이미지 품질의 평가

글│Christoph Czeranowsky 박사/선임 시스템 개발자
Michael Schwar/선임 Product Manager

‘만족스러운 이미지 품질’이란 어떤 것을 의미하는가? ‘좋은’ 이미지와 ‘나쁜’ 이미지는 정확히 어떻게 구분할까? 산업용 카메라의 이미지 품질 측정 방법과 평가 기준은 무엇인가?
이 글에서는 화상 처리에 있어서 이미지 품질과 관련 모델을 비교하려고 한다. 특히 선명하고 높은 명암, 정확한 디테일, 바래지 않는 색상, 그리고 무엇보다도 낮은 노이즈의 사진을 얻기 위한 여러가지 속성들을 정확히 비교하는 방법을 소개하고자 한다.

1. 이미지 비교 : 객관적 품질 평가

위의 사진을 처음 본 느낌은 어떠한가. 왼쪽 이미지는 밝고 선명하며 높은 명암을 갖고 있는 반면 오른쪽 이미지는 어둡고 다소 흐릿하다. 결과는 왼쪽 이미지가 더 낫다는 것이 명확해 보인다. 아니면, 좀 더 꼼꼼히 검토할 필요가 있을까. 첫 인상이 객관적 테스트에 적합할지 이미지를 정밀 분석해 보려고 한다.

2. 디지털 게인을 통한 이미지 개선

디지털 게인을 이용하면 이미지의 밝기를 바꿀 수 있다. 살짝 표면적으로 보면 대부분의 경우 이미지가 밝을 수록 어두운 것보다 만족스러워 보인다. 디지털 게인은 픽셀의 그레이 값에 곱하는 인수를 지정하는 카메라의 기능이다. 예를 들어 디지털 게인을 6db로 설정하면(인수 2) 이미지의 모든 그레이 값이 두 배 밝아 보일 수 있다. 다시 말해, 모든 이미지를 더 밝게 만들 수 있다.
하지만 밝기에 밀접한 관련이 있는 것이 이미지 노이즈이다. 밝기가 증가하면 동일한 한도로 노이즈도 증가한다. 디지털 게인을 통해 바꿀 수 없는 것이 신호대잡음비(SNR)이며 이에 따라 이미지의 개별 특성도 바꿀 수 없다.

2.1 이미지 노이즈 및 SNR
노이즈는 어떻게 나타나며 이미지 품질에 어떠한 영향을 미칠까.
이상적인 카메라 센서라면 특정 빛의 양을 명확히 예측할 수 있는 양의 전기 신호로 변환할 것이다. 안타깝게도 모든 신호 처리에는 신호 변동, 즉 노이즈가 따라오기 때문에 이러한 이상적인 센서는 존재하지 않는다. 중요한 전자 부품의 노이즈는 방사된 빛의 양과는 상관이 없다. 따라서 어둠 속에서도 이미 존재하며 다크 노이즈(Dark noise)라 부른다. 다크 노이즈는 장착된 센서와 카메라 전자 회로뿐 아니라 부품의 온도와 기타 외부 간섭 요인의 영향도 받는다. 신호에 노이즈가 포함되어 있을 경우 소프트웨어를 통해 노이즈를 줄일 수 있지만 이것은 계산이 많이 필요하며 높은 프레임 속도에서는 거의 불가능하다. 그러므로 처음부터 노이즈 발생을 막는 것이 좋다. 예를 들면 다음과 같은 일을 할 수 있다.

▲카메라에 높은 등급의 센서와 전자 부품을 사용한다.
▲카메라 조립 시 우수한 전자 회로 구조에 초점을 맞춘다.
▲카메라의 센서 및 다른 아날로그 부품의 온도를 낮게 유지한다.
▲신호에 대한 주변 노이즈의 간섭 효과를 예방하도록 주의한다(예 : 차폐 케이블 사용).

두 번째 노이즈는 빛 자체의 노이즈이다. 통계학적 변동으로 인해 특정 시점에 특정 표면에 충돌하는 광자 수는 광자 수의 제곱근에 해당하는 변화를 보인다. 이러한 변화를 광 노이즈(Light noise) 또는 포톤 샷 노이즈(Photon shot noise)라 한다. 센서의 양자 효율을 이용해 이 노이즈는 센서에 의해 생성된 전자의 노이즈로 변환될 수 있다. 이 때, 전자의 개수 ne-(즉, 센서의 신호) 역시 전자 개수의 제곱근 √ne-에 해당하는 변화를 보인다.
신호대잡음비(SNR)는 신호와 노이즈 사이의 관계를 측정한다. SNR은 비율(예 : 20 대 1) 또는 데시벨(dB)로 표시된다.
위의 설명에서와 같이 카메라의 디지털 게인은 그레이 값 신호뿐 아니라 이미지 노이즈에도 비슷한 영향을 준다. 하지만, SNR에는 전혀 영향을 주지 않는다.

이미지의 노이즈도, 밝기도 이미지 품질 평가의 핵심 기준은 아니다. 유일무이한 결정적 특성은 바로 두 가지 인수의 서로에 대한 비율, 즉 신호대잡음비이다. 디지털 게인을 이용하더라도 SNR은 전혀 바뀌지 않는다.

2.2 빛과 노이즈
빛의 양은 이미지 노이즈와 밀접한 관계가 있다. 이용할 수 있는 빛의 양이 많다면 픽셀이 가능한 가장 많은 광자를 처리하는 것, 즉 많은 수의 전자를 저장할 수 있는 것이 중요하다(높은 새츄레이션커패시티). 하지만 빛의 양이 부족할 경우에는 픽셀이 가능한 한 많은 수의 광자를 포집할 수 있어야 하므로 넓은 픽셀 면적이 필요하고 광자를 전자로 효과적으로 변환할 수 있어야 한다(높은 양자 효율). 빛의 양이 적을 수록 낮은 다크 노이즈가 중요해진다.

시나리오 1 : 빛의 양이 충분한 경우의 촬영(새츄레이션커패시티 및 다크 노이즈 효과):
빛의 양이 충분한 경우에는 다크 노이즈가 이차적인 역할만 한다. 이 예에서와 같이 다크 노이즈가 두 배 증가하더라도 SNR 감소율은 3% 미만에 그친다. 하지만 저장된 전자 개수가 반감된다면(예:새츄레이션커패시티가 낮음) SNR은 31%까지 감소한다.

시나리오 2 : 빛의 양이 아주 적은 경우의 촬영(다크 노이즈 효과):
사진을 촬영할 때 아주 적은 빛만 이용할 수 있다면 다크 노이즈의 영향이 커진다. 이 예에서와 같이 다크 노이즈가 두 배 증가하면 신호대잡음비는 약 30% 악화된다. 하지만 새츄레이션커패시티는 생성된 전자의 개수가 새츄레이션커패시티보다 훨씬 적기 때문에 어두운 경우에는 관련이 없다.

빛이 충분한 경우, 픽셀의 높은 새츄레이션커패시티가 도움이 되며 다크 노이즈의 역할은 작아진다. 하지만 어두운 조건에서는 다크 노이즈의 영향이 커지는 반면 새츄레이션커패시티는 중요하지 않다.

3. 이미지 품질 평가(ImageJ 샘플 사용)

머신 비전과 관련된 이미지 품질을 평가할 때 현실적인 가능성은 ImageJ와 같은 이미지 분석 툴을 사용하는 것이다. 이 툴은 이미지를 표시, 편집 및 분석할 수 있는 무료 프로그램이다. 예를 들면, 명암을 보정하고 이미지 밝기를 변경하고 막대 그래프 형태로 픽셀 그레이 값을 표시한다.

두 대의 카메라나 서로 다른 센서의 이미지 품질을 평가하려면 먼저 같은 조건에서 이미지를 촬영해야 한다. 해당 이미지가 ImageJ에 로드된다.
그러면 사용자가 이미지에서 가능한 한 동일한 영역을 찾은 뒤 ImageJ를 이용해 선택 사각형을 배치한다.
다음으로, 키 조합(Ctrl+H)을 통해 이미지 부분의 막대 그래프를 생성한다.
이미지 부분을 선택할 때 반드시 사각형 안의 평균 그레이 값(ImageJ에서 ‘mean’이라 부름)이 포화 범위 안(>200)에 있지만 어떤 픽셀도 동시에 포화되지 않도록 해야한다(최대값 <255).

4. 다양한 카메라의 이미지 품질 평가

이미지 평가에서 중요한 기준에 대한 이 평가에 이어, 이들 이미지를 생성하기 위한 최상의 방법을 설명한다.

4.1 양쪽 사례에서 비슷한 조건을 만들려면 어떻게 해야 하는가.
양쪽 카메라의 센서 크기가 같다면 완벽히 비슷한 조건을 만들 수 있다. 그리고 양쪽 카메라에서 다음 조건들이 같아야 한다.

▲검토 대상 피사체
▲조도
▲카메라와 피사체 간 거리
▲노출 시간
▲이미지 영역
▲렌즈
▲렌즈의 f값

하지만 양쪽 카메라의 센서 크기가 다를 경우 피사체와 카메라 사이 거리, 렌즈 또는 이미지 영역도 바뀌어야 한다.
4.2 두 가지 방법
무엇을 바꾸고 무엇을 그대로 둘 것인지는 비교할 것이 무엇인지에 따라 달라진다. 여기에서는 두 가지 가능성이 있다.
첫째, 가능한 한 객관적으로 동일한 조건 하에서 두 대의 카메라나 센서를 비교한다.
둘째, 시스템에서 나중에 조작할 수 있는 조건에서 두 대의 카메라를 비교한다.
만일 첫 번째에서 기술한 바와 같이 두 대의 카메라를 서로 비교한다면, 특정 이미지 영역만 테스트한다면 피사체의 조도가 바뀌지 않기 때문에 거리 또는 이미지 영역과 관련된 융통성을 가질 수 있다.
이미지를 관찰하는 거리에 따라 이미지의 디테일이 더 크거나 작게 보일 수 있지만 이로 인해 최종 SNR이 바뀌지는 않는다.
두 번째 방식에 따라 실제 조건 하에서 비교하려 한다면(즉, 애플리케이션에서와 같은 조건에서 비교) 대부분의 경우 거리와 이미지 영역이 고정된다. 따라서 렌즈 변경이 필요하다. 결국 카메라나 센서만 비교하기 보다는 카메라와 센서가 결합된 전체 시스템을 비교하게 된다.
이상적인 방법은 비교 목적이라면 나중에 실제로 사용할 렌즈를 이용해 비교하는 것이다.

5. 추가 요인

5.1 빛의 양
동일한 센서 기술과 크기의 카메라를 비교한다면 같은 광원을 사용하기만 하면 빛의 양(즉, 셔터가 열리는 즉시 센서의 표면에 부딪혀 전자로 변환되는 광자의 개수)을 쉽게 비교할 수 있다. 이를 통해 촬영할 때의 빛의 양과 관련해 이미지를 비교할 수 있게 된다.

5.2 센서 크기, 픽셀 개수 및 픽셀 크기
센서는 카메라의 심장과 같고 가장 비싼 부품이다. 하지만, 센서의 크기는 가격과 관련된 문제일 뿐 아니라 처리할 수 있는 빛의 양을 결정하는 요소이기도 하다.
최신 산업용 카메라는 다양한 포맷을 제공한다.
센서 크기
센서 크기는 이미지 품질에 있어 중요한 요소이다. 간단히 말하면 센서가 클 수록 이미지 품질이 높아진다. 하지만 센서 크기만 중요한 것은 아니며 픽셀 개수, 그리고 결국 픽셀 크기 역시 품질을 좌우하는 요소이다.

픽셀 개수
픽셀 개수는 백만 픽셀(MP)을 단위로 측정하며 이는 센서 표면의 픽셀 개수를 나타낸다. MP 숫자가 높을 수록 해상도가 높아진다. 픽셀 개수가 많을 수록 얻게 되는 이미지 품질이 좋아진다는 자주 인용되는 가이드 라인은 제한된 범위 안에서만 맞는 말이다. 센서 표면에 픽셀이 너무 많으면 노이즈가 심해져 결과적으로 이미지 품질에 부정적인 영향을 준다.

픽셀 크기
픽셀 크기는 하나의 픽셀이 포집할 수 있는 빛의 양을 결정하는 요소이다. 5μm 픽셀(한 변의 길이가 5μm인 사각형 픽셀)은 2.5μm 픽셀 대비 4배의 표면적을 갖는다. 또한 네 배 더 많은 빛을 포집해 어두운 조건에서 뚜렷한 장점을 갖는다.

오늘날, 3.5μm부터 6μm 사이 크기의 픽셀은 예전에 10μm 픽셀에서나 얻을 수 있었던 것과 동일한 출력을 제공한다. 이로 인해 광 민감도와 고해상도 간의 충돌 문제가 상당히 해결된다. 고해상도 센서 및 인기 있는 센서들의 픽셀 크기 범위는 2.2μm부터 1.4μm 미만까지이다. 이들 센서는 높은 해상도를 제공하지만 표면적이 작아 광 민감도가 낮다.
아울러, 이들 센서는 가전 시장의 디지털 카메라에도 사용되고 있다. 일안 반사식 카메라(SLR)와 컴팩트 카메라 비교: SLR에는 훨씬 큰 센서가 달려 있어 보다 많은 빛을 흡수할 수 있어 어두운 조건에서 훨씬 나은 성능을 제공한다. 컴팩트 카메라는 햇빛과 같이 적당한 빛이 있는 경우 좋다. 어두운 조건의 실내에서 사용하면 적당한 빛을 얻기 위해 바로 플래시가 작동한다.

5.3 다이내믹스
카메라의 다이내믹레인지는 이미지의 노이즈 이상에서 식별할 수 있는 가장 강한 신호와 가장 약한 신호 사이의 비율을 나타낸다. 이미지에서 가능한 그레이 값을 결정하여 이미지 품질에 직접적인 영향을 준다.
중요한 것은 다양한 광 조건에서의 카메라의 다이내믹레인지이다. 다이내믹레인지가 넓으면 밝은 영역과 어두운 영역이 섞여 있는 이미지의 디테일을 구분할 수 있다. 교통 관제 시스템에서의 카메라 사용 사례가 좋은 예가 될 수 있다. 이런 경우에는 무엇보다 교통 위반 증거 자료로 사진이 사용된다. 이런 사진에서는 운전자뿐 아니라 차량의 번호판까지 식별된다. 사용하는 조명에 따라 번호판은 빛이 강하게 반사되지만 운전자 주변은 어둡게 나타난다.
이러한 밝기 차이에 상관없이 모든 관련 디테일을 구분할 수 있도록 하려면 카메라가 가능한 최대한의 다이내믹레인지를 갖고 있어야 한다. 이런 면에서 볼 때, 이미지의 밝은 영역 디테일과 어두운 영역 디테일을 쉽고 분명하게 식별할 수 있다면 이미지 품질이 좋다고 말할 수 있다.

5.4 해상도
카메라의 데이터시트에 "백만 픽셀"이라는 사양이 적혀 있다면 실제로 의미하는 것은 센서 표면의 픽셀 개수이다. 하지만 실제 해상도는 카메라, 렌즈 및 피사체까지의 거리 모두에 의해 좌우된다.
따라서 픽셀 개수(4 MP)는 센서에 최적인 렌즈와 최적의 위치에 배치된 피사체를 통해 카메라가 구현할 수 있는 해상도를 알려 주는 참고 자료로만 사용된다.

5.5 명암 및 샤프니스
이미지의 밝은 영역과 어두운 영역 간에 광학적으로 인지할 수 있는 차이가 명암을 구성한다. 이미지에 아주 밝은 영역과 함께 아주 어두운 영역들도 섞여 있으면 이미지의 명암 범위가 높은 것이다.

5.6 색상 오류
이미지 품질 결정의 또 다른 기준은 색상 표시 품질이다. 카메라 이미지와 원본 사이에 차이가 나타날 수 있다. 예를 들어, 이미지에서 녹색 화소가 빠지면 자주색을 띤다. 원본과 카메라 이미지 사이의 색상 차이가 색상 오류의 양이다. 사람의 눈은 머신 비전 센서와는 분명히 다르게 색을 흡수한다는 점을 주목해야 한다.
사람의 눈은 카메라 센서에 비해 녹색 범위에서 더 민감하다.

눈이 인식하는 색상으로 카메라의 색상 표시를 보정해 실감나게 표현하려면 카메라가 색상 보정을 수행해야 한다. 필요한 색상 보정은 기존의 빛에 좌우된다. Basler는 소프트웨어 툴을 이용해 이 빛에 따라 카메라를 정밀 보정한다. 이러한 Basler 색상 보정 툴에 대해서는 Basler 고객 서비스팀에 문의하면 된다.

자료제공 | 바슬러코리아(www.baslerweb.com)

Basler 소개

Basler는 산업 및 비디오 감시 애플리케이션, 의료 장비 및 교통 시스템을 위한 디지털 카메라 생산에서 선도적인 자리를 차지하고 있는 글로벌 제조업체이다. Basler의 제품은 업계의 요구 사항에 따라 디자인되며, 용이한 통합, 작은 크기, 우수한 화질과 우월한 가성비를 제공하고 있다. Basler는 1988년에 설립되어 비전 기술에서 25년 간의 경험을 쌓아왔으며, 15년 동안 고품질의 디지털 카메라를 설계 및 제조하고 있다. 400여명의 직원이 독일 아렌스부르크의 본사와 미국, 싱가포르, 타이완, 중국, 일본, 한국의 지사에 근무중이다.

2014년도 Basler 사업 결산 보고

산업용 카메라의 글로벌 선도 제조업체인 Basler AG가 지난달 2014년도 연간 결산 감사 자료를 발표했다.
그룹 매출은 2014 회계년도에 7920만 유로로 22% 증가했다(전년도: 6510만 유로). 총수익률은 전년도의 49.9%에 이어 51.8%로 증가했으며 그룹의 세전 이익 (EBT) 은 1110만 유로 (전년도: 780만 유로) 로 42% 증가했다. 이러한 결과를 통해 회사에서 앞서 제시한 실적 목표의 상한을 달성했다고 보고했다.
2014년에 Basler AG는 회사의 25년 역사에서 최고의 실적을 달성했는데 이러한 배경을 바탕으로 Basler AG는 금년 주주총회에서 주당 70센트의 배당을 제안할 예정이다.
Basler 그룹은 2015 회계년도 중에 매출이 8100만 유로에서 8400만 유로 정도로 증가할 것으로 예상하고 있고 산업용 카메라 시장에서의 매력적인 성장 기회 덕택에 향후의 매출 성장에 대한 투자는 중단 없이 지속될 것으로 전망된다.
Basler 그룹은 2015년에는 처음으로 회사 매출이 거의 카메라 사업에서 창출되며 이를 통해 2014년에 시스템 사업에서 올렸던 약 500만 유로의 매출을 보충할 것이라고 밝혔다.