MultiScaleLinearTransform Sharpening

MultiScaleLinearTransform (MLT) Sharpening

앞서 우리는 MLT를 선형 데이타의 노이즈를 제거할 때 사용했습니다(관련 게시글). 하지만 MLT는 비선형 이미지의 선예도를 높여줄 때도 매우 유용한 프로세스입니다. 

앞서 설명을 떠올려 보시면 Wavelet을 기반으로 한 프로세스들은 이미지에서 대상의 크기에 따라 여러 레이어를 설정한 후 처리한다고 했습니다. 이걸 다시 생각해보면 우리는 이미지의 Wavelet 레이어별로 Sharpening과 Smoothing을 할 수 있다는 말이 됩니다. 


위 그림은 MLT를 Sharpening에 사용할때의 일반적인 세팅입니다. 
  • Algorithm은 Starlet Transform으로 합니다. 다른걸 해도 됩니다. 
  • Layers 설정은 기본값인 4를 그대로 둡니다. 기본값인 4보다 큰 값 (더 많은 레이어)를 사용하는 경우 우리가 선예도를 높이고 싶은 대상보다 더 큰 대상도 포함시키게 되는 경우가 많으며 보통의 경우 클리핑이 일어납니다. 
  • 만약 위에서 Algorithm을 Starlet Transform으로 하셨다면 Scaling function은 Linear Interpolation (3)을 그대로 두시는 것이 낫습니다. 
  • 위 그림을 잘 보시고 Detail Layer항목의 값을 그대로 넣어줍니다. 전에도 해보셨지만 위에 Layer를 한번 클릭한 후 아래의 Detail Layer의 체크박스클 체크해준 후 숫자를 넣으시면 됩니다. 아래의 Deringing 항목과 달리 Detail Layer에 설정된 값은 각각의 레이어에만 해당되어 작동합니다. 
  • 각각의 레이어에서 아래쪽 Noise Reduction항목이 체크해제되어 있는 것을 확인합니다. (기본값으로 체크해제되어 있음)
  • 지난번에는 사용했지만 이번에는 Linear Mask항목은 체크해제 합니다. 
  • MLT Sharpening은 별상의 ringing을 유발할 수 있으므로 Deringing은 꼭 체크합니다. 일단 Dark deringing 항목은 0.01로 하고 테스트해봅니다. 수치를 조금씩 변화시키며 마음에 드는 결과가 나올때의 최소값으로 유지합니다. 
    이와는 달리 Bright 항목은 건드리지 않습니다.
  • 만약 처리후 결과물에서 밝은 영역의 클리핑이 발생한다면 아래쪽 Dynamic Range Extension 슬라이더를 이용해 유효 DR를 넓힐 수 있습니다. 
    일단 Low range는 0.25로, 그리고 High range는 0.25 ~ 0.50사이로 설정합니다. 비록 이 설정을 사용하면 밝기와 콘트라스트를 일부 잃게 되지만 그건 나중에 처리해줄 수 있습니다. 
  • 마지막으로 Target은 Lightness (CIE L*)로 선택합니다. 이 프로세스는 RGB 공간에 사용하는것이 좋지 않은게, 칼라에 사용하게 되면 선예도는 증가할지 몰라도 노이즈가 증가합니다. 
위 설정을 보시면 레이어 1번은 아무 세팅도 넣지 않고 그냥 두었습니다. 아시다시피 대부분의 노이즈는 이미지에서 가장 작은 부분에서 나타납니다. 만약 여러분의 데이타가 고해상이거나 높은 SNR을 가진 이미지가 아니라면 대부분의 경우 첫번째 레이어에는 노이즈의 신호를 강화시키지 않으면서 대상의 선예도를 올릴만한 대상이 거의 없을 것입니다. 

레이어 2에서 4까지의 bias는 0.012 ~ 0.075 사이의 값으로 조금씩 올려봅니다. 이때 슬라이더로 조절할 수 있는 최소값이 0.2이기 때문에 아래의 수치들은 가능하면 옆의 텍스트 박스에 직접 입력하시는 것이 편합니다. 
레이어별 bias를 조절할 때는 한번에 한 값만 조절한 후 Real-Time Preview를 통해 확인하는 것이 좋습니다. 만약 해당 레이어의 Bias가 맘에 들지 않는다면 슬라이더 우측 편의 x 마크가 달린 태그 모양을 클릭하시면 단번에 리셋이 됩니다. 

기억하실 것은 MLT로 Sharpening을 하든 Smoothing(노이즈 제거)을 하시든 가능한한 과하게 하지 않는 것이 좋습니다. 왠만하면 실제 이미지에서 살짝 좋은 정도가 낫습니다. 

음.. 결국 이 프로세스도 끝임없는 시행착오가 중요합니다. 마음에 들 때까지 하는 겁니다. 


댓글