 보정된 Red 구간과 기존의 Blue 구간의

그림 3. Yang의 색조 보정^[4]

(a) 문제구간 정의 (b) 색조 보정

Fig. 3. Yang’s hue adjustment^[4] (a) Decision of the problem region and (b) Hue adjustment.

색을 혼동하게 된다. 또한 색조 보정 단계에서 그대로 유지했던 Green 계열의 색은 적록 색각이상자로 하여 금 기존 Yellow 계열의 색과의 혼동을 유발한다. Yang 은 이러한 문제를 해결하고자 Red 구간과 Green 구간 의 채도를 50% 낮추어 보정하였다. 표 1은 색조만 보정 했을 때의 결과와 색조와 채도를 보정했을 때의 결과 중 원본 색이 Red, Yellow, Green, Blue일 때를 표기한 것이다.

나. 색조와 명도를 이용한 보정 기법

Kim은 HSV 색 공간에서 적록 색각이상자가 동일한 색으로 인지하는 Yellow∼Green, Blue∼Magenta 구간 과 명도가 낮아지는 Red 계열의 구간을 문제구간으로 정의하고, 색조와 명도를 보정하였다^[5].

색조 보정 단계에서는 그림 4와 같이 색각이상자가

Original color

Color perception of CVD Before

adjustment

After hue adjustment

After hue and sat.

adjustment

Red Yellow Blue Blue with

lower saturation

Yellow Yellow Yellow Yellow

Green Yellow Yellow Yellow with lower saturation

Blue Blue Blue Blue

표 1. Yang의 색 보정^[4] 결과 Table 1. Results of Yang’s re-coloring^[4].

그림 4. Kim의 색조 보정^[5]

Fig. 4. Kim’s hue adjustment^[5].

색의 변화를 인지하지 못하는 구간인 Yellow∼Green, Blue∼Magenta 구간을 축소하고 근접 구간인 Green∼

Cyan, Magenta∼Red 구간을 확장하여 축소된 구간을 대체하였다.

명도 보정 단계에서는 색각이상자가 어둡게 인지하 는 Red 계열의 색 중 0°∼50°, 300°∼360° 구간을 문제 구간으로 정의하였다. 해당 구간의 명도를 높이기 위하 여 RGB 색 공간에서 적록 색각이상자가 정상적으로 인 지하는 B 값을 상대적으로 향상시켜 보정을 수행한다.

Ⅲ. 색각이상자를 위한 모니터 색 보정

최근 출시된 모니터는 밝기, 명암, 선명도, RGB, 색 온도, 감마뿐만 아니라 색조와 채도의 조정이 가능하다.

이에 본 논문에서는 모니터의 색조와 채도 조절 기능을 분석하고, 이 기능에 적합한 색 보정 기법을 제안한다.

1. 모니터의 색 조절 기능 분석

본 논문에서 색 보정 시스템 구현에 사용된 LG LED 모니터는 출력하는 색을 그림 5와 같이 R, G, B, C, M, Y의 6개 영역으로 나누어 각 영역의 색조와 채도를 개 별적으로 조절할 수 있는 모듈이 내장되어있다. 각각의 색 제어 영역을 i ∈ {R, G, B, C, M, Y} 로 표현할 때 Hi, Si는 각각 i 영역의 색조, 채도를 조절하는 데 사용 되는 [0, 100] 범위의 모니터 설정 변수이다. 그림 6은 R 영역의 색조 설정 변수인 HR을 이용한 색조 조절을 예로 보여준다. HR의 변화에 따라 R 영역의 색조 분포

그림 5. 모니터의 6 가지 색 제어 영역

Fig. 5. Color Control ranges according to each of the Six colors on a monitor.

그림 6. HR 조절에 대한 색의 변화

Fig. 6. Change of color according to the control of HR.

가 달라지는 것을 확인할 수 있다.

각 설정 변수에 따라 실제로 출력되는 색의 변화를 알아보기 위하여 컬러리미터(Colorimeter)를 사용하였 다. 컬러리미터는 모니터에 출력되는 색을 측정하여 CIE XYZ 색 좌표 값으로 표현해주는 장비이다. 본 절 에서는 측정된 색 좌표 값을 이용하여 각 영역의 설정 변수 Hi, Si와 실제 모니터에 출력되는 색의 변화 간의 관계를 분석한다.

가. 모니터 색조 조절 기능 분석

그림 7은 각 색 영역의 Hi가 최소인 0, 기준인 50, 최 대인 100일 경우 실제 모니터에 출력되는 색의 변화를 보여준다. Hi가 감소할수록 각 영역의 왼쪽에 있는 색 조가 오른쪽으로 확장되며, 반대로 Hi가 증가할수록 오 른쪽에 있는 색조가 왼쪽으로 확장된다. Hi를 특정 값 이상으로 증감시킬 시에는 C 영역의 변수인 HC가 0일

그림 7. Hi 조절에 대한 색의 변화

Fig. 7. Change of color according to the control of Hi.

경우와 같이 오버랩이 발생하기도 한다.

나. 모니터 채도 조절 기능 분석

그림 8은 각 색 영역의 Si가 최소인 0, 기준인 50, 최 대인 100일 경우 실제 모니터에 출력되는 색의 변화를 보여준다. Si가 감소할수록 각 영역의 채도가 감소되어 회색조로 변화하며, Si가 증가할 경우엔 각 영역의 대 표색인 Red, Yellow, Green, Cyan, Blue, Magenta의 채도가 실제로 증가하는 것이 아니라 대표색이 확장되 어 각 색 영역 간의 경계가 비교적 명확해지는 현상이 나타난다.

그림 8. Si 조절에 대한 색의 변화

Fig. 8. Change of color according to the control of Si.

2. 색각이상자를 위한 색 보정 기법

모니터의 색 조절 기능 특성상 임의의 색 구간을 정 하여 자유롭게 확장, 축소, 다른 구간으로의 대체하는 것에 제한이 있다. 이에 본 논문에서는 모니터의 색조 변수와 채도 변수의 조절을 통해 구현 가능한 새로운 색 보정 기법을 제안한다.

가. 색각이상자를 위한 색조 보정

그림 9(a)는 제안하는 색 보정 기법에서 색조를 보정 하는 과정을 보여준다. 색조 보정 단계에서는 V 문제구 간과 HSV 문제구간의 두 종류 문제구간을 정의하여 색조를 보정한다.

적록 색각이상자는 Red와 Green을 모두 Yellow 계 열의 색으로 인지하므로 각 색의 차이를 구분하는데 어 려움을 겪는다. 특히 명도가 현저하게 낮아지는 Red 계 열의 색은 색 정보의 손실을 유발하기도 한다. 이에 제 안하는 기법은 Red 계열의 색을 포함한 330°∼60° 구간 을 V 문제구간으로 정의하여 축소하고, 해당 구간을 적 록 색각이상자가 Blue 계열의 색으로 인지하는 Magenta 계열의 색으로 변환하기 위하여 300°∼330°

그림 9. 색각이상자를 위한 색조 보정

(a) 색조 보정 (b) 색각이상 시뮬레이션 Fig. 9. Hue adjustment for CVD.

(a) Hue adjustment and (b) CVD simulation.

구간을 확장하여 대체한다.

HSV 문제구간은 적록 색각이상자가 인지하기에 색 조, 채도, 명도의 변화가 없는 Yellow∼Green, Blue∼

Magenta 구간으로 정의한다. 적록 색각이상자는 해당 구간을 각각 Yellow 계열의 색, Blue 계열의 색으로 인 지한다. 반면 각 HSV 문제구간의 근접구간인 Green∼

Cyan, Cyan∼Blue 구간은 적록 색각이상자가 인지하기 에 채도의 변화가 있으므로 색 구분이 가능하다. 이에 제안하는 기법은 HSV 문제구간을 축소하고 근접구간 을 확장하여 대체한다.

나. 색각이상자를 위한 채도 보정

색조 보정에도 불구하고 여전히 색각이상자에게 혼 동되는 색이 존재한다. 이에 채도 보정 단계에서는 S 문제구간을 정의하여 해당 구간의 채도를 상대적으로 감소함으로써 색을 보정한다.

그림 9(a)의 원본 색조에서 Red, Blue는 색조 보정 후 색각이상자에게 인지되는 그림 9(b)와 같이 모두 Blue 계열의 색으로 인지된다. 마찬가지로 Green, Yellow는 색조 보정 후 색각이상자에게 Yellow 계열의 색으로 유사하게 인지된다. 모니터 채도 조절 변수 Si로 조절 가능한 범위는 그림 5의 R, Y, G, C, B, M 영역으 로 제한되어있으므로, S 문제구간은 R 영역과 G 영역 으로 정의한다. 각 영역의 대표색인 Red와 Green의 색 패치를 모니터에 출력한 상태에서 SR, SG를 각각 조절 하여 해당 색의 채도를 각각 50%로 감소시켜 각 구간

그림 10. 색각이상의 강도를 고려한 색 보정 (a) 색조 보정 (b) 채도 보정

Fig. 10. Re-coloring according to the strength of CVD (a) Hue adjustment and (b) Saturation adjustment.

의 채도를 보정한다.

라. 색각이상의 강도를 고려한 색 보정

색각이상은 개개인마다 그 강도가 다르며, 이에 따라 색 구분에 어려움을 느끼는 정도가 다르다. 제안하는 기법은 10단계의 색각이상 강도(CVD strength)를 사용 자 변수로 제공하여 색각이상 강도에 따라 색 보정을 수행한다.

색각이상 강도가 10일 경우는 앞서 정의한 색조와 채 도 보정을 수행하며, 색각이상 강도가 작아질수록 각 보 정을 약하게 적용한다. 그림 10은 색각이상 강도에 따른 색조 보정과 채도 보정을 그래프로 표현한 것이다. 색 보정은 색각이상 강도가 낮을수록 약하게 적용되어 원 본 색조와 원본 채도에 유사한 결과를 산출한다.

Ⅳ. 실 험

1. 색 보정 시스템 구현

그림 11은 제안하는 색 보정 시스템을 통해 모니터의

색을 보정하는 과정을 보여준다. 구현된 시스템은 개인 의 색각이상 종류와 강도를 입력하여 초기 설정을 하는 소프트웨어 부분과 모니터의 OSD (On screen display) 기능을 통해 색 보정 모드를 선택하는 하드웨어 부분으 로 나뉜다.

소프트웨어 부분에서는 사용자가 입력한 색각이상 종류와 강도에 따라 제안하는 기법에 의해 결정된 Hi, Si가 디스플레이 데이터 채널/명령 인터페이스(Display data channel/command interface)를 통해 모니터로 전 송된다.

하드웨어 부분에서는 모니터의 버튼을 조작하여 색 각이상자를 위한 디스플레이 모드인 CVD 보정 모드를 선택함과 동시에 색 보정이 적용된다. 그림 12는 색각 이상자가 색을 구분하기 어려운 영상을 모니터에 출력 한 상태에서 OSD 기능을 통해 구현된 CVD 보정 모드 를 선택할 경우를 촬영한 결과이다. 영상의 주황색과 연두색을 모두 노란색 계열로 인지하던 색각이상자는 제안하는 시스템이 주황색을 자주색으로 변환함으로써 주황색과 연두색에 대한 색 구분을 할 수 있게 된다.

그림 11. 제안하는 색 보정 시스템의 블록도 Fig. 11. Block diagram of the proposed re-coloring

system.

그림 12. OSD를 이용한 색 보정 모드 (a) 기본 모드 (b) CVD 보정 모드 Fig. 12. Re-colored mode using the OSD.

(a) Default mode and (b) CVD re-colored mode.

2. 색 보정 성능 평가

제안하는 시스템의 성능을 평가하기 위하여 5명의 색각이상자를 모집하였고, FM-100 검사^[10]를 통해 실험 자들의 색각이상 종류와 강도를 판별하였다. FM-100 검사 결과의 TES(Total error score)가 70 이상이면 색 각이상으로 판별하며, 실험자들의 색각이상 검사 결과 는 표 2와 같다.

ID (age) TES CVD

type CVD strength A (57) 660 P 10 (Severe) B (63) 308 D 10 (Severe)

C (15) 220 D 8 (Moderate to severe) D (30) 264 D 10 (Severe)

E (27) 112 D 5 (Slight to moderate)

표 2. 색각이상 검사 결과

Table 2. Results of the CVD test.

색 구분 성능 평가는 두 가지 방법으로 진행되었다.

첫 번째 방법은 38개의 이시하라 검사^[11] 영상을 이용한 평가이다. 평가 방식은 기존의 검사 방식과 동일하게 테스트 용지의 숫자를 읽거나 선의 개수를 맞추는 방법 으로 진행하였다. 두 번째 방법은 다양한 영상을 이용 한 주관적 평가이다. 색각이상자가 분별하기 어려운 색 을 포함한 4개의 영상을 이용하여 보정 전과 보정 후의 색 구분 정도와 선호도를 각각 평가하도록 진행하였다.

가. 이시하라 검사 영상을 이용한 평가

이시하라 검사는 적록 색각이상의 유무를 판별하는 데 사용되며, 38개의 영상 중 4개 이상을 맞추지 못할 경우를 색각이상으로 분류한다.

색 보정 전 실험자 전원이 38개 중 4개 이상의 오답 을 보였으며, 제안하는 시스템의 색 보정을 적용한 이 후에는 그림 13과 같이 정답률이 평균 8.6개 이상 향상 되는 것을 확인할 수 있었다.

그림 13. 이시하라 검사 결과 Fig. 13. Results of the Ishihara test.

나. 다양한 영상을 이용한 주관적 평가

주관적 평가는 다양한 영상을 이용하여 두 단계로 진 행되었다. 첫 번째 단계에서는 색 구분 정도를 평가하 도록 했으며, 두 번째 단계에서는 색 보정 모드와 원본 모드 중 선호하는 것을 선택하고 색 보정 모드를 선호

그림 14. 주관적 평가 영상

(a) 영상 1 (b) 영상 2 (c) 영상 3 (d) 영상 4 Fig. 14. Images for subjective evaluation (a) Image 1 (b) Image 2 (c) Image 3 and (d) Image 4.

Score Quality of the color perceptibility 5 색 구분이 매우 잘됨 (Excellent)

4 색 구분이 잘됨 (Good)

3 색 구분이 됨 (Fair)

2 색 구분이 어려움 (Poor)

1 색 구분이 매우 어려움 (Bad)

표 3. 주관적 평가 방법

Table 3. Subjective evaluation method.

할 경우 선호 이유를 기술하도록 했다.

색각이상자는 구분이 어려운 색들이 각각 단색으로 떨어져있는 경우보다 인접해 있거나 혼합되어 있는 경 우에 색 구분을 더 어렵게 느낀다. 이를 근거로 빨간색 과 초록색이 혼합되어 있는 20개의 다양한 영상을 표 3 과 같은 방법으로 평가하도록 했다.

제안하는 기법의 주관적 평가를 위한 영상으로는 20 개의 영상 중 색 구분 평가 결과가 4점 미만인 4개의 영상을 사용하였으며, 사용된 영상은 그림 14와 같다.

각 실험자는 표 3과 같은 방법으로 원본 영상과 보정 영상의 색 구분 정도를 주관적으로 평가했다. 그림 15 는 원본 영상에 대한 색 구분 평가 결과가 3점(Fair)∼4 점(Good)인 반면 보정 영상에 대한 결과가 4점(Good)

∼5점(Excellent)으로 향상되었음을 보여준다.

각 영상에 대한 선호도 평가에서는 원본 영상을 선호 하는 경우가 35%, 보정 영상을 선호하는 경우가 65%로 보정 영상을 선호하는 비율이 더 높았다. 표 4는 실험

Image 보정영상 선호도 선호 이유

Image 1 60% 색 구분이 잘됨.

Image 2 100% 붉은색이 선명하게 보임.

Image 3 60% 색이 디테일하게 보임.

Image 4 40% 색상이 화려해 보임.

표 4. 선호도 평가 결과

Table 4. Results of preference evaluation.

그림 15. 주관적 평가 결과

Fig. 15. Results of subjective evaluation.

자들이 서술한 보정 영상에 대한 선호 이유를 보여준 다. 제안하는 색 보정 시스템이 색각이상자의 색 구분 능력을 효과적으로 향상시키는 것을 확인할 수 있다.

Ⅴ. 결 론

본 논문에서는 모니터에 구현이 가능한 색 보정 기법 을 제안하고 이를 구현하였다. 색각이상자를 위한 색 보정 기법은 오랜 시간동안 연구되어왔지만 현재까지 모니터를 이용한 색 보정 기법은 시도되지 않았다. 본 논문에서는 최신 모니터에 탑재된 색조, 채도 제어 기 능을 이용하여 색각이상자를 위한 색 보정을 수행하였 다. 색각이상자는 제안하는 시스템을 통해 별도의 프로 그램 구동 없이 모니터의 버튼을 이용하여 간편하게 색 보정된 화면을 제공받을 수 있다. 실제 색각이상자들이 참여한 성능 평가 실험 결과는 제안하는 색 보정 시스 템이 색각이상자에게 색 구분 향상 효과를 제공함을 증 명한다.

REFERENCES

[1] J. Pokorny, V. C. Smith, G. Verriest, and A. J.

L. G. Pinckers, Congenital and acquired color

vision defects, Grune and Stratton, pp. 120-125,

[2] J. Y. Jeong, H. J. Kim, T. S. Wang, Y. J. Yoon,

저 자 소 개 조 경 선(학생회원)

2013년 고려대학교 전기전자전파 공학부 학사 졸업.

2013년 9월∼현재 고려대학교 전 기전자공학과 신호 및 멀 티미디어 전공 석사 과정.

<주관심분야 : 영상처리>

고 성 제(평생회원)-교신저자 1980년 고려대학교 전자공학과,

학사

1985년 State Univ. of New York at Buffalo 전기 및 컴퓨 터공학과, 석사

1988년 State Univ. of New York at Buffalo 전기 및 컴퓨 터공학과, 박사

1988년∼1992년 The Univ. of Michigan,

Dearborn 전기 및 컴퓨터공학과 조교수 1992년∼현재 고려대학교 전기전자공학부 정교수 2013년 대한전자공학회 회장

2013년∼현재 미국 IEEE CE Society, 부회장 2015년 IEEE Distinguished Lecturer

현재 IEEE Fellow, IET Fellow, 한국공학한림원 회원

<주관심분야 : 컴퓨터비전 및 영상처리>

and S. J. Ko, “An efficient re-coloring method with information preserving for the color-blind,”

IEEE Trans. Consumer Electronics, vol. 57, no.

4, pp. 1953-1960, Nov. 2011.

[3] S. L. Ching and M. Sabudin, “Website image colour transformation for the colour blind,” 2nd

International Conference on Computer Technology and Development,

[4] S. Yang, and Y. M. Ro, “Visual contents adaptation for color vision deficiency,”

International Conference on Image Processing,

[5] H. J. Kim, J. Y. Cho, and S. J. Ko, “Re-coloring methods using the HSV color space for people with the red-green color vision deficiency,”

Journal of the Institute of Electronics Engineers of Korea, vol. 50, no. 3, pp. 91-101, March 2013.

[6] C. Anagnostopoulos, I. Anagnostopoulos, G.

Tsekouras, and C. Kalloniatis, “Intelligent modification for the daltonization process of digitized paintings,” 5th International Conference

on Computer Vision Systems,

[7] D. Han, J. Park, and J. Choi, “A novel color transfer method for protanopia and deutanopia using the enhanced daltonization process,” IEEK

Fall Conference, vol. 32, no. 2, pp. 201-202,

[8] J. B. Huang, Y. C. Tseng, S. I. Wu, and S. J.

Wang, “Information preserving color transformation for protanopia and deuteranopia,”

IEEE Signal Processing Letters, vol. 14, no. 10,

[9] H. Brettel, F. Vienot, and J. D. Mollon,

“Computerized simulation of color appearance for dichromats,” J. Optic. Soc. Amer. A, vol. 14, no.

10, pp. 2647-2655, Oct. 1997.

[10] D. Farnsworth, “The Farnsworth-Munsell 100-hue and dichotomous tests for color vision,”

J. Optic. Soc. Amer., vol. 33, no. 10, pp.

568-578, Oct. 1943.

[11] J. Birch, “Efficiency of the Ishihara test for identifying red-green colour deficiency,”

Ophthalmic and Physiological Optics, vol. 17, no.

5, pp. 403-408, Sept. 1997.