Bildsegmentierung und Erkennung von Farben auf Buchcovern

Die automatische Erkennung von Farben auf Bildern ist im Allgemeinen schwierig, da die menschliche Wahrnehmung von Farbe sehr individuell und deshalb nicht universal berechenbar ist. Die einzelnen Farbwerte werden in den meisten Fällen in Gruppen wie Rot, Grün oder Gelb eingeteilt, wobei sich die Elemente innerhalb einer Gruppe oft unterscheiden. Speziell in der Buchbranche werden die aussagekräftigsten Farbgruppen für jedes Buchcover angegeben, da diese Farbinformationen in verschiedenen Bereichen, wie beispielsweise dem Marketing einen großen Mehrwert besitzen und für diverse Werbemaßnahmen eingesetzt werden. Das Ziel dieser Arbeit ist die Erforschung und Bewertung verschiedener Algorithmen zur Segmentierung und Farberkennung mit anschließender Extraktion der stärksten Farben in einem Bild. Dazu werden im Theorieteil verschiedene Methoden zur Farberkennung wie k-means vorgestellt und diskutiert. Die zur Segmentierung genutzten Algorithmen, wie diverse Kantenerkennungen oder Threshold Verfahren, werden ebenfalls diskutiert und ausgewertet. Anschließend wird die Farberkennung mit einer in Vorder- und Hintergrund segmentierten Variante verglichen. Die Einteilung der Bilder in die Segmente Vorder- und Hintergrund imitiert die menschliche Wahrnehmung von Bildern und erlaubt es diese Bereiche separat zu analysieren. Diese Segmentierung optimiert mit angepasster Gewichtung des Vorder- und Hintergrunds die Ergebnisse der Farberkennung. Die gemessenen Beobachtungen zeigen, dass eine Kombination von Farberkennung und gewichteter Segmentierung zu den profitabelsten Ergebnissen führt. Die Segmentierungsalgorithmen werden mithilfe verschiedener Datensets und Gütekriterien beurteilt. Eine anschließende Nutzerstudie soll zeigen, ob die Ergebnisse des gewählten Algorithmus zu einem der menschlichen Wahrnehmung entsprechenden Ergebnis führen. Die Farberkennung wird dabei auf zuvor ausgewählten Bildern angewendet und von verschiedenen Nutzern bezüglich der Qualität bewertet. Aufbauend auf den gewonnenen Ergebnissen der Segmentierung mit entsprechender Gewichtung der einzelnen Farben kann das resultierende Produkt in der Praxis und im speziellem Bereich der Buchbranche eingesetzt werden um die Qualität der Farberkennung deutlich zu steigern. Im praktischen Teil der Arbeit wird deshalb ein Programm entwickelt, das eine automatische Extraktion der kräftigsten Farben auf einem Bild durchführt.