풍경 사진에서 안개와 헤이즈 제거 방법: AI Dehaze 및 선명도 복원
AI 향상 도구를 사용하여 풍경 사진의 안개와 헤이즈를 제거하는 방법을 알아보세요. 대비 복원, 색상 복구, 디테일 선명화, 자연스러운 깊이 인식을 유지하여 선명하고 생생한 풍경 이미지를 만듭니다.
Content Lead
검토자 Magic Eraser Editorial ·
풍경 사진에서 안개만큼 자주 실망을 안겨주는 요소는 없습니다. 멋진 전망대까지 몇 시간을 운전하고, 완벽한 구도를 찾고, 적절한 빛을 기다립니다. 그런데 결과물은 눈으로 본 것과 전혀 다릅니다. 푸르고 드라마틱하게 보였던 먼 산들은 뿌옇고 흰 베일 너머로 간신히 보일 뿐입니다. 아래쪽의 생생한 녹색 계곡은 창백하고 탁한 색감으로 변해버렸습니다. 강한 입체감을 만들어주던 능선의 레이어들은 하나의 평평한 회색 면으로 합쳐졌습니다. 카메라는 여러분의 뇌가 걸러낸 안개를 그대로 기록했습니다. 그 결과는 여러분이 경험한 장면의 웅장함을 전혀 살리지 못하는 실망스러운 이미지입니다.
이 문제의 물리적 원인은 잘 알려져 있습니다. 대기 산란 — 습기 입자, 먼지, 오염 물질, 공기의 온도 차이로 인해 발생 — 은 하늘에서 오는 빛을 카메라와 먼 피사체 사이의 경로로 굴절시킵니다. 이렇게 산란된 빛은 장면의 모든 요소에 흰색 또는 청회색 오버레이를 추가하며, 거리가 멀어질수록 그 효과는 강해집니다. 8km 떨어진 산은 중간 정도의 헤이즈 오버레이를 받고, 32km 떨어진 산은 거의 보이지 않을 수 있습니다. 카메라는 이 물리적 현실을 충실히 기록하지만, 현장에 있던 여러분의 뇌는 이를 보정하고 카메라가 깨끗하게 포착하지 못한 먼 거리의 디테일을 인지할 수 있었습니다.
AI photo editing 도구는 놀라운 정확도로 대기 산란의 효과를 역전시킬 수 있습니다. AI Enhance는 이미지 내 서로 다른 깊이에서의 헤이즈 밀도를 분석하고, 산란된 빛 오버레이는 제거하면서 풍경에 규모감을 부여하는 자연스러운 대기 원근감은 유지하는 단계별 보정을 적용합니다. AI Filter는 디헤이즈 결과가 과도하게 보정된 느낌보다 자연스럽게 보이도록 분위기와 색상 팔레트를 미세 조정합니다. 이 가이드는 풍경 사진의 강점을 만드는 깊이감과 분위기를 유지하면서 헤이즈가 낀 풍경 사진의 선명도를 복원하는 전체 워크플로우를 다룹니다.
- AI Enhance는 다양한 깊이에서 헤이즈 밀도를 분석하고 선명도를 복원하기 위해 단계별 보정을 적용합니다.
- 색상 채도 복원은 대기 산란으로 바랜 생생한 녹색, 파란색, 어스 톤을 되살립니다.
- 선택적 디헤이징은 배경 깊숙한 부분의 일부 대기 원근감을 보존하여 자연스러운 깊이 인식을 유지합니다.
- AI 샤프닝은 빛 산란으로 부드러워진 가장자리 선명도를 인공적인 후광이나 링 현상 없이 복원합니다.
- AI Filter는 디헤이즈 후 분위기를 미세 조정하여 인위적으로 가공된 느낌보다 자연스러운 결과물을 만듭니다.
대기 헤이즈 이해하기: 카메라가 눈과 다르게 포착하는 이유
헤이즈가 낀 풍경 사진이 실제 눈으로 본 것보다 나빠 보이는 이유는 카메라의 한계 때문이 아닙니다. 오히려 뇌의 한계입니다. 가장 좋은 의미에서 말이죠. 우리의 시각 시스템은 대비 적응, 색상 항상성, 주의 기반 향상의 조합을 통해 대기 산란을 적극적으로 보정합니다. 먼 산에 초점을 맞출 때, 뇌는 주변 헤이즈 대비 그 산의 인지된 대비와 색상을 높입니다. 여러분은 그 산을 뚜렷하고 디테일하며 푸른 빛을 띤 물체로 인지합니다. 카메라에는 그러한 메커니즘이 없습니다. 렌즈와 산 사이의 모든 산란된 대기 빛을 포함하여, 센서에 도달하는 모든 광자를 동등하게 기록합니다.
풍경 사진에서 눈에 띄는 헤이즈를 만드는 세 가지 유형의 대기 조건이 있습니다. 가장 흔한 것은 습도 헤이즈로, 공기 중에 떠 있는 수증기가 빛을 산란시킵니다. 이는 흰색 또는 옅은 파란색 베일을 만들며 거리에 따라 크게 짙어지고, 여름철 더위, 큰 물가 근처, 열대 기후에서 가장 심합니다. 두 번째는 오염 헤이즈로, 도시 지역과 산업 지역 근처에서 흔합니다. 산란된 빛에 황갈색 색조를 더하며, 맑은 날에도 시야를 흐리게 할 수 있습니다. 세 번째는 열 헤이즈로, 지면 근처 공기층의 차등 가열로 인해 발생하며, 대비 손실에 더해 반짝이는 왜곡을 만듭니다. 사막 풍경과 태양에 달궈진 포장도로가 긴 구간에서 가장 두드러집니다.
각 유형의 헤이즈는 AI 향상 도구에 다르게 반응합니다. 습도 헤이즈는 산란이 비교적 균일하고 흰색 오버레이 아래에 원래 장면 디테일이 보존되어 있기 때문에 보정이 가장 간단합니다. 오염 헤이즈는 디헤이즈 외에 색상 보정이 필요합니다. 산란된 입자가 대비 복원 후에도 남는 색조를 만들기 때문입니다. 열 헤이즈는 실제 광학적 왜곡을 포함하기 때문에 가장 까다롭습니다. 반짝임, 흔들림 — 이는 단순한 오버레이가 아니라 픽셀 위치의 변위입니다. AI 도구는 세 가지 유형을 모두 처리할 수 있지만, 각각에 대한 현실적인 기대치를 설정하면 열 헤이즈 보정이 왜곡 요소를 완전히 되돌릴 수 없을 때 실망을 방지할 수 있습니다.
- 뇌는 대비 적응을 통해 헤이즈를 적극적으로 보정하지만, 카메라는 헤이즈를 그대로 기록합니다.
- 습도 헤이즈는 여름과 물가 근처에서 가장 심한 청백색 베일을 만듭니다 — 가장 보정하기 쉬운 유형입니다.
- 오염 헤이즈는 황갈색 색조를 만들어 디헤이징 후 색상 보정이 필요합니다.
- 열 헤이즈는 대비 손실을 넘어 광학 왜곡을 추가하여 완전한 복원이 가장 어렵습니다.
깊이 인식 디헤이징: 장면을 평평하게 만들지 않고 선명도 복원하기
효과적인 디헤이징과 조잡한 디헤이징의 결정적 차이는 깊이 인식입니다. 단순한 대비 향상이나 선명도 슬라이더는 이미지의 모든 픽셀에 동일한 보정을 적용합니다. 전경의 바위와 먼 산이 똑같이 처리됩니다. 이는 부자연스러운 결과를 만듭니다. 전경은 원래 헤이즈가 심하지 않았기 때문입니다. 대비를 높이면 거칠고 과도하게 보정된 느낌이 드는 반면, 먼 배경은 여전히 충분히 보정되지 않을 수 있습니다. 이미지는 전경은 과보정, 배경은 과소보정 상태가 됩니다.
AI Enhance는 디헤이징을 깊이에 따라 달라지는 문제로 접근합니다. 모델은 여러 단서를 기반으로 이미지 내 요소들의 상대적 거리를 추정합니다. 거리에 따른 대기 밝기 증가, 청백색으로의 색상 이동, 미세 디테일 손실, 장면 기하학 등입니다. 이 깊이 맵을 바탕으로 AI는 먼 요소에는 더 강한 헤이즈 제거를 적용하고, 카메라에 가까운 요소에는 점진적으로 약한 보정을 적용합니다. 32km 떨어진 산등성이는 강력한 대비와 채도 복원을 받습니다. 8km 떨어진 언덕은 중간 정도의 보정을 받습니다. 전경의 바위와 나무는 대기 산란의 영향을 거의 받지 않았기 때문에 최소한의 조정만 받습니다.
이러한 깊이 단계별 접근 방식은 대기 원근감이 제공하는 자연스러운 규모감을 보존합니다. 물리적 세계에서 더 먼 물체는 자연스럽게 더 밝고 대비가 낮게 보입니다. 이것이 우리의 시각 시스템이 대규모 풍경에서 깊이를 인지하는 방식입니다. 모든 깊이 평면을 동등하게 대비가 높게 만드는 완전히 평평한 디헤이징은 오히려 깊이 인식을 파괴하여, 이미지를 점진적으로 멀어지는 풍경이 아니라 서로 다른 규모의 잘라낸 요소들을 붙여넣은 평평한 콜라주처럼 보이게 만듭니다. AI의 깊이 인식 보정은 풍경 사진에 3차원 공간감을 부여하는 깊이 단서를 제거하지 않으면서 선명도를 복원합니다.
- 단순한 대비 향상은 헤이즈가 낀 배경은 과소보정하면서 전경을 과보정합니다.
- AI Enhance는 대기 단서로부터 장면 깊이를 추정하고 그에 따라 단계별 보정을 적용합니다.
- 먼 요소에는 더 강한 보정이 적용되고, 전경 요소는 최소한의 조정만 받습니다.
- 깊이 단계별 디헤이징은 3차원 공간감을 만드는 대기 원근감을 보존합니다.
색상 복원: 헤이즈가 바랜 팔레트 되살리기
헤이즈는 대비만 감소시키는 것이 아닙니다. 장면의 모든 색상에 백색광을 추가하여 채도를 낮춥니다. 생생한 녹색 숲은 창백하고 탁한 녹색이 됩니다. 깊고 푸른 산맥은 옅은 회청색이 됩니다. 노출된 암석의 따뜻한 어스 톤은 흐릿한 황갈색으로 바래집니다. 거리에 따라 헤이즈가 강해질수록 색상은 점진적으로 채도를 잃어, 가장 먼 요소들은 본질적으로 단색이 됩니다. 원래 색상의 흔적만 남은 다양한 회색과 흰색 음영. 이 색상을 복원하는 것은 AI 디헤이징의 가장 만족스러운 측면 중 하나입니다. 바랜 회색 장면에서 생생하고 풀 팔레트의 풍경으로의 변화가 극적이기 때문입니다.
AI Enhance는 헤이즈가 추가한 백색광 성분을 제거하여 색상을 복원합니다. 단순히 채도를 균일하게 높이는 대신 — 이는 색상을 부자연스러운 과채도로 밀어넣을 수 있습니다 — AI는 각 깊이 수준에 존재하는 산란된 백색광의 양을 계산하고 이를 차감합니다. 이는 수동 색상 조정으로는 달성할 수 없는, 물리적 산란 과정을 수학적으로 역전시키는 방식입니다. 복원된 색상은 임의로 강화된 것이 아니라 장면에 정확합니다. 가을빛 아래에서 실제로 황록색이었던 숲이 원래 장면에 없던 인공적인 에메랄드색으로 밀리지 않습니다.
한 가지 중요한 차이는 헤이즈가 긴 파장보다 짧은 파장을 더 많이 산란시킨다는 점입니다. 이는 하늘을 파랗게 만드는 레일리 산란과 동일한 현상입니다. 결과적으로 먼 물체는 따뜻한 톤을 먼저 잃고 파란 색조를 띠게 됩니다. AI 디헤이징은 전반적인 탈색과 함께 이 파장 의존적 변화를 보정하여, 먼 암벽의 따뜻한 어스 톤과 숲이 우거진 언덕의 자연스러운 녹색 변화를 복원합니다. 보정된 이미지는 헤이즈가 낀 원본이 보여주던 파란색으로 치우친 좁은 범위가 아니라 따뜻함에서 차가움까지 아우르는 완전하고 자연스러운 색상 팔레트를 갖게 됩니다.
- 헤이즈는 산란된 백색광을 추가하여 색상을 탈색시키며, 먼 요소는 거의 단색이 됩니다.
- AI 색상 복원은 단순히 채도를 높이는 대신 산란된 빛 성분을 차감합니다.
- 레일리 산란은 먼 물체에 파란색 이동을 일으키며, AI 보정이 이를 되돌립니다.
- 복원된 색상은 장면에 정확하며 자연스러운 팔레트 변화를 보존합니다.
분위기 보존: 디헤이즈와 과도한 보정의 차이
성공적인 디헤이징 후의 유혹은 보정을 최대한 밀어붙이는 것입니다. 모든 먼 봉우리를 면도날처럼 선명하게 만들고 모든 색상을 엽서처럼 생생하게 만드는 것. 이는 기술적으로는 인상적이지만 감정적으로는 공허한 이미지를 만듭니다. 풍경 사진은 지형도가 아닙니다. 산의 전망을 강하게 만드는 요소 중 하나는 여러분과 먼 능선 사이의 광활한 공간감이며, 대기 안개는 — 적당히 — 그 거리를 인지하는 방식의 일부입니다. 대기 원근감의 모든 흔적을 제거하면 32km 너머의 풍경이 축소 모형처럼 느껴질 수 있습니다.
목표는 헤이즈 제로가 아니라 올바른 헤이즈입니다. 카메라가 기록한 양이 아니라 여러분의 뇌가 현장에서 인지했을 양입니다. 이는 가장 깊은 배경에는 약간의 대기 밝기를 유지하면서 전경과 중경의 완전한 선명도를 복원하는 것을 의미합니다. AI Filter는 기술적 디헤이즈 보정 후에 분위기 조정을 적용할 수 있게 하여 이러한 균형을 돕습니다. 늦은 오후 촬영에는 약간의 따뜻한 톤, 이른 아침 산 장면에는 차가운 파란색, 또는 디테일을 가리지 않으면서 광활한 거리를 인정하는 가장 깊은 배경의 부드러운 페이드 등입니다.
디헤이즈 결과를 기술적 이상이 아니라 현장의 기억과 비교하세요. 먼 산이 전경의 바위만큼 가깝고 대비가 높아 보인다면 아마도 과도하게 보정한 것입니다. 전경에서 배경으로 가는 미묘한 밝기 그라데이션이 감지되고, 가장 먼 요소들이 점진적으로 부드러워진 디테일을 유지한다면 결과는 자연스러워 보일 가능성이 높습니다. AI 도구는 헤이즈를 제거하는 능력을 제공하고, 예술적 판단은 얼마나 제거할지를 알려줍니다. 최고의 풍경 사진은 기술적 보정과 감정적 사실감의 교차점에 자리잡고 있습니다.
- 최대 디헤이징은 기술적으로는 선명하지만 광활한 거리감이 사라져 감정적으로 평평한 이미지를 만듭니다.
- 목표는 인지적으로 올바른 헤이즈 — 카메라가 기록한 양도, 헤이즈 제로도 아닌 뇌가 인지한 양입니다.
- AI Filter는 기술적 디헤이징 후 분위기 조정을 적용하여 디테일을 가리지 않으면서 대기감을 복원합니다.
- 최고의 결과는 거리를 자연스럽게 인정하는 미묘한 전경-배경 그라데이션을 보존합니다.
헤이즈가 부드럽게 만든 디테일 선명화하기
대비와 색상 외에도, 대기 헤이즈는 카메라와 피사체 사이에서 빛을 산란시켜 이미지 디테일을 물리적으로 부드럽게 만듭니다. 센서에 도달하는 모든 광자는 헤이즈 입자에 의해 경로를 벗어나 산란될 작은 확률을 가집니다. 즉, 먼 암벽의 날카로운 가장자리에서 나온 빛의 점이 센서에 약간 퍼진 블러로 도착합니다. 이 효과를 수백만 개의 광자와 수 킬로미터의 대기에 걸쳐 곱해보세요. 맑은 공기에서는 면도날처럼 선명했을 먼 디테일이 부드럽고 흐릿해집니다. 이 연화 현상은 디헤이징을 통해 대비와 색상이 복원된 후에도 지속됩니다. 이미지의 밝기와 색상은 올바를 수 있지만, 맑은 날 찍은 사진의 선명함은 여전히 부족할 수 있습니다.
AI Enhance는 디헤이즈 보정 후 적용되는 콘텐츠 인식 샤프닝을 통해 이 연화 현상을 해결합니다. AI는 암벽, 나무 캐노피, 수면, 건축물 라인 등 존재하는 가장자리와 텍스처의 유형을 식별하고 각 재질 유형에 최적화된 샤프닝 알고리즘을 적용합니다. 암석 가장자리는 자연스러운 균열선을 따라 선명화됩니다. 나무 캐노피는 개별 가지와 잎사귀 디테일을 되살리는 텍스처 복원을 받습니다. 수면은 잔물결 사이의 부드러운 색조 그라데이션에 노이즈를 도입하지 않으면서 잔물결 선명도를 복원하도록 샤프닝됩니다.
전경과 배경에 적용되는 샤프닝의 강도는 달라야 합니다. AI Enhance는 디헤이징에 사용된 동일한 깊이 추정을 통해 이를 자동으로 처리합니다. 전경 요소는 헤이즈에 의한 연화가 최소였기 때문에 전체 샤프닝을 받습니다. 중경 요소는 중간 정도의 샤프닝을 받습니다. 배경 요소는 가장 가벼운 샤프닝을 받습니다. 약간의 선명도를 복원하기에 충분하지만 극단적인 거리에서 부자연스러운 선명함을 만들지 않을 정도입니다. 이 단계별 샤프닝은 단계별 디헤이징과 결합되어, 배경에서 전경으로 갈수록 선명도가 자연스럽게 향상되는 결과를 만들어내며, 동일한 장면이 맑은 공기에서 실제로 보였을 모습과 일치합니다.
- 대기 산란은 광자를 굴절시켜 디테일을 물리적으로 부드럽게 만들며, 이는 대비 복원 후에도 지속됩니다.
- 콘텐츠 인식 샤프닝은 암석, 잎사귀, 물, 건축물에 서로 다른 알고리즘을 적용합니다.
- 단계별 샤프닝은 단계별 디헤이징과 일치합니다 — 배경은 가볍게, 전경은 전체 보정.
- 결과는 디지털 처리된 느낌이 아니라 동일한 장면이 맑은 공기로 보였을 모습을 재현합니다.
출처
- Single Image Haze Removal Using Dark Channel Prior — IEEE Transactions on Pattern Analysis and Machine Intelligence
- Atmospheric Scattering and Its Effects on Landscape Photography — Cambridge in Colour
- Color Theory in Landscape Photography: Managing Atmospheric Perspective — B&H Explora