화이트 밸런스 기술을 이용한 소변 검사 결과 영상 판독에 관한 연구

정지훈, 최수빈, 김성은*

서울과학기술대학교 인공지능응용학과
j2hoon10@gmail.com, choisb1005@gmail.com, sekim@seoultech.ac.kr

A Study on the detection of photo of urine test strip using white balancing
algorithm

Jihun Jung, Subin Choi, Seong-Eun Kim*

Seoul National University of Science and Technology

요 약

본 논문에서는 소변 검사(urine test) 스틱을 휴대폰 카메라로 촬영하였을 때 자동으로 검사 결과를 알려주는 인공지능
기술 개발을 위한 연구를 소개한다. 소변 검사 결과는 색깔로 상태를 파악하게 되는데, 다양한 조명에서 촬영된 사진은
올바른 색을 표현하지 못하는 문제가 있다. 따라서 어떤 조명하에 촬영된 사진이라도 화이트 벨런스(white balance)
교정을 통해 원래 색을 복원하여 소변 검사 결과를 판독하는 기술을 제안하게 되었다. 이를 위해 화이트 밸런스(White
balance) 기술의 개념에 대해 소개하고, 화이트 밸런스와 색 추출을 활용한 영상 처리 알고리즘을 개발한다. 이후
카메라로 촬영만 했을 때의 소변 검사지와 촬영 후 알고리즘을 활용했을 때의 소변 검사지의 색 분포 차이를 통해
알고리즘의 실효성을 검증한다. 알고리즘을 통해 소변 검사의 포도당, 단백질, pH 영역의 조명에 의한 색 변화를
최소화하여 정상을 판별하는 데 큰 도움을 줄 수 있게 된다.

가진다. <수식 1>은 YCbCr 색공간과 RGB 색공간의

Ⅰ. 서 론
소변은 몸을 순환한 혈액을 신장에서 거른 뒤 나오는
노폐물로서 여러 대사산물이 포함되어 있다. 소변
검사(Urine Test)를 통해 추출한 생체 지표는 내분비계
및 배설계에 대사성 질환 등이 발생하였는지 조기에
예측하는 바이오마커로 기능한다.
소변 검사 가운데 소변 검사지를 사용한 화학적
검사는 검사지와 결과표의 색 비교를 통해 검사한다.
이는 조작이 간편하고 용이하기 때문에 의료기관이나
집단 검진에서 널리 이용되고 있다. 의료 기관에서는
표준 색조 표를 이용한 육안 판정 대신에 자동판독기를
이용하여 더 객관적으로 진단한다.
영상 처리는 색 보정과 디지털 합성 등 사진이나
동영상을 처리하는 기술을 말한다. 최근 영상 처리
기술이 발전함에 따라 영상 처리 기술이 의료 영상 기술,
위성 사진 처리, 영화 산업 등 다양한 분야에 응용되어
사용되고 있다.
본 논문에서는 화이트 밸런스(White Balance) 기술을
활용하여 소변 검사지 결과의 객관적인 판단을 위해
정확한 색감의 결과 이미지로 보정하는 최적의
알고리즘에 관해 연구한다. 이를 통해 가정용 소변 검사
자가진단 앱 개발 가능성을 검토하고자 한다.
Ⅱ. 본 론
2.1 YCbCr 색공간
YCbCr 는 영상 시스템에서 사용되는 색공간의
일종이며 RGB 정보를 인코딩하는 방식 중 하나이다 [1].
Y 는 휘도(Luminance) 신호, Cb 와 Cr 는 색차(color
difference) 신호를 의미한다. 색차 신호 중 Cb 는
휘도와 청색 성분의 차를, Cr 는 휘도와 적색 성분의
차를 말한다. Y, Cb, Cr 는 각각 0~255 사이의 값을
변환 공식을 보여준다 [2].
Y = (299 * R + 587 * G + 114 * B) / 1000
Cb = 0.5642 * (B – Y) + 128
Cr = 0.7132 * (R – Y) + 128
R = (1000 * Y + 1402 * (Cr – 128)) /1000
G = (1000 * Y – 714 * (Cr-128) - 334 (Cb -128) / 1000
B= (1000 * Y + 1772 * (Cb-128))/1000
<수식 1>
2.2 화이트 밸런스
색온도(Color Temperature)란 광원의 색을
절대온도를 이용해 수치화한 것이다. 붉은색 계통의
광원일수록 색온도가 낮고, 푸른색 계통의 광원일수록
색온도가 높다. 색온도가 낮은 광원 아래에서는 물체가
비교적 붉게 보이고, 색온도가 높은 광원 아래에서는
물체가 비교적 푸르게 보인다.
사람이 색을 인식하는 과정에는 물체에서 반사되어
눈으로 입사되는 물리적인 자극 외에도 대뇌의 작용이
포함된다. 그 결과로 사람은 서로 다른 색온도의 광원
아래에서도 같은 색을 인식할 수 있다.
카메라는 반사되는 빛만을 색으로 인식하기 때문에
같은 색이어도 광원에 따라 다른 색으로 인식하게 된다.
예를 들어 자연광 아래에서의 흰색과 백열전구
아래에서의 흰색을 카메라로 촬영하면 각각 다른 색으로
인식한다. 따라서 이들을 모두 같은 색으로 인식하기
위해서 화이트 밸런스가 필요하다.
화이트 밸런스(White Balance)는 흰색 물체를 이미지
내에서도 흰색으로 보이게 보정하는 것을 말한다. 화이트
밸런스의 방법에는 RGB 색 공간에서 이미지를
보정하거나, YCbCr 등 색 공간에서 이미지를 보정하는
등 여러 가지 방법이 있다.
2.3 화이트 밸런스 알고리즘
본 논문에서는 YCbCr 색공간에서 무채색 계열인
White 와 Black 의 Cb, Cr 색차 값이 128, 128 로
동일함을 이용하여 알고리즘을 설계하였다. 입력된 RGB
색공간의 이미지를 YCbCr 색공간으로 변환하여
이미지의 Cb, Cr 색차의 평균 값을 계산하였다. 계산된
색차 평균 값이 무채색임을 가정하고 원래 무채색 값인
128, 128 값과의 오차를 계산하여 이미지를 보정하였다
[3]. 추가로 Y 의 평균을 계산하여 보정된 이미지가
일정한 밝기를 유지할 수 있도록 임의로 190 을
기준으로 오차를 조정하였다. <그림 1>은 화이트 밸런스
알고리즘의 순서도를 보여준다.
<그림 2> 화이트 밸런스 알고리즘의 순서도
2.4 실험 설계
본 실험을 위해서 포도당, 단백질, pH, 잠혈의 농도를
파악할 수 있는 소변 검사지 4 종을 사용하였다. Adobe
Lightroom 앱을 이용해서 원본 소변 검사지 이미지에
색온도를 -25 에서 +25 까지 1 씩 조절하여 총 51 개의
이미지 데이터 집단을 사용했다. 51 개의 이미지에서
포도당, 단백질, pH 를 나타내는 영역의 RGB 값의
평균을 취하여 대표 값을 구하고, 대표 값을 비교 분석에
사용하였다.
2.5 실험 결과
<그림 2>는 화이트 밸런스를 적용했을 때의 예시
결과를 나타내고 있다.. 왼쪽이 색온도가 틀어진 이미지
데이터이고 오른쪽이 화이트 밸런스가 적용된
이미지이다. 배경에 흰색의 A4 용지를 깔고 촬영을
하였는데, 오른쪽 사진의 배경이 흰색에 가깝게 복원된
것을 확인할 수 있다.
<그림 3>의 왼쪽 그래프는 이미지 별로 각각 포도당,
단백질, pH 부분의 평균 RGB 값을 x 축, y 축, z 축
각각을 R, G, B 로 하는 3 차원 그래프에 표시하였다.
파란색은 포도당 부분의 평균 RGB 값의 분포를
나타내고 초록색은 단백질 부분의 평균 RGB 값의
분포를 나타내며, 빨간색은 pH 부분의 평균 RGB 값의
분포를 나타내고 있다. 왼쪽 그림에서 광원의 색온도에
따른 변화가 매우 큼을 확인할 수 있고, 이것이 소변
검사 결과를 올바르게 인식하지 못하는 원인이 됨을 알
수 있다. <그림 3>의 오른쪽 그래프는 앞서 설계한
화이트 밸런스 알고리즘을 적용했을 때 평균 RGB 값의
<그림 1> 화이드 밸런스 알고리즘 적용 후 이미지
비교
분포를 보여준다. 화이트 밸런스 알고리즘을 적용하게
되면 오른쪽 그림처럼 광원에 의한 색변화가 교정되어 R,
G, B 분포가 많이 감소하는 것을 확인할 수 있다. 감소한
양을 확인하기 위해 <표 1>에 실험에 사용한 원본
이미지의 포도당, 단백질, pH 부분의 평균 RGB 값들의
분산과 화이트 밸런스를 적용했을 때의 분산을
정리하였다. 분산이 대략 50 배가량 감소하는 것을
확인할 수 있다.
<그림 3> 51 장 이미지의 포도당, 단백질, pH 검사지의
색상의 R, G, B 분포도
원본 화이트밸런스
포도당 단백질 pH 포도당 단백질 pH
R 386.5 224.1 272.6 26.2 0.6 4.2
G 50.4 23.7 26.1 1.7 1.9 1.5
B 176.8 186.2 238.7 3.1 5.8 17.2
<표 1 >51 장 이미지의 각 영역별 색상의 R, G, B 분산
표
Ⅲ. 결 론
본 논문에서는 화이트 밸런스 기술을 사용하여 소변
검사지 결과의 색상을 구별하는 데 도움을 줄 수 있는
알고리즘을 연구하고 구현하였다. 그래프와 분산을 통해
구현한 알고리즘이 색상의 왜곡을 바로잡는 데 있어서
긍정적인 효과를 나타냄을 확인하였다. 그러나 다양한
광원 아래에서의 이미지를 구하기 어려웠기 때문에 본
실험에서는 색온도를 임의로 조절한 이미지를 사용하여
분석을 진행하였다. 실제로 여러 광원 아래에서 촬영한
사진을 사용하면 화이트 밸런스의 효과가 달라질 수
있을 것이다. 따라서 이후 실제 다양한 광원에서 촬영한
영상을 사용하여 화이트 밸런스가 적용된 실제 소변
검사지 결과 색상과 표준 색조 표 색상과의 차이를
분석하고 이를 반영하여 실제 검사 결과를 판단할 수
있는 알고리즘에 대해서 연구하고자 한다.
참 고 문 헌
[1] YCbCr 위키백과
[2] https://darkpgmr.tistory.com/66
[3] https://blog.daum.net/sonsci/4855392