AI로 사진에서 울타리 제거하는 방법 — Magic Eraser
AI inpainting을 사용하여 사진에서 체인링크, 철망, 단철, 나무 울타리를 제거하는 단계별 가이드. 동물원 사진, 스포츠 촬영, 부동산 목록, 야생동물 사진 촬영 기법을 다룹니다.
Content Lead
검토자 Magic Eraser Editorial ·
울타리는 사진에서 가장 성가신 장애물 중 하나입니다. 어디에나 있으면서도 촬영 중에 피하는 것이 거의 불가능하기 때문입니다. 동물원 전시장은 체인링크와 철망을 카메라와 모든 동물 사이에 배치합니다. 야구장은 체인링크 백스톱을 관객과 경기 사이에 둡니다. 부동산 목록에는 이웃의 울타리가 포함되어 있어 마당이 실제보다 작아 보이게 만듭니다. 국립공원 경계 울타리를 통해 야생동물 사진을 촬영하면 동물은 잡히지만 다이아몬드 패턴 철망 오버레이가 함께 찍혀 사진을 망칩니다. 필드 펜싱을 통해 스포츠 경기를 촬영하는 학부모들은 선명하지 않은 십자 패턴이 자녀의 골 장면 위에 겹쳐진 결과를 얻습니다. 모든 경우에서 울타리 뒤의 피사체는 사진가가 정확히 원하는 것입니다. 울타리는 정확히 제거하고 싶은 대상입니다.
울타리를 통해 촬영하는 전통적인 접근법은 렌즈를 철망에 직접 대고 넓은 조리개를 사용하여 울타리를 초점 밖으로 흐리게 하는 것입니다. 이 방법은 울타리 구멍이 렌즈와 가장 가까운 피사체 사이에 들어갈 만큼 충분히 클 때 작동하지만, 미세한 철망에서는 완전히 실패합니다. 대부분의 현대 동물원 전시장과 스포츠 시설에서 사용하는 종류입니다. 이 기법이 부분적으로 작동하더라도, 초점이 흐려진 울타리는 여전히 부드러운 안개나 패턴으로 나타나 이미지 전체의 대비와 선명도를 떨어뜨립니다. Photoshop에서 클론 스탬프와 힐링 브러시를 사용한 수동 제거는 기술적으로 가능하지만 엄청나게 지루합니다. 프레임 절반을 차지하는 체인링크 울타리에는 수천 개의 개별 와이어 세그먼트가 포함되어 있으며, 각각 별도의 처리가 필요합니다. 단일 이미지를 수동으로 정리하는 데 한 시간 이상이 걸릴 수 있습니다.
AI-powered 울타리 제거는 반복 패턴을 이해하고 와이어 사이의 보이는 부분에서 울타리 뒤의 장면을 재구성할 수 있는 inpainting 모델을 사용하여 방정식을 바꿉니다. 수 시간이 아닌 수 초 만에 전체 울타리 영역을 처리합니다. 이 가이드는 모든 일반적인 울타리 유형(체인링크, 용접 철망, 단철, 나무 팻말, 장식용 금속)을 사진에서 Magic Eraser로 제거하는 완전한 기법을 다룹니다. 모아레 아티팩트를 생성하는 체인링크의 미세한 반복 다이아몬드 패턴부터 배경의 넓은 영역을 가려 상당한 재구성이 필요한 단철의 두꺼운 수직 막대까지, 각 울타리 유형이 제시하는 고유한 문제를 다룹니다.
- AI inpainting은 와이어 사이의 보이는 부분을 분석하고 가려진 영역을 합성하여 울타리 뒤의 장면을 재구성합니다. 수동 클론 스탬핑이 완료하는 데 몇 시간이 걸리는 작업을 수 초 만에 처리합니다.
- 미세한 다이아몬드 패턴의 체인링크 울타리는 가장 흔한 제거 대상이며, 대각선 와이어 지오메트리를 따라 체계적인 브러시 스트로크에 잘 반응합니다.
- 피사계 심도가 매우 중요합니다 — 약간 초점이 흐려진 울타리는 선명한 초점의 울타리보다 훨씬 깨끗하게 제거할 수 있습니다. AI가 흐릿한 배경 디테일만 재구성하면 되기 때문입니다.
- 패스 사이에 검토를 포함하여 구역별로 작업하면 전체 울타리를 한 번에 제거하려는 시도보다 더 나은 결과를 얻을 수 있습니다.
- 제거 후 AI Enhance로 미세한 재구성 아티팩트를 부드럽게 하고 inpainting 영역과 원본 이미지 영역 사이의 색상 또는 텍스처 변화를 교정합니다.
사진 편집에서 울타리가 특히 까다로운 이유 이해하기
울타리는 대부분의 사진 속 원치 않는 물체와는 근본적으로 다른 제거 과제를 제시합니다. 사진에 방해가 된 사람, 쓰레기통, 전선은 이미지의 일정한 영역을 차지하는 개별 물체입니다. AI가 이를 제거하고 하나의 연속된 구멍을 채웁니다. 반면 울타리는 분산되고 반복되는 패턴으로 이미지의 넓은 영역을 덮지만 해당 영역의 실제 픽셀 중 극히 일부만 가립니다. 체인링크 울타리가 프레임의 60%를 덮을 수 있지만 실제 와이어가 차단하는 픽셀 영역은 8~12%에 불과합니다. 문제는 이 와이어가 모든 곳에 있다는 것입니다. 피사체 전체를 가로지르는 수천 개의 가는 선 — 그리고 각각은 미세한 그림자를 만들고 와이어 가장자리 주변에서 빛이 회절됨에 따라 미세한 하이라이트를 생성합니다.
울타리의 시각적 영향은 와이어 자체를 넘어 확장됩니다. 체인링크 메쉬는 카메라 센서의 픽셀 그리드와 상호작용할 때 모아레 패턴을 생성하여 어떤 물리적 물체에도 해당하지 않고 단순히 와이어를 지우는 것으로는 제거할 수 없는 물결 모양의 간섭 띠를 만들어냅니다. 메쉬는 또한 약간 초점이 흐려진 와이어가 빛을 산란시켜 더러운 유리를 통해 촬영하는 것과 유사한 헤이즈 효과를 만들기 때문에 이미지 전체의 대비를 낮춥니다. 물리적 와이어가 제거된 후에도 이러한 2차 효과(모아레, 대비 감소, 광산란)는 깨끗한 결과를 내기 위해 별도의 교정이 필요할 수 있습니다.
울타리 유형에 따라 장면을 가리는 정도에 따라 재구성 과제가 다릅니다. 체인링크 메쉬는 픽셀의 작은 비율을 차지하지만 매우 높은 주파수로, 이미지의 모든 작은 패치가 부분적으로 영향을 받습니다. 단철 막대는 막대가 교차하는 영역의 많은 픽셀 비율을 가리지만 막대 사이에는 완전히 깨끗한 영역을 남겨두므로 AI가 큰 연속 스트립을 재구성해야 합니다. 나무 팻말 울타리는 가장 어려운 과제를 제시합니다. 널빤지가 충분히 넓어 피사체의 전체 부분을 완전히 숨길 수 있기 때문입니다. AI는 시각적 정보가 전혀 남아 있지 않은 영역에 대해 그럴듯한 콘텐츠를 만들어내야 합니다.
- 울타리 와이어는 하나의 연속된 영역이 아니라 수천 개의 얇은 폐색으로 구성된 분산되고 반복적인 패턴을 생성하여 AI가 동시에 많은 작은 간격을 채워야 합니다.
- 체인링크 메쉬는 물리적 와이어가 제거된 후에도 지속되는 모아레 간섭 패턴과 광산란 헤이즈를 생성하므로 별도의 대비 교정이 필요합니다.
- 단철 막대는 상당한 콘텐츠 재구성이 필요한 큰 연속 스트립을 가리는 반면, 체인링크는 매우 높은 주파수로 작은 비율의 픽셀을 가립니다.
- 나무 팻말 울타리는 가장 어려운 과제를 제시합니다 — 넓은 널빤지가 장면의 일부를 완전히 숨겨 AI가 제로 가시 데이터에서 그럴듯한 콘텐츠를 합성해야 합니다.
체인링크 및 철망 울타리 제거하기
체인링크 울타리는 동물원 사진, 스포츠 사진 및 부동산 경계 상황에서 가장 흔히 encountered되는 유형입니다. 그 특유의 다이아몬드형 메쉬 패턴은 규칙적이고 반복적인 구조를 만들어 AI inpainting이 잘 처리합니다. 규칙성이 모델이 각 와이어 세그먼트 뒤에 무엇이 있는지 예측하는 데 도움이 되기 때문입니다. 기법은 브러시 크기 선택으로 시작합니다. Magic Eraser 브러시를 와이어가 가장 두껍게 보이는 지점(일반적으로 어두운 배경 앞에서 와이어가 교차하는 지점)의 약 120% 크기로 설정합니다. 이 약간의 오버사이즈는 브러시가 와이어, 그림자 및 각 측면의 밝은 회절 가장자리를 덮을 수 있게 하여 정밀한 트레이싱이 필요하지 않게 합니다.
체인링크의 경우 가장 효과적인 페인팅 전략은 수평 행이나 무작위 스트로크로 칠하는 대신 대각선 와이어 방향을 따르는 것입니다. 체인링크 메쉬는 약 60도 각도로 교차하는 두 세트의 평행 와이어로 구성됩니다. 먼저 한 대각선 방향을 따라 작업 중인 섹션의 왼쪽 위에서 오른쪽 아래로 이어지는 모든 와이어를 덮습니다. 그런 다음 두 번째 대각선을 따라 오른쪽 위에서 왼쪽 아래로 이어지는 모든 와이어를 덮습니다. 이 접근법은 울타리 지오메트리를 거스르지 않고 활용합니다. AI가 수신하는 마스크가 실제 폐색 구조를 따를 때 더 나은 재구성 결과를 생성합니다. 이미지를 사분면으로 처리하고 각 사분면을 다음으로 넘어가기 전에 검토합니다.
1차 와이어 제거 패스 후 100% 확대하여 가장 중요한 피사체 디테일 앞에서 와이어가 교차했던 영역을 검사합니다. 동물원 사진의 동물 눈, 스포츠 샷의 선수 얼굴, 부동산 사진의 건축 디테일 등입니다. 이 영역들은 AI의 재구성이 피사체 텍스처와 완벽하게 일치하지 않는 미세한 아티팩트를 보일 수 있습니다. 3~5픽셀 크기의 작은 브러시를 사용하여 주변 영역이 아닌 아티팩트 자체만 칠하여 특정 아티팩트를 터치업합니다. AI는 첫 번째 패스에서 얻은 깨끗해진 주변 컨텍스트를 사용하여 그 작은 패치를 재생성하므로 더 정확한 필을 생성합니다.
- 브러시 크기를 와이어 두께의 약 120%로 설정하여 픽셀 완벽한 정밀도 없이 와이어, 그림자 및 회절 가장자리를 덮습니다.
- 대각선 와이어 지오메트리를 따르십시오 — 먼저 왼쪽 위에서 오른쪽 아래로 와이어를 트레이스한 다음 오른쪽 위에서 왼쪽 아래로 트레이스하여 AI 재구성 결과를 더 깨끗하게 만듭니다.
- 전체 울타리 영역을 한 번에 시도하지 말고 구역별로 처리하고 각 섹션 사이에 검토합니다.
- 1차 패스 후 눈과 얼굴 같은 중요한 디테일 영역을 3~5픽셀의 작은 브러시로 터치업하고, 첫 번째 패스의 깨끗해진 컨텍스트를 사용하여 더 나은 결과를 얻습니다.
단철 막대 및 금속 난간 제거하기
단철 울타리와 금속 난간은 철망과는 다른 제거 과제를 제시합니다. 개별 요소가 훨씬 더 넓기 때문입니다. 실제 세계 기준으로 보통 1~3인치로, 일반적인 사진에서는 20~80픽셀에 해당합니다. 각 막대는 배경의 일정한 수직 스트립을 가려 AI가 더 큰 연속 영역의 누락된 장면 콘텐츠를 재구성해야 함을 의미합니다. 장점은 막대 사이의 영역이 완전히 깨끗하여 AI가 배경 모양에 대한 상당한 참조 자료를 제공받는다는 것입니다. 단점은 막대 너비가 더 많은 배경을 만들어내야 함을 의미하며, 배경의 반복 텍스처(벽돌, 잎사귀, 물결)가 보이는 부분과 매끄럽게 일치하도록 합성되어야 한다는 것입니다.
단철 처리를 위한 기법은 한 번에 하나의 막대씩 칠하는 것으로, 가장 중요한 피사체 요소에 가장 가까운 막대부터 시작하여 바깥쪽으로 작업합니다. 이 순서가 중요한 이유는 AI가 재구성의 컨텍스트로 주변 픽셀을 사용하기 때문입니다. 가장 중요한 영역을 먼저 재구성하면 최상의 컨텍스트를 얻을 수 있습니다. 각 막대에 대해 섹션을 점 칠하는 대신 위에서 아래로 한 번의 안정적인 스트로크로 칠합니다. 점 칠은 별도로 inpainting된 영역이 만나는 지점에서 눈에 띄는 이음매 아티팩트를 생성할 수 있습니다. 막대의 그림자를 스트로크에 포함시키십시오. 단철 막대는 막대 자체만큼이나 시각적으로 방해가 되는 큰 그림자를 드리웁니다.
수직 막대를 연결하는 수평 레일은 별도의 패스가 필요합니다. 막대에 수직으로 이어져 있고 이미 재구성된 영역을 교차하는 경우가 많기 때문입니다. 모든 수직 막대를 제거한 후 각 수평 레일을 따라 한쪽 끝에서 다른 쪽 끝까지 칠합니다. 이제 AI는 수직 막대 제거에서 재구성된 배경의 이점을 활용할 수 있어 수평 레일 간격을 채우는 데 훨씬 더 나은 컨텍스트를 제공받습니다. 마지막으로 울타리 기둥을 처리합니다. 기둥은 일반적으로 가장 두꺼운 요소이며 가장 많은 배경을 가립니다. 프레임 가장자리의 기둥은 AI가 인접 배경만 확장하면 되므로 더 간단합니다. 프레임 중앙의 기둥은 더 신중한 재구성이 필요하며 자연스러워 보이기 위해 여러 패스가 필요할 수 있습니다.
- 하나의 막대씩 연속적인 위에서 아래로 스트로크로 칠하여 별도로 inpainting된 세그먼트 사이의 이음매 아티팩트를 방지합니다.
- 가장 중요한 피사체 요소에 가장 가까운 막대부터 시작하여 중요한 영역이 재구성을 위한 최상의 컨텍스트를 얻을 수 있도록 합니다.
- 먼저 수직 막대를 제거한 다음 별도의 패스로 수평 레일을 제거하여 AI가 이미 재구성된 배경에서 더 나은 컨텍스트를 얻을 수 있도록 합니다.
- 울타리 기둥은 가장 두꺼운 요소입니다 — 프레임 중앙의 기둥은 여러 패스가 필요할 수 있는 반면, 가장자리 기둥은 인접 배경을 확장하기만 하면 됩니다.
동물원 및 야생동물 울타리 제거를 위한 특별 고려사항
전시장 메쉬를 통한 동물원 사진 촬영은 가장 흔한 울타리 제거 시나리오입니다. 다른 울타리 상황과 다른 독특한 고려사항이 있습니다. 동물원 메쉬는 종종 매우 가는 게이지 와이어입니다. 주거용 체인링크보다 훨씬 가늘며 사진가에게 상당히 가깝게 위치합니다. 망원 초점 거리에서 넓은 조리개로 촬영할 때 메쉬는 선명한 와이어보다는 육각형 또는 다이아몬드 모양의 부드러운 오버레이로 나타날 수 있습니다. 이 약간 초점이 흐려진 메쉬는 AI가 제거하기에 실제로 더 쉽습니다. 개별 와이어가 선명한 가장자리보다는 확산되어 있기 때문에 픽셀 정밀한 제거가 필요하지 않기 때문입니다. 문제는 메쉬가 이미지 전체에 도입하는 대비와 색상 변화입니다.
눈에 띄게 초점이 흐려진 동물원 메쉬의 경우, 개별 와이어를 칠하려고 시도하는 것보다 2단계 접근법이 더 효과적인 경우가 많습니다. 먼저 헤이즈 제거 기능이 있는 AI Enhance를 적용하여 메쉬가 빛을 산란시켜 발생하는 전반적인 대비 손실을 줄입니다. 이 한 단계만으로 메쉬가 충분히 초점이 흐려진 경우 눈에 보이는 메쉬 효과의 대부분을 제거할 수 있습니다. 그런 다음 개별 와이어 패턴이 여전히 보이는 영역(종종 메쉬가 초점면에 가장 가까웠던 프레임의 모서리)에만 Magic Eraser를 사용합니다. 이 하이브리드 접근법은 프레임 전체를 칠하는 것보다 빠르며, 헤이즈 제거 기능이 전체적인 광산란을 처리하고 지우개가 잔여 패턴을 처리하기 때문에 더 자연스러운 결과를 생성합니다.
국립공원이나 보호구역 경계 울타리를 통한 야생동물 사진 촬영은 제거된 울타리 뒤에 재구성되어야 하는 자연스럽고 복잡한 배경(나무, 풀, 암석, 물)이라는 추가적인 과제가 있습니다. AI는 유기적 텍스처(잎사귀, 풀)를 매우 잘 처리하는데, 이러한 텍스처는 본질적으로 무작위적이고 변형이 시각적으로 수용 가능하기 때문입니다. AI는 특정 패턴을 일치시킬 필요 없이 주변 영역과 통계적으로 일치하는 추가 잎, 풀잎 또는 암석 텍스처를 합성할 수 있습니다. 이는 야생동물 울타리 제거를 더 용서되는 응용 분야 중 하나로 만듭니다. 편집을 시작하기 전에 사용 가능한 가장 긴 초점 거리와 가장 넓은 조리개로 촬영하여 배경 흐림을 최대화하고 울타리의 시각적 영향을 최소화합니다.
- 초점이 흐려진 동물원 메쉬는 부드러운 오버레이로 나타납니다 — 먼저 AI Enhance 헤이즈 제거를 사용하여 전반적인 대비 손실을 해결한 다음 와이어 패턴이 보이는 영역에만 Magic Eraser를 사용합니다.
- 가는 게이지 동물원 메쉬는 주거용 체인링크보다 제거하기 쉽습니다. 확산되고 초점이 흐려진 와이어가 픽셀 정밀한 마스킹을 필요로 하지 않기 때문입니다.
- 자연 유기 배경(잎사귀, 풀, 암석, 물)은 매우 잘 재구성됩니다. AI가 특정 패턴을 일치시킬 필요 없이 통계적으로 일관된 무작위 텍스처를 합성할 수 있기 때문입니다.
- 동물원 및 야생동물 사진을 가장 긴 초점 거리와 가장 넓은 조리개로 촬영하여 편집 전에 배경 흐림을 최대화하고 울타리 가시성을 최소화합니다.
품질 검증 및 어려운 재구성 영역 처리
울타리 제거를 완료한 후 체계적인 품질 검사를 통해 편집의 신뢰성을 떨어뜨리는 눈에 띄는 아티팩트가 있는 이미지가 게시되는 것을 방지합니다. 가장 신뢰할 수 있는 검증 방법은 100%로 확대하여 울타리가 제거된 모든 영역을 천천히 스크롤하며 세 가지 유형의 아티팩트를 확인하는 것입니다. 첫째, 잔여 와이어 파편을 확인합니다. 브러시가 와이어 끝을 놓치거나 와이어가 고대비 가장자리를 교차하여 AI가 부분적으로만 제거한 짧은 선 세그먼트입니다. 둘째, 재구성된 영역이 원본 이미지와 만나는 텍스처 불연속성을 확인합니다. 실제 콘텐츠와 합성 콘텐츠 사이의 경계를 나타내는 선명도, 노이즈 수준 또는 텍스처 스케일의 급격한 변화를 찾습니다. 셋째, AI가 보이는 텍스처 패치를 여러 번 복사하여 넓은 영역을 채워 부자연스럽게 반복되는 패턴을 생성하는 반복 아티팩트를 확인합니다.
재구성 품질에 가장 문제가 되는 영역은 울타리가 배경의 강한 가장자리(수평선, 건물의 가장자리, 하늘을 배경으로 한 나뭇가지)를 교차한 위치입니다. 이러한 고대비 경계에서 울타리 와이어가 가장자리를 방해했습니다. AI는 정확히 올바른 위치에 깨끗하고 직선적인 가장자리를 재구성해야 합니다. 작은 정렬 불량도 매우 눈에 띄는데, 인간의 눈이 가장자리 연속성에 매우 민감하기 때문입니다. 재구성된 가장자리가 울타리 와이어가 교차한 지점에서 흔들림 또는 오프셋을 보이는 경우, 작은 브러시를 사용하여 불연속성만 칠하고 AI가 교정된 주변 컨텍스트로 재생성하도록 합니다.
울타리가 프레임의 매우 큰 비율(40~50% 이상)을 덮은 이미지의 경우, 의도된 표시 크기로 이미지를 볼 때 재구성이 설득력 있는지 고려합니다. 100% 확대에서 약간의 아티팩트를 보이는 이미지가 화면 해상도의 소셜 미디어 피드에 표시될 때는 완벽하게 깨끗해 보일 수 있습니다. 반대로 대형 인쇄용 이미지는 가까운 거리에서도 아티팩트가 없어야 합니다. 이미지의 의도된 용도에 따라 품질 기준을 설정합니다. 의도된 시청 조건에서 아티팩트가 드러날 경우에만 추가 터치업 시간을 투자합니다.
- 세 가지 아티팩트 유형을 확인합니다: 잔여 와이어 파편, 재구성 경계의 텍스처 불연속성, 복사된 텍스처 패치의 반복 패턴.
- 고대비 가장자리(수평선, 건물 모서리, 하늘을 배경으로 한 나뭇가지)가 가장 흔한 문제 영역입니다. 재구성된 가장자리의 작은 정렬 불량이 매우 눈에 띄기 때문입니다.
- 의도된 표시 크기에 따라 품질 기준을 설정합니다 — 소셜 미디어 이미지는 대형 인쇄에서 보일 수 있는 미미한 아티팩트를 허용합니다.
- 터치업 시 넓은 영역을 다시 처리하는 대신 작은 브러시로 특정 아티팩트만 칠하여 AI가 첫 번째 패스의 깨끗해진 컨텍스트를 사용해 더 나은 재구성을 할 수 있도록 합니다.