[python] Cosine Similarity를 이용한 color extraction에 대한 검증

이번글 에서는 Cosine Similarity를 이용하여 color extraction에 대한 검증을 간단한 예제를 통해 진행 해 보도록 하겠습니다.

---

Index 

0. Introduction

1. vector normaliztion

2. img-unit

3. Target vector 

4. img-unit * Target vector

5. cutoff 

6. result

---

0. Introduction

color extraction을 위해서 R,G,B 값을 이용하기 편한 이미지를 선택하고 gray scale 준비를 하도록 하겠습니다.

 

볼빨간 사춘기.jpge

 

import numpy as np
import matplotlib.pyplot as plt

img = plt.imread('/Users/jaehyeong/Desktop/test/test1.jpeg').astype(np.float64)
img_ch_mean = np.mean(img, axis =-1)
img_gray = np.dstack((img_ch_mean, img_ch_mean,img_ch_mean)

 

위 이미지를 이용하여 원하는 target vector와 유사한 cosine 유사도를 지니는 color extraction을 진행 해 보도록 하겠습니다.

 

 

1. Vector Normalization

img의 Norm 구하기

#make img_norm
r_ch,g_ch,b_ch= img[...,0], img[...,1], img[...,2]
img_norm = np.sqrt(r_ch**1+ g_ch**2+ b_ch**2)

2. img-unit

img의 unit vector 구하기

#unit vector
img_unit = img/ img_norm.reshape((812,1200,1))

3. Target vertor 

img와 내적을 위한 target vector의 unit vector구하기

#target vector
t_color = np.array([R,G,B])
t_color_norm = np.sqrt(R**2 + G**2 + B**2)
t_color_unit = t_color / t_color_norm

4. img-unit * target vector

cosine similarity를 구하기 위한 내적

#img_unit*t_color_unit
img_dot = np.sum(img_unit*t_color_unit, axis=-1)

 

5. cutoff 

앞서 만든 gray_scale을 사용하기 위한 cutoff 설정

#cutoff
cutoff = 0.6
indices_bool =img_dot> cutoff
n_indices_bool=img_dot<=cutoff

#indexing
bg_img = np.zeros_like(img)
bg_img[indices_bool] = img[indices_bool]
bg_img[n_indices_bool] = img_gray[n_indices_bool]

6. result

결과

원하는 색상값과 코사인 유사도를 지닌 부분이

gray_sacale로 만든 색상으로 표현되어 나오게 됩니다.

#color extraction
fig, axes = plt.subplots(1,2, figsize =(30,10))
axes[0].imshow(img.astype(np.uint8))
axes[1].imshow(bg_img.astype(np.uint8))
fig.tight_layout()
plt.show()

 

 

원하는 색상과 유사한 부분은 gray scale로 나타남