머신비전 응용프로그램 향상, 컬러 카메라가 과연 절대적인 대안인가?

머신비전 카메라를 나누는 데에도 여러 기준이 있다. 그 중 출력되는 결과물의 종류에 따라서는 흑백·모노크롬(단색)·컬러 카메라로 나눌 수 있다. 컬러 카메라는 일견 다채로운 색상을 자랑하고, 실제로 흑백 카메라보다 더 많은 곳에서 쓰일 수 있다. 그래서 사람들은 컬러 카메라가 무조건 최고라고 착각하기 쉽다. 하지만 텔레다인 달사가 제공하는 컬러 카메라에 대한 이야기들을 읽다 보면 그 생각이 조금씩 바뀌게 된다.
자료제공 | Teledyne DALSA(www.teledynedalsa.com)

머신비전은 신속하며 신뢰성 높은 도구로 진화했다. 품질 검사·교통량 검사 및 통제·대상 추적 등 여러 분야에서 사랑받고 있다. 머신비전 시스템은 다양한 응용사례를 통해 사람보다 신속하고 정확하며 저렴한 비용으로 작업을 수행한다.

하지만 기계가 어떻게 색을 ‘볼 수’ 있을까? 특정한 공식에 맞추어 색상을 도입하는 것이 결과물의 품질을 개선하는 데에 도움이 될까? 머신비전 시스템은 카메라로 물체의 영상을 획득하고, 컴퓨터를 통해 해당 개체의 특성을 분석·측정·처리한다. 이렇게 분석한 특징 중에는 색상도 포함된다.

과거 비전시스템은 색상이라는 요소를 많이 사용하지 않았다.  이를 처리하기 위해서는 제품 비용과 전력이 많이 필요했기 때문이다. 하지만 제품 비용이 감소하고 처리 능력이 높아짐에 따라 솔루션 제공업체들은 품질을 높이기 위해 비전시스템을 통해 색상 정보까지 획득·처리하기에 이른다.

이 문서에서는 머신비전이 어떻게 색상 작업을 수행하는지, 오늘날 응용프로그램에 컬러 비전이 어떤 도움을 줄 수 있는지에 대해 설명한다.

컬러 카메라가 더 좋아. 그렇지?
보통 사람들은 흑백 혹은 단색보다 다채로운 색상이 더욱 고급능력이라고 생각한다. 하지만 머신비전의 경우 이 명제가 항상 참인 것은 아니다. 머신비전은 보통 균열이나 흠집 등 결함을 발견하는 역할을 수행하는데, 이 작업에 색상을 분석하는 과정이 꼭 필요한 것은 아니다. 물체가 가지고 있는 표면 밝기의 차이를 분석 및 분별하기만 하면 되기 때문이다.

컬러 카메라보다 흑백 카메라가 더 좋은 능력을 발휘하는 작업에는 몇 가지 종류가 있다. 이를 반대로 말하면, 컬러 이미지가 흑백 이미지에 비해 별다른 이점이 없는 경우 역시 존재한다. 광학 문자 인식(OCR)·광학 문자 확인(OCV)·바코드 판독·계측 및 계량을 비롯해 고해상도의 ‘공간’ 정보를 필요로 하는 응용프로그램들이 이에 해당한다.

기계가 색상을 ‘볼’ 수 있나?
물론 기계가 실제로 색을 볼 수는 없다. 인간이 감지하는 색상에 최대한 가깝게 구현하기 위하여 수학적 모델을 사용할 뿐이다. 기계는 인간이 감지 및 반응하는 자료를 바탕으로 평균적인 색상을 추출·보정할 수 있다. 이를 통해 통제된 환경에서 관찰한 색상을 일관적으로 분석 및 응답한다. 보정 작업을 마친 컬러 비전은 측정은 물론이고 페인트·플라스틱·직물 등의 착색 작업에도 유용하게 쓰인다. 철학적인 의미가 아니고서야 이를 두고 색상을 ‘본다’고 생각하지는 않는다.

머신비전 측정을 논할 때는 비전시스템으로 달성할 수 있는 상대 측정과 사진 분광기 등의 장치로만 측정할 수 있는 절대 측정의 차이를 인지하는 것이 중요하다. 인간의 색각은 조명과 시야의 변화에 적응해 안정적으로 개체의 물리적 특성에 대한 정보를 추출하도록 진화했다.

 예를 들어 과일을 채집할 때에는 조명 조건이 시시각각 변화하는 환경에서도 미숙 혹은 나쁜 열매들과 잘 익은 열매를 구분할 수 있어야 한다. 따라서 인간은 조명 및 시야가 불규칙하게 변화할 때에도 특정 물건을 ‘제외하고 보는’ 기능이 발달했다. 당시 인류는 머신비전 장치를 이용할 줄 몰랐든지 아니면 이를 귀찮아했다.

인간의 시각은 상대적이다. 분석하고자 하는 색 주변의 색이 정확한 인식에 영향을 미치며, 개인과 개인 사이에도 많은 차이가 있다. 또한 인간의 눈은 낮은 해상도를 가지고 있다(사실 텔레비전은 아주 작은 대역폭만 사용해 색상을 전송한다). 따라서 인간의 시각은 좋은 측정 도구가 아니다.

반면 컬러 머신비전은 주변에 인접한 색상에 좌지우지하지 않는다. 기계와 기계 사이에 많은 차이가 나지 않는다. 뿐만 아니라 높은 해상도를 자랑한다. 따라서 인간의 시각보다 더 나은 측정 도구라고 할 수 있다.

언제 컬러 머신비전을 사용해야 하나?
컬러 머신비전을 필요로 하는 응용프로그램은 점차 늘어나고 있는 추세다. 음식 검사, 그 중에서도 과일 정렬이 대표적이다. 화학물질의 농도를 측정하거나 자동차 혹은 전자부품을 조립하고 부품을 확인하는 응용프로그램 역시 컬러 머신비전을 사용한다.

앞서 설명하였듯, 많은 응용프로그램이 색상을 필요로 하지 않는다. 물체의 표면 밝기 차이를 인식하기만 하면 대부분의 검사를 해결할 수 있기 때문이다. 하지만 색상은 개체의 식별을 용이하게 함으로써 작업을 훨씬 쉽게 만들 수 있다. 예를 들어 자동차 퓨즈 상자에서 퓨즈 값을 검사할 때가 그렇다.

그렇다면 색상 기능이 모든 머신비전 응용프로그램에 적용되어야 하는가? 꼭 그렇지만은 않다. 몇몇 기능에 있어서는 흑백 카메라가 컬러 카메라보다 뛰어난 성능을 자랑하기 때문이다. 컬러 머신비전을 사용해야 하는지 긴가민가한 상황에 빠졌을 때는 다음과 같은 질문을 스스로에게 던져볼 수 있다.

1. 개체의 색상을 측정하는 것이 전반적인 품질 관리에 중요한 요소인가?
예를 들어 신호등 감시는 신호등이 내는 빛을 측정해야 하는 분야로, 이 응용프로그램에는 컬러 머신비전이 필요하다.

2. 색상이 물체의 감지나 분리를 용이하게 할 수 있는가?
단색 혹은 흑백 이미지는 때로 개체의 밝기를 애매하게 측정하며, 따라서 물체들을 서로 구분하기 어렵게 만든다.

3. 색상이 제품의 품질을 상대적으로 높일 수 있는가?
일부 머신비전 작업은 흑백 이미지를 사용해서도 잘 수행할 수 있지만, 색상 기능을 추가함으로써 이를 개선할 수 있다. 검사 성공률이 100%에 가깝게 되는 것. 예를 들어 Pharmacode 바코드는 컬러 바 기능을 제공한다.

위와 같은 질문에 ‘예’라고 대답할 수 있다면 머신비전에 색상 기능 추가를 고려하는 것이 좋다.

어떤 응용프로그램에 쓰이나?
색상이 머신비전 응용프로그램의 일부가 되어야 하는지 여부를 결정하는 데에 도움이 되는 몇 가지 실제 사례를 살펴보자. 음식 분야는 모두가 최고의 검사를 달성해야 한다고 암묵적으로 동의하고 있는 분야 중 하나다. 음식 분야 소비자는 매일, 매 순간 구매하는 음식의 품질과 일관성에 대해 판단하고 있기 때문이다.

과일 같은 경우, 색상을 통해 제품의 품질을 손쉽게 판단하고 분류할 수 있다(부스럼투성이 오렌지나 노란색이 반쯤 섞인 라임을 구매하고자 하는 이는 없을 것이다). 곡물 및 콩류의 경우 제품 분류 과정 중에서 이물질을 구분함으로써 고품질 제품 생산에 도움을 준다. 육류 가공 분야에서 머신비전은 부패 및 손상 여부를 감지하고 지방·뼈·연골을 자동으로 감지해 분류하는 역할을 한다. 사실 컬러 머신비전은 ‘Build’ 품질 피자를 만들고 검사하는 데에도 쓰인다.
식품 분야에서 흑백 카메라는 재료나 구성요소의 밀도가 적절한지 알려주는 작업을 수행한다(양이 충분하고 적절히 분산되어있는지 등을 알려준다). 하지만 흑백 이미지로 다진 재료를 서로 구분하는 것은 매우 어렵다. 오렌지와 풋고추 그리고 빨간 고추를 구분하고자 할 때, 컬러 영상으로는 과제를 수행하기 쉽지만 흑백 영상은 구분이 어렵다.

지능형 교통시스템(ITS)에서도 컬러 비전시스템이 쓰인다. 번호판 인식·속도나 신호등 등 위법 여부 검사·교통량 감시 및 통제는 물론, 철도 차량 검사와 같은 자동차 이외의 교통시스템에도 쓰인다. 최근 들어 ITS 분야에서 머신비전 시스템의 활용사례가 점점 늘어나고 있다.
흑백 머신비전은 구성요소에 처리 알고리즘만을 적용하는 역할을 하지만, 컬러 머신비전은 궁극적으로 시각화를 위해 쓰인다. 번호판 인식 분야에서는 아직까지 흑백 머신비전을 사용해 정보를 수집하는 경우가 많지만, 법원에 증거를 제출하는 등 법적인 목적을 수행하기 위해서는 컬러 영상이 필수적이다.

그 외에도 자동차·PCB 검사·인쇄 검사 등 지금까지 흑백 머신비전이 담당하던 영역들 역시 결과물의 품질을 높이기 위해서 컬러 머신비전으로 대체할 수 있다.

컬러 머신비전의 종류는?
대부분의 컬러 머신비전은 하드웨어와 소프트웨어를 결합해 색상을 감지한다. 현존하는 대부분의 하드웨어 솔루션으로 어느 한 지점이나 영역의 색상을 측정할 수 있다.

최근 정교하고 복잡한 감지 시스템은 소프트웨어에 조금 더 많이 의존하고 있는데, 소프트웨어가 디자이너 및 사용자에게 더 나은 유연성을 제공할 수 있기 때문이다.

머신비전에는 주로 3CCD, 트라이리니어 및 컬러 필터 어레이(CFA) 등의 방식이 쓰인다. 3CCD는 우수한 색상 위치 맞춤 기능을 가지고 있으며 대부분의 응용프로그램에 적용할 수 있다. 하지만 디자인 특성상 비용이 높다.

트라이리니어는 높은 성능과 낮은 비용을 동시에 만족하는 방식이다. 최대 16K 픽셀 폭의 높은 해상도를 바탕으로 평면 검사를 비롯한 정밀도를 요구하는 여러 응용프로그램에서 활약한다. 하지만 회전하거나 무작위로 이동하는 등의 일부 응용프로그램에서 공간보정을 제대로 수행할 수 없다는 단점이 있다.

마지막으로 CFA 카메라는 낮은 비용을 자랑하는 솔루션이다. 하지만 앞서 말한 두 가지 방식에 비해 색상 정밀도가 떨어지는 경향이 있다. 주로 로우엔드 응용프로그램에서 사용된다. 단, CFA 카메라로 색상 성능을 최적화하기 위해서는 CFA 패턴은 물론 알고리즘 전반적인 이해가 필요하다.

3CCD와 CFA 카메라는 에어리어스캔(2D)과 라인스캔(1D) 중 어느 영역에라도 적용할 수 있지만, 트라이리니어 센서는 라인스캔에만 적용할 수 있다.

센서별 특징은?
3CCD 컬러 카메라는 컬러 프리즘 기반 간섭 필터를 사용해 색상을 선택한다. 빨강(R)·초록(G)·파랑(B)이라는 세 기본 요소로 받아들인다. 동일한 개체에서 세 가지 색상을 추출하는 것. 이때 카메라에 탑재된 세 CCD가 각자 한 가지 색상씩을 받아들이며, 세 개의 CCD가 각자 출력한 영상을 결합해 재구성하는 방식을 사용한다.

반면 트라이리니어 컬러 카메라는 세 개의 센서가 한 제품 안에 선형으로 배치되어 들어있다. 각각의 센서에 R·G·B 컬러 필터 코팅이 되어있는 것. 이들 필터를 이용해 염료나 색소의 색상을 흡수한다. 트라이리니어 카메라에 있는 세 개의 리니어는 시야에서 약간 어긋난 물체도 검출할 수 있다. 단, 색상 이미지를 재구축하기 위해 공간 보정이 필요하다.

CFA 컬러 카메라 역시 트라이리니어 카메라와 마찬가지로 센서에 R·G·B 필터 코팅이 되어있다. 하지만 CFA 컬러 카메라는 픽셀당 한 가지의 색상을 취하며, 인접한 색상을 번갈아 획득하는 것이 차이점이다.

텔레다인 달사가 출시한 Genie·Falcon·Piranha·Spyder 컬러 카메라는 모두 CFA 혹은 트라이리니어 기술을 기반으로 하고 있다. 스파이더 라인스캔 카메라를 예로 들어보면, ‘듀얼 라인’이라고 불리는 타입의 CFA 센서를 장착해 녹색에 해당하는 주파수 영역에서 높은 품질을 보장하며 픽셀 크로스토크 현상 역시 타 센서에 비해 낮아 인접한 색끼리 섞이는 일이 적게 일어난다.

카메라로 색을 정확히 재현하는 방법은?
색에 대한 개념은 결국 지각 혹은 인지의 문제다. 인간의 눈은 색상 인식에 있어 일관적인 편이다. 하지만 카메라는 그렇지 않다. 인간의 색체 항등성(Color constancy)은 조명과 관계없이 같은 색상을 인식하는 기능인데, 카메라가 이런 기능을 탑재하고 있을 리 만무하다.

이에 대한 대안으로 컬러 카메라는 색 보정 기능을 장착했다. 이 기능은 서로 다른 광원 및 색온도에서도 작동할 수 있도록 구성된 색상계수가 특징이다. 색 보정을 통해 실생활에서 인식하는 것과 같은 색상 값을 출력할 수 있다.

더 높은 정밀도를 원한다면 보정 차트를 통해 현장에서 추가적으로 보정할 수도 있다. 일반적으로 Gretag-Macbeth 컬러 차트가 유명하다. 이러한 교정 작업은 특정 광원을 사용했을 때 카메라의 정확한 측정 및 출력을 돕는다.

컬러 머신비전의 미래는?
자동영상협회(AIA)가 머신비전 시장을 조사한 결과, 2011년 말까지 판매된 영상 응용프로그램용 카메라의 약 20%가 컬러 카메라였다. 현장에서 활동하는 전문가들은 컬러를 활용하는 제품들이 머신비전 안에서 영역을 점차 넓혀갈 것이라고 입을 모은다.

색상은 흑백 및 단색 카메라보다 시각적으로 훨씬 더 세부적인 정보를 제공하며 현실 세계에서 데이터를 분석하는 데 있어 새로운 차원을 열어준다. 예를 들어, 컬러 머신비전은 은행에서 지폐를 분석 및 처리하는 역할을 하고 있다. 몇몇 아시아 국가에서는 수표에 도장을 찍기보다는 사인을 많이 하는 편인데, 이를 면밀히 검사하기 위해서는 컬러 머신비전이 필요하다. 교통 감시 분야에서는 신호등의 색은 물론 번호판 배경과 같은 개인적인 정보를 식별하는 데에도 도움을 준다.

텔레다인 달사는 트라이리니어 및 CFA 기술 모두를 개발하고 있으며, 다양한 산업에 고성능 컬러 카메라를 공급하고 있다. 지금 시장은 더 나은 색상 정밀도와 낮은 비용 그리고 사용 편의성을 요구하고 있으며, 텔레다인 달사가 개발 중인 새로운 기술들은 이러한 요구를 충족한다.

이 문서의 편집된 버전은 Photonics Spectra의 2012년 10월호에 게재된 바 있다.