혼합 조명에서 화이트 밸런스를 보정하는 방법 — Magic Eraser
텅스텐과 일광, 형광등과 자연광, LED 색상 오염 등 혼합 조명이 있는 사진의 화이트 밸런스 문제를 해결하세요. 자연스러운 결과를 위한 AI 기반 보정.
Product Marketing
검토자 Magic Eraser Editorial ·
혼합 조명은 사진에서 가장 흔한 화이트 밸런스 문제이며, 전통적인 카메라 설정이 가장 취약하게 대처하는 부분입니다. 따뜻한 텅스텐 테이블 램프와 창문을 통해 들어오는 차가운 일광이 함께 방을 비출 때, 카메라는 전체 프레임에 대해 단 하나의 화이트 밸런스만 설정할 수 있습니다. 텅스텐에 맞추면 일광 영역이 파랗게 변합니다. 일광에 맞추면 텅스텐 영역이 주황색으로 변합니다. 모든 사진은 적어도 일부 영역에 명백한 색조가 남는 타협의 결과입니다.
문제는 현대적인 조명에서 더욱 악화됩니다. LED 패널, 형광등, 나트륨 증기 가로등. 콤팩트 형광 전구는 각각 단순한 색온도 조정으로 대응할 수 없는 서로 다른 스펙트럼 특성을 가지고 있습니다. 형광등은 텅스텐 화이트 밸런스로 보정할 수 없는 녹색 스파이크가 있습니다. 저가형 LED 패널은 디머 설정에 따라 예측할 수 없게 변하는 마젠타 또는 녹색 색조를 만듭니다. 하나의 방에 서로 다른 세 가지 또는 네 가지 광원이 있을 수 있으며, 각각 사진의 다른 영역을 다른 색조로 오염시킵니다.
AI 화이트 밸런스 보정은 이미지의 각 영역을 개별적으로 처리함으로써 전통적인 보정의 근본적인 한계를 해결합니다. 하나의 전역 색온도 변화를 적용하는 대신, AI는 서로 다른 광원이 비추는 영역을 식별하고 각 영역에 올바른 보정을 개별적으로 적용합니다. 왼쪽에서 텅스텐, 오른쪽에서 일광이 비추는 피사체는 따뜻한 쪽과 차가운 쪽 보정이 중간에서 자연스럽게 만나, 단일 화이트 밸런스 설정으로는 결코 달성할 수 없었던 통일된 중립 조명을 만들어냅니다.
- AI는 일부 영역에 잘못된 색조가 남는 단일 전역 색온도 변화 대신, 이미지의 여러 영역에 영역별 화이트 밸런스 보정을 적용합니다.
- 형광등의 녹색 스파이크, 특정 LED 패널의 마젠타 색조, 단순한 색온도 슬라이더로 해결할 수 없는 나트륨 증기 광원의 짙은 주황색을 인식하고 보정합니다.
- 얼굴의 다른 쪽에서 다른 광원에 의해 오염된 피부 톤을 정규화하여 자연스럽고 통일된 결과를 만듭니다.
- 의도된 따뜻하거나 차가운 조명 분위기는 유지하면서 혼합 광원이 만드는 부자연스러운 색조만 제거합니다.
- 수동 화이트 밸런스 제어가 제한적이거나 불가능한 스마트폰을 포함한 모든 카메라의 사진에서 작동합니다.
혼합 조명이 단일 설정 화이트 밸런스를 무력화하는 이유
색온도는 단순화된 개념입니다. 카메라 화이트 밸런스는 전체 장면이 알려진 스펙트럼 분포를 가진 단일 광원에 의해 비춰진다고 가정합니다. 일광은 5500K, 텅스텐은 3200K, 형광등은 4000K입니다. 5500K로 설정하면 카메라는 빨간색과 파란색 채널에 균일한 변화를 적용하여 일광이 비추는 흰색이 중립적으로 보이게 만듭니다. 하지만 장면의 절반이 3200K 텅스텐으로, 나머지 절반이 5500K 일광으로 비춰질 때, 어떤 단일 변화로도 둘 다 보정할 수 없습니다. 일광 쪽을 따뜻하게 만드는 텅스텐 보정은 텅스텐 쪽을 더욱 따뜻하게 만듭니다. 텅스텐 쪽을 차갑게 만드는 일광 보정은 일광 쪽을 더욱 차갑게 만듭니다.
형광등과 LED 조명은 스펙트럼 출력이 매끄러운 흑체 곡선이 아니기 때문에 문제를 더욱 악화시킵니다. 텅스텐과 일광은 주로 따뜻한 파장과 차가운 파장의 비율에서 차이가 나는 안정적인 스펙트럼을 생성합니다. 형광등은 특정 파장에서 강한 피크를 가진 뾰족한 스펙트럼을 생성합니다. 주로 546나노미터 부근의 두드러진 녹색 스파이크로, 어떤 색온도 조정으로도 중화할 수 없습니다. 녹색 스파이크를 보정하려면 온도 보정 외에도 마젠타 색조 변화가 필요합니다. 그 양은 튜브 유형과 사용 기간에 따라 다릅니다.
현대적인 LED 조명은 훨씬 더 많은 가변성을 도입합니다. LED 패널의 스펙트럼 출력은 제조업체가 사용하는 특정 형광체 혼합에 따라 달라집니다. 저가형 패널은 종종 스펙트럼에 갭이나 스파이크가 있어 사진에서만 보이는 색조를 만듭니다. 육안으로는 동일한 흰색으로 보이는 두 개의 LED 패널이 사진에서는 눈에 띄게 다른 색조를 생성할 수 있습니다. 카메라 센서는 전체 스펙트럼에 반응하는 반면 인간의 시각은 적응하고 보상하기 때문입니다. 이것이 이벤트 사진작가들이 LED, 형광등, 텅스텐 광원이 혼합된 장소를 두려워하는 이유입니다.
- 카메라 화이트 밸런스는 단일 광원을 가정합니다. 두 개 이상의 광원이 다른 영역을 비출 때, 어떤 단일 설정으로도 전체 프레임을 보정할 수 없습니다.
- 형광등은 색온도 슬라이더로 중화할 수 없는 스펙트럼 스파이크(특히 546nm의 녹색)를 생성합니다. 별도의 색조 보정이 필요합니다.
- LED 패널은 제조업체별 형광체 혼합에 따라 달라져 육안에는 보이지 않지만 인간의 시각처럼 적응하지 못하는 카메라 센서에 포착되는 색조를 만듭니다.
- LED, 형광등, 텅스텐 광원이 혼합된 이벤트 장소는 실제 사진에서 가장 극단적인 혼합 조명 문제를 만듭니다.
AI가 영역별 색상 보정을 달성하는 방법
AI 화이트 밸런스 보정은 이미지 전체에서 알려진 색상 속성을 가진 물체를 식별하고 이를 분산 보정 지점으로 사용하여 작동합니다. 형광등 영역의 흰색 천장 타일, 텅스텐 영역의 흰색 셔츠, 창문을 통해 보이는 흰색 눈밭은 각각 해당 영역에 어떤 색상 변화가 있는지 AI에 알려줍니다. 그런 다음 AI는 이 보정 지점 사이를 보간하여 위치와 도달하는 조명에 따라 모든 픽셀에 올바른 조정을 적용하는 공간 가변 보정 맵을 생성합니다.
AI는 의미론적 이해를 사용하여 보정을 개선합니다. 인종에 관계없이 인간의 피부가 상당히 좁은 범위의 자연색을 가지고 있고, 녹색 초목이 특정 색조 범위 내에 속한다는 것을 알고 있습니다. 하늘은 녹색이나 주황색이 아니어야 한다는 것을 압니다. 이러한 의미론적 앵커는 중립 물체 감지를 보완하여 흰색이나 회색 물체가 없는 영역에서도 보정 데이터를 제공합니다. 한쪽은 텅스텐, 다른 쪽은 창문 빛으로 비춰지는 초상화 피사체는 근처에 중립 참조 물체가 없어도 양쪽 모두 자연스러운 피부 톤으로 보정됩니다.
가장자리 처리는 AI 보정이 수동 방법보다 뛰어난 주요 부분입니다. 두 광원이 겹치는 전환 영역, 한쪽은 창문, 다른 쪽은 위의 형광등이 비추는 방의 중간 지점은 혼합 조명의 부드러운 그라데이션을 가지고 있습니다. AI는 이 조명 전환에 맞는 부드러운 보정 그라데이션을 만들어 수동 분할 보정 방법이 자주 생성하는 눈에 띄는 경계선을 방지합니다. 결과는 원래 조명이 심각하게 문제가 있었더라도 자연스럽게 조명된 것처럼 보이는 사진입니다.
- 분산 중립 물체 감지는 이미지 전체에 보정 지점(흰색 천장, 회색 직물, 중립 벽)을 생성하여 영역별 보정 매핑을 가능하게 합니다.
- 피부 톤, 초목, 하늘 색상에 대한 의미론적 이해는 중립 참조 물체가 없는 영역에서 보정 앵커를 제공합니다.
- 조명 전환 영역 전반의 부드러운 보정 그라데이션은 수동 분할 보정 기술이 일반적으로 생성하는 눈에 띄는 경계선을 방지합니다.
- AI는 전체 이미지를 동시에 처리하여 한 영역의 보정이 인접 영역과 자연스럽게 혼합되도록 하고 패치워크 색상 변화를 방지합니다.
실제 시나리오와 구체적인 보정 과제
사무실 및 회의실 사진은 가장 보편적으로 마주치는 혼합 조명 문제를 제시합니다. 위의 형광등 패널은 위에서 녹색 빛을 비추고 한쪽 벽의 창문은 측면에서 차가운 일광을 제공합니다. 디스플레이 화면이나 모니터는 가까운 얼굴에 파란색 조명을 추가합니다. 이 환경에서 단체 사진은 머리 위에 녹색 색조, 화면에 가장 가까운 얼굴에 파란색 색조가 나타납니다. 창문 빛이 지배적인 위치에 있는 피사체만 상당히 중립적인 톤을 보입니다. AI 보정은 세 영역을 동시에 정규화합니다.
레스토랑 및 이벤트 사진은 따뜻한 텅스텐이나 촛불 분위기와 창문의 차가운 일광, 때로는 색상 LED 악센트 조명이 혼합된 상황을 다룹니다. 여기서 과제는 장소가 의도한 따뜻한 분위기를 유지하면서 광원이 겹치는 곳의 부자연스러운 색상 오염을 제거하는 것입니다. AI 화이트 밸런스 도구는 의도된 따뜻한 분위기 조명과 원치 않는 색조를 구분하여, 분위기는 유지하면서 오염 영역을 정리하는 선택적 보정을 적용할 수 있습니다.
부동산 사진은 종종 밝은 창문 뷰와 어두운 실내 조명을 결합하여 단일 광각 프레임 전체에 극단적인 혼합 조명을 만듭니다. 창문 너머의 뷰는 일광 밸런스로 조정된 반면 실내는 천장에 설치된 조명기구(종종 구식 형광등과 따뜻한 LED의 혼합)에 의해 비춰집니다. AI 보정은 이 영역들의 균형을 맞춰 실내 색상이 정확하고 창문 뷰가 파란색이나 주황색으로 날아가지 않게 하여, 부동산을 판매하는 깨끗하고 밝은 리스팅 사진을 만듭니다.
- 사무실 사진은 위의 형광등, 측면 창문 일광, 모니터 파란색 빛이 혼합되어 단일 단체 사진에서 피사체에 세 가지 뚜렷한 색상 영역을 만듭니다.
- 레스토랑 사진은 여러 광원이 겹치는 부자연스러운 색상 오염을 보정하면서 의도된 따뜻한 분위기를 유지해야 합니다.
- 부동산 광각 사진은 밝은 일광 창문 뷰와 어두운 혼합 광원 실내를 결합하여 극단적인 영역별 보정이 필요합니다.
- 장소 LED와 형광등 조합 아래의 이벤트 사진은 다양한 LED 형광체 혼합으로 인해 가장 예측 불가능한 색조를 생성합니다.
과보정 방지와 자연스러운 분위기 유지
혼합 조명에서 화이트 밸런스 보정의 목표는 전체 이미지가 완벽하게 중립적인 스튜디오 조명 아래서 촬영된 것처럼 만드는 것이 아닙니다. 공간마다 특성이 있습니다. 거실의 따뜻한 빛, 북향 사무실의 차갑고 선명한 분위기, 서향 창문을 통해 들어오는 골든 아워 빛. 모든 색온도 변화를 공격적으로 중화하면 인위적으로 처리된 것처럼 보이는 평평하고 메마른 이미지가 생성됩니다. 보정은 장면의 자연스러운 조명 특성을 유지하면서 문제가 되는 색조만 제거해야 합니다.
피부 톤은 보정 정확도의 가장 중요한 확인 지점입니다. 인간의 시각은 피부색에 매우 민감합니다. 자연스러운 색상에서 아주 작은 편차라도 즉시 잘못된 것으로 보입니다. AI 화이트 밸런스 보정을 적용한 후, 무엇보다 먼저 피부 톤을 확인하세요. 녹색, 마젠타 또는 과도한 주황색 색조 없이 건강하고 자연스러워 보여야 합니다. 피부가 올바르게 보이면, 중요하지 않은 일부 영역에 약간의 따뜻하거나 차가운 특성이 남아 있더라도 나머지 보정은 일반적으로 수용 가능합니다.
확신이 없을 때는 완벽한 중립성보다 약간의 따뜻함 쪽으로 기울이세요. 인간의 시각은 따뜻한 빛을 자연스럽고 편안하게 인식하는 반면, 차갑거나 완벽하게 중립적인 빛은 삭막하게 느껴질 수 있습니다. 거의 감지할 수 없는 따뜻한 색조의 사진은 거의 감지할 수 없는 차가운 색조의 사진보다 보편적으로 더 좋게 인식됩니다. 따뜻한 조명은 편안함과 관련이 있고 차가운 조명은 인위적인 환경과 관련이 있습니다. 이러한 비대칭성은 따뜻한 광원을 약간 덜 보정하는 것이 약간 과보정하는 것보다 더 만족스러운 결과를 만든다는 것을 의미합니다.
- 모든 색온도 변화를 중화하지 마세요. 환경에는 자연스러운 조명 특성이 있으며, 문제가 되는 혼합 광원 색조만 제거하면서 보존해야 합니다.
- 피부 톤이 기본 정확도 확인 지점입니다. 인간의 시각은 자연스러운 피부색에서 아주 작은 편차에도 극도로 민감하기 때문입니다.
- 약간의 따뜻함이 완벽한 중립성보다 바람직합니다. 따뜻한 빛은 자연스럽고 편안하게 읽히는 반면, 중립적이거나 차가운 결과는 삭막하고 과도하게 처리된 느낌을 줍니다.
- 피부, 흰색 물체, 초목, 하늘 등 여러 요소에서 보정을 확인하여 모든 색상 범주에서 균형이 자연스럽게 느껴지도록 하세요.
출처
- Understanding Color Temperature and White Balance in Digital Photography — Cambridge in Colour
- Color Science for Mixed Illumination Environments — Society for Imaging Science and Technology
- CIE Standards for Illuminant Spectral Distributions — International Commission on Illumination