이미지(신호, 데이터)에서 노이즈와 아티팩트의 차이
개요
노이즈와 아티팩트는 공통적으로 원본 신호(데이터)를 훼손시키는 요소이며 제거해야할 대상이다. 본 문서에서는 이 둘이 가지는 특징과, 서로 어떤 차이가 있는지에 대해 설명한다.
정의
이미지에서 노이즈noise, 잡음란 원본 이미지를 훼손시키는 값으로, 주로 무작위하고 예측 불가능하며 제거 불가능한 원인에 의해 발생한 이미지의 훼손을 말한다.
반면에 제거가능한 원인에 의해 발생했거나, 규칙적이거나 예측가능한 이미지의 훼손을 아티팩트artifact라 한다.
설명
노이즈와 아티팩트는 둘 다 원본 이미지를 훼손시키는 요소이며 제거해야할 대상이다. 이 둘은 여러 측면에서 차이가 있는데, 우선 노이즈는 ‘값’이며, 아티팩트는 이미지가 훼손된 ‘현상’ 그 자체를 가리킨다. 수학적으로 노이즈는 벡터 $\mathbf{n} \in \mathbb{R}^{n}$이라 할 수 있으며, (반드시 그런 것은 아니지만) 아티팩트는 오퍼레이터(함수) $A : \mathbb{R}^{n} \to \mathbb{R}^{n}$이라고 볼 수 있다.
후술할 설명을 요약하여 정리하면 노이즈와 아티팩트의 특징은 다음과 같다.
노이즈 | 아티팩트 |
---|---|
무작위적이다 | 규칙적이다 |
예측할 수 없다 | 예측 가능하다 |
원인을 제거할 수 없다 | 원인을 제거할 수 있다 |
국소적이다 | 넓은 영역에서 나타난다 |
종류
- 노이즈
- 아티팩트
- 블러
제거 기법
- 노이즈
- 토탈 배리에이션 (Total Variation)
- 아티팩트
- 디컨볼루션
노이즈
노이즈는 주로 무작위적으로 발생하며, 제거할 수 없는 원인에 의해 생긴 값을 의미한다. 예를 들어 디지털 카메라로 사진을 촬영할 때, 빛을 감지하는 센서 그 자체의 열이 측정된 값에 영향을 줄 수 있다. 이런 경우에는 노이즈를 발생시키는 근본적인 원인을 제거할 수 없으며, 예측할 수 없고 무작위적이다. 그렇기 때문에 노이즈는 주로 확률변수로 모델링되며, 정규 분포로 가정되는 경우가 많다. $\mathbf{x}$를 원본 이미지, $\mathbf{n} \sim N_{n}(\mathbf{0},\Sigma)$를 노이즈라 할 때, 수학적으로 노이즈가 섞인 이미지 $\mathbf{y}$는 다음과 같이 표현된다.
$$ \mathbf{y} = \mathbf{x} + \mathbf{n} \qquad(\mathbf{x}, \mathbf{y}, \mathbf{n} \in \mathbb{R}^{n}) $$
벡터의 합은 각 성분별 합으로 정의되기 때문에 노이즈에 의한 이미지의 훼손은 픽셀 단위로 이루어지고, 노이즈의 성분은 서로 독립적이라고 가정하기 때문에 국소적인 이미지 훼손이라고 할 수 있다.
이미지(신호)에서 노이즈를 제거하는 것을 디노이징denoising이라 한다. 이상적으로는 $\mathbf{y} - \mathbf{n} = \mathbf{x}$를 계산하여 원본 이미지를 얻을 수 있지만, $\mathbf{n}$은 알 수 없는 값이기 때문에 이는 불가능하다. 즉 디노이징이란 주어진 하나의 값 $\mathbf{y}$에서 두 개의 미지수 $\mathbf{x}$, $\mathbf{n}$을 추정하는 문제이다.
다음은 원본 이미지와 가우시안 노이즈가 섞인 이미지의 예시이다.
아티팩트
아티팩트는 주로 규칙적이고, 비교적 넓은 영역에서 나타나며, 제거 가능한 원인에 의해 나타난 이미지의 훼손을 가리키는 경우가 많다. 예를 들어 치아의 CT 사진을 찍을 때 치아에 금속 성분이 있으면 이로 인하여 CT 사진에 심각한 훼손이 생긴다. 이러한 훼손을 아티팩트라 부른다. 아래의 왼쪽 사진은 멀쩡한 치아를 찍어 아티팩트가 없는 CT 사진이다1. 오른쪽 사진은 치아에 덧 씌워진 아말감으로 인해 아티팩트가 발생한 CT 사진이다2.
손 떨림 등으로 인해 사진이 흐려진 것도 아티팩트이다. 이는 흔히 수학적으로 합성곱으로 표현된다. 원본 이미지를 $\mathbf{x}$, 임의의 커널을 $\mathbf{k}$라 할 때, 흐려진 이미지blurry image는 다음과 같다.
$$ \mathbf{y} = \mathbf{k} \ast \mathbf{x} $$
그래서 흐릿한 이미지로부터 선명한 이미지를 복원하는 것을 디컨볼루션 문제deconvolution problem라 한다. 다음은 원본 이미지와 가우시안 블러가 적용된 이미지의 예시이다.
아래와 같이 이미지에 가로선, 세로선 등이 생기는 것도 아티팩트라 부른다. (좌측: 원본 이미지, 우측: 아티팩트가 있는 이미지)
CT나 MRI 등 의료영상을 찍을 때 환자가 움직여서 생기는 이미지의 훼손도 아티팩트이며 이를 모션 아티팩트motion artifact라 한다.3