• 트랜스-
• /
• 제12권
• /
• pp.51-79
• /
• 2022

본 연구에서는 색채 계획을 통해 콘텐츠를 제작할 때 참고할 만한 색을 도출하는 방법을 모색하기 위하여 진행되었다. 대상이 된 이미지는 한국 내의 자연풍광을 다룬 사진들로 머신러닝을 활용해 낮과 밤이 어떤 색으로 표현되는지 알아보고, KSCA를 통해 색 빈도를 도출하여 두 결과를 비교, 분석하였다. 낮과 밤 사진의 색을 머신러닝으로 구분한 결과, 51~100%로 구분했을 때, 낮의 색의 영역이 밤의 색보다 2.45배가량 더 많았다. 낮 class의 색은 white를 중심으로, 밤 class의 색은 black을 중심으로 명도에 따라 분포하였다. 낮 class 70%이상의 색이 647, 밤 class 70% 이상의 색이 252, 나머지(31-69%)가 101개로서 중간 영역의 색의 수는 적고 낮과 밤으로 비교적 뚜렷하게 구분되었다. 낮과 밤 class의 색 분포 결과를 통해 명도로 구분되는 두 class의 경계 색채값이 무엇인지 확인할 수 있었다. KSCA를 활용해 디지털 사진의 빈도를 분석한 결과는 전체적으로 밝은 낮 사진에서는 황색, 어두운 밤 사진에서는 청색 위주의 색이 표현되었음을 보여주었다. 낮 사진 빈도에서는 상위 40%에 해당하는 색이 거의 무채색에 가까울 정도로 채도가 낮았다. 또 white & black에 가까운 색이 가장 높은 빈도를 보여 명도차가 크다는 것을 알 수 있었다. 밤 사진의 빈도를 보면 상위 50% 가량 되는 색이 명도 2(먼셀 기호)에 해당하는 어두운 색이다. 그에 비해 빈도 중위권(50~80%)의 명도는 상대적으로 조금 높고(명도 3-4), 하위 20%에서는 여러 색들의 명도차가 크다. 난색들은 빈도 하위 8% 이내에서 간헐적으로 볼 수 있었다. 배색띠를 보았을 때, 전체적으로 남색을 위주로 조화로운 배색을 이루고 있었다. 본 연구의 색의 분포와 빈도의 결과값은 한국 내의 자연 풍경에 관한 디지털 디자인의 색채 계획에 참고 자료로 활용될 수 있을 것이다. 또한 색 분포를 나눈 결과는 해당색이 특정 디자인의 주조색이나 배경색으로 사용될 경우에 두 class 중 어느 쪽에 더 가까운 색인지에 대해 참고사항이 될 수 있을 것이며, 분석 이미지들을 몇 가지 class로 나눈다면, 각 class의 색 분포의 특성에 따라 분석 이미지에 사용되지 않은 색도 어느 class에 얼마큼 더 가까운 이미지인지 도출할 수 있을 것이다.

• 한국산림과학회지
• /
• 제104권4호
• /
• pp.685-696
• /
• 2015

본 연구는 국립공원의 아름다운 풍경사진을 모집단으로 분류한 22개의 아름다운 산림풍경 유형을 유형별 사진의 매수 비율과 인문자원 유형의 제외 등을 통해 선발한 10개의 풍경유형에 대한 선호경향 도출과 이미지 분석을 위해 실시되었다. 풍경유형의 선호도 평가는 편차치(Z척도)와 일대비교법을 사용하였고, 풍경유형의 이미지 분석은 SD법을 사용하였다. 본 연구의 결과를 요약하면 다음과 같다. 첫째, 편차치와 일대비교법에 의한 풍경유형의 선호도 평가 결과, 각 풍경유형의 요소 및 특성이 다름에도 불구하고 대체로 유사한 경향을 나타내어 평가 결과의 일관성을 확인할 수 있었다. 분석 결과, 임내풍경, 계곡과 바위와 같은 풍경에 대한 선호도가 높게 나타났고, 다음으로 능선 풍경, 기암봉우리의 암릉, 폭포와 절벽 풍경에 대한 선호도가 높았다. 한편 고사목 군락의 풍경은 가장 낮게 평가되었다. 둘째, SD법에 의한 풍경유형의 이미지 평가 결과, 요인 1 '신비로운 매력', 요인 2 '화려한 색감', 요인 3 '생동감 다양함'으로 구분되었다. 각 요인에 대한 풍경유형의 분포를 살펴보면 '신비로운 매력'의 이미지는 능선 풍경으로부터, '화려한 색감'의 이미지는 색으로 표현되는 계절감으로부터, '생동감 다양함'의 이미지는 물과 단풍, 기암봉우리의 동적이고 다양한 변화로부터 기인한 것으로 확인되었다.