A Linear Criterion to sort Color Components in Images

Abstract

The color and its representation play a basic role in Image Analysis process. Several methods can be beneficial whenever they have a correct representation of wave-length variations used to represent scenes with a camera. A wide variety of spaces and color representations is founded in specialized literature. Each one is useful in concrete circumstances and others may offer redundant color information (for instance, all RGB components are high correlated). This work deals with the task of identifying and sorting which component from several color representations offers the majority of information about the scene. This approach is based on analyzing linear dependences among each color component, by the implementation of a new sorting algorithm based on entropy. The proposal is tested in several outdoor/indoor scenes with different light conditions. Repeatability and stability are tested in order to guarantee its use in several image analysis applications. Finally, the results of this work have been used to enhance an external algorithm to compensate the camera random vibrations.

El color y su representación juegan un papel fundamental en el proceso de análisis de imagen. Varios métodos pueden ser beneficiosos siempre que tengan una representación correcta de las variaciones de longitud de onda usadas para representar la escena. Una amplia variedad de espacios y representaciones de color se basa en la literatura especializada. Cada uno de ellos es útil en circunstancias concretas y puede ofrecer información de color redundante (por ejemplo, todos los componentes RGB están altamente correlacionados). En este trabajo se identifica y clasifica cuál componente ofrece la mayor cantidad de información acerca de la escena, a partir de varias representaciones de color. Este enfoque se basa en el análisis de las dependencias lineales entre cada canal y la implementación de un nuevo algoritmo para clasificar los componentes en base a la entropía. La propuesta se pone a prueba en varias escenas al aire libre y en interiores con diferentes condiciones de luz. La repetitividad y la estabilidad son probadas para garantizar su uso en aplicaciones de análisis de imágenes. Finalmente, los resultados de este trabajo son usados para mejorar un algoritmo externo para la compensación de vibraciones.