주변에 소음은 없애고 노래소리만 들리는 노이즈 캔슬링 이어폰 사용해 보셨나요?

몇 년 전부터 지하철, 버스등 대중교통에서 많이 보이며 저도 애용하고 있습니다.

친구들이 저보고 너무 오버한다고 하는데 저는 진짜 안락한 느낌이 들면서 몰입도가 높아집니다.

한번은 너무 몰입한 나머지 내릴 정거장 3개나 지나친 적도 있을 정도에요.

이런 "액티브 노이즈 캔슬링(Active Noise Cancellation, ANC)"에 대해서 알고 쓰기 위한 포스팅 시작해 보겠습니다.

1. 노이즈 캔슬링 (Noise Cancellation)

소리가 너무 크거나 다양하면 시끄럽다는 생각을 주기 때문에 소리를 없애려는 시도는 오래전 부터 계속되어 왔습니다.

액티브 노이즈 캔슬링(ANC)은 파동의 위상 간섭 원리(Destructive Interference)을 이용하는 현상입니다.

파동의 주파수는 같지만 위상이 반대인 ‘역위상 음파(Anti-phase wave)’를 생성해 두 파동이 상쇄 간섭을 일으키도록 하여,

소음을 줄이는 기술입니다.

※ 전통적인 방식으로 패시브 노이즈 캔슬링(Passive Noise Cancellation, PNC)은 방음이라는 개념과 같아 오늘은 이야기 하지 않겠습니다.

전문용어가 많아 사용자들에게는 매우 신기하게 들릴지 모르겠지만 주요 부품 구성은 단순합니다.

듣는 역할을 하는 마이크, 디지털 신호 처리장치(Digital Signal Processor, DSP), 역파동을 생성하는 스피커가 핵심부품입니다.

2. 노이즈 캔슬링의 방법

마이크로 주변소리를 접수하여 역파동을 생성하는데 이때 디지털로 처리해서 계산하는 시간이 필요합니다.

그래서 실시간으로 모든 소리를 처리해서 판단하면 효율이 떨어질 뿐 아니라,

오히려 새로운 소리가 만들어져 더 시끄럽게 들릴 수도 있습니다.

그래서 들리는 신호를 먼저 디지털 해석을 하여 반복적인 파동을 분석합니다.

반복적인 소음을 외부 마이크로 감지하고 미리 예측하여 상쇄음을 생성하는 방식이 피드포워드(Feedforward) 입니다.

반대로, 귀 안쪽에 위치한 마이크로 전달된 소음을 분석하여 추가 상쇄음을 생성하는 피드백(Feedback)방식도 있습니다.

지금 엑티브 노이즈 캔슬링에서는 피드 포워드 방법이 대세이고 피드 포워드와 피드백을 함께 사용하기도 합니다.

피드 포워드 방식은 파동이 변화하는 순간은 차단이 안되 단점을 극복하려고 두 알고리즘을 합친 하이브리드 방법을 사용합니다.

하이브리드는 어느정도라면 변화하는 순간에도 조금은 반응합니다.

3. 노이즈 캔슬링의 한계

이런 전자 방식의 노이즈 캔슬링에는 여러가지 한계가 있습니다.

우선 낮은 소리인 저주파에는 강하지만 높은 소리인 고주파에 약하다는 것인데요.

고주파는 파장이 짧고 변화가 빠르기 때문에, 역위상 음파를 정확히 맞추는 것이 어렵습니다. 

특히 DSP의 처리 지연이나 마이크의 응답 시간 등으로 인해 상쇄 타이밍이 어긋날 수 있습니다.

그리고 갑작스러운 소리에는 대응하지 못합니다.

소리가 처음들리고 해석을 하고 다음 파장을 기다려야 하기 때문에 갑작스러운 소리나 규칙이 없는 소리에는 소용이 없습니다.

사람 말소리도 규칙이 없으니 방송이 틀어져 있다는 방식으로 주변 노이즈가 발생하면 해석을 못하는 경우가 많습니다.

고정된 환경에서는 비교적 괜찮을 수 있지만, 이동 중에는 자주 발생하는 문제입니다.

이 외에도 알고리즘의 부정확함, 성능 같은 요소들이 작용하여 완전히 제거되지 않는 소음이 있습니다.

이런 것들이 웅웅하는 식으로 들리게 되고 사람에 따라 거슬리거나 심하면 어지러움을 호소하기도 합니다.

어지러움을 느끼는 분들은 노이즈 캔슬링 기능을 사용하기 어려울 수도 있습니다.

하지만 기술의 발전으로 이런 위화감도 점차적으로 없어져 지금은 많은 사람들이 사용하고 있습니다.

4. 노이즈 캔슬링의 주요 성능 인자

노이즈 캔슬링의 대략적인 기술 방법은 비슷비슷하지만 가격이나 성능이 매우 다릅니다.

물론 성능이 좋은 것이 가격도 비싸고, 성능이 나쁜 것은 가격은 그나마 저렴하여 고민되게 만드는데요.

조건을 하나 하나 살펴보겠습니다.

• 해석 방식 : 피드 포워드 방식을 단일하게 사용하는 것과 피드 포워드 + 피드백을 합치는 방식이 있습니다.
  노이즈 캔슬링이 몇 초동안 소리를 듣고 분석하여 반복적인 노이즈를 찾고,
  이후 예측해 소리를 상쇄하는 방법이 피드 포워드(미래 반응) 방식입니다.
  변화량에 취약하다는 약점을 보완하고자 즉각적으로 반응하는 피드백 방식과 병용하는 방식을 개발하기도 합니다.
  이런 방식은 개발비용이 발생하기 때문에 고급스럽지만 고가가 됩니다.
  
  
• 마이크 : MEMS(Micro Electro Mechanical System) 기술을 사용합니다.
  소리의 진동을 잡아내고 신호 대비를 높여 노이즈를 구별하는 성능을 높이는 기구물을 핵심으로 하는 기술입니다.
  정밀한 튜닝과 노하우가 필요한 기술로 단일한 사용해도 노이즈 캔슬링이 가능합니다.
  하지만 듀얼구조등으로 노이즈를 잡고 성능이 좋은 부품을 이용하면 높은 수준의 깨끗한 음파 데이터를 얻을 수 있습니다

• SoC(System On Chip) : 장치를 소형으로 만들다 보니 SoC가 필수시되는 상황입니다.
  노이즈 캔슬링 기능을 가진 이어폰 시장이 커지면서 해당기능을 탑재한 전용 Chip들이 나오고 있습니다.
  전용으로 개발된 SoC는 고성능 DSP 코어와 저전력 설계를 통해 마이크 입력을 빠르게 처리할 수 있도록 최적화됬습니다.
  하지만 개발비용이 높고, 제품별 튜닝이 필요하므로 제조사 입장에서는 반복 활용이 어렵다는 단점이 있습니다.
  통합형 SoC로 만들 수도 있지만 기능에 제한이 있을 수 있습니다.
  
  
• 스피커 : 노이즈를 상쇄하는 음파를 발생하는 스피커 장치야 말로 핵심이 될 것입니다.
  스피커는 크기와 성능이 거의 정비례하는 제품입니다. 크기가 크면 동시에 발생할 수 있는 주파수가 다양해집니다.
  일반 제품은 어느정도 자유롭지만 가격과 무게에 민감한 이어폰같은 경우에는 설계에 제한이 있습니다.

그 외 부품들 : 배터리, 터치, 방수여부, 블루투스 등등 그외에도 중요한 부품이 많습니다.

하나하나가 설계에 중요한 요소로 개발되기 방향에 따라 성능에 영향을 주기도 합니다.

이 것들은 연결하는 기구부도 정밀한 공차를 가지면 컨셉을 잘 구현하겠지만 일반 공차로는 한계가 발생합니다.

5. 노이즈 캔슬링을 동작시키는 알고리즘

기계적인 부분은 위와 같지만 가장 중요한 것은 알고리즘 논리체계와 튜닝이 아닌가 싶습니다.

알고리즘에 대해서 말하자면 먼저 수행해야 해야 되는 일이 꽤 다양한데요. 

좀 정리해 보겠습니다.

이런 수행 요소를 기반으로 아래와 같은 노이즈를 없애기 위한 여러가지 알고리즘이 존재합니다

사용되는 몇가지 알고리즘과 대표기능에 대해서 정리를 해 봤습니다.

• Adaptive Filter(적응형 필터) : 주변 소음 패턴을 실시간으로 학습하여 분석하고 상쇄합니다.
• Feedforward/Feedback : 제어 외부 vs 내부 마이크에서 수집된 정보를 비교해 노이즈를 처리합니다.
• NLMS, RLS, Kalman Filter : 소음에 적응하기 위한 해석시스템에 대한 수학적 최적화 알고리즘입니다. 
                              NLMS는 계산이 간단하고 빠르며 실시간 적응 필터에 자주 사용됩니다.
                              RLS는 더 정밀하지만 계산량이 많고 리소스를 많이 소모합니다.
                              Kalman Filter는 시스템의 상태를 예측하고 오차를 보정합니다. 예측 기반 소음 모델링에 강력합니다.
• Leakage Compensation : 센서를 통해서 이어폰의 착용상태에 따른 보정 방법을 제안합니다.
• Wind Noise Filtering : 바람 소리등 환경노이즈와 주변 소음을 구별하여 반응하는 방법을 제안합니다.
• Transparency Mode : 처리 마이크로 입수해서 상쇄음을 발생하기 까지의 과정에서 지연과 왜곡을 최소화합니다.
• 환경 적응 ANC (Adaptive ANC) : 소음을 기반으로 사용자의 위치(자동차, 기차, 사무실) 환경에 맞게 실시간 조정

6. 제품을 완성시키는 튜닝의 과정

다양한 하드웨어와 소프트 웨어의 구성이 끝났다면 튜닝에 들어갑니다.

튜닝이라는 것은 말그대로 전문업체의 노하우로 각 파라미터를 조정해 최적의 성능을 만들어내는 과정입니다.

초보 개발자나 일반인들은 이 튜닝을 경시할 수도 있지만 처음 구성되는 제품을 받아들면 어안이 벙벙할 정도로 엉망입니다.

그런데 튜닝이 완료되면서 인자 하나하나가 변하는 것을 보면서 마치 생명이 성장하는 듯한 과정을 보면 감동할 수 밖에 없습니다.

저도 그 맛에 개발한다고 할 수 있죠.

이런 튜닝은 하드웨어의 기계적 회로적 튜닝과 소프트웨어 파라미터 튜닝으로 나눌 수 있습니다.

• 기계적 튜닝 : 조립과정에서 보이는 각 부품별 엇갈림을 잡아나가는 과정입니다. 신체조건이 다른사람들이 착용해보거나 헐거울 때, 달릴 때, 뺄 때 등 실험하는 것처럼 여러가지 과정이 있을 수 있습니다.
• 회로적 튜닝 : 감도, 반응지연등을 파악합니다. 주로 저항값이나 C값등을 변경하여 미세한 환경변화에 적응합니다.
• 소프트웨어 튜닝 : 알고리즘의 파라미터를 변경하여 각종 환경에서 정상적으로 동작하도록 함

정말 중요한 것은 소프트웨어 파라미터 튜닝이라고 볼 수 있습니다.

대표적인 파라미터에는 소음 감지 임계값(Threshold), 반응 민감도(Sensitivity), 필터 길이(Filter Length), 업데이트 주기 등이 있으며, 제품에 따라 수십~수백 가지의 조합이 가능합니다.

각종 시험을 통해 최적의 값을 찾아 고정 값으로 개발하는 것이 좋지만 각 제품마다 다르게 조정하는 공정을 만들기도 합니다.

그리고 이중 일부 파라미터는 사용자에게 오픈하여 제공하고 스스로 취향에 맞도록 만들도록 합니다.

튜닝을 여러 단계에서 진행이 됩니다. 그중 일부를 알아보겠습니다.

1. 무향실 테스트 : 기본이 되는 데이터를 확보합니다. 중심값을 설정하는데 가장 큰 영향을 줍니다.
2. 인공 귀 착용 시뮬레이션 : 표준이 되는 형상의 귀에 착용하고 실험합니다.
3. 소음 유형별 테스트 : 백색소음, 엔진소리, 바람소리등 표준 환경에서 시험합니다.
4. 실환경 시험 : 지하철, 버스, 야외등에서 실사용하는데 실험실에서 환경을 모사하기도하고 직접가기도 합니다.
                        필드 테스트라고도 하고 중요한 시험입니다.
5. 응답성능 : 조정 인공적으로 몇가지 주파수, 성량, 박자등을 조합하여 실험합니다.
6. 사용자 피드백 : 반영 전문가, 비전문가를 포함하는 얼리 억세서등 여러사람을 초청해서 정성적, 감각적인 피드백을 받습니다.

이런 환경역시 표준이 있다기 보다는 각 업체의 노하우로 해야할 시험을 선택합니다.

저는 제가 개발할 때도 소비자 입장에서도 실환경 시험 - 필드 테스트를 중요하게 생각합니다.

비용이 든다는 이유로 이 과정을 생략하기도 하는 경우가 있는 것이 아쉬운 현실입니다.

요즘 저가형 노이즈 캔슬링 이어폰이 많이 나왔습니다.

시장이 커지면서 데이터가 많아지고 좋은 알고리즘과 튜닝 방법이 나왔습니다.

저렴한 하드웨어를 커버하는 논리구조가 나온 덕분이죠.

그러나 저렴한 하드웨어를 알고리즘과 튜닝만으로 해결한다는 발상은 위험합니다.

조사도 안하고 제품을 구입했다가 자신과 맞지 않아 잘 사용하게 되지 않는 안타까운 경우이 있습니다.

하이퀄리티는 하드웨어와 소프트웨어가 만나서 이루어 집니다.
듣는 것은 감각의 영역인 만큼 자신에게 맞는 수준의 제품을 찾아서 사용하시는 것을 추천드립니다.

많은 사람들이 무서워하는 질병 중 하나가 충치 입니다.

엄청나게 흔한데 비해 무시무시한 고통으로 많은 사람들을 공포에 떨게 하죠.

거기다 치료 과정도 고통스럽고 큰 비용이 발생해 신체와 지갑 모두 공격하는 무시무시한 병입니다.

1. 충치균은 왜 그리 무서운가요?

요즘에 문제가 되는 병들은 자가면역체제 질환이나 성인병등 엄청 어려운 병들입니다.

현대의학은 "무슨무슨 균" 이런 건 대부분 간단한 처방으로 쉽게 나아버립니다.

도대체 충치가 무엇이길래 이렇게 무서울까요?

충치균에 대해 알아 봅시다.

• 충치균 자체가 산에 강합니다. PH4 이하의 산성에도 살아남으며, 스스로가 산성물질을 형성하여 경쟁하는 유익균을 억제합니다. 그리고 이 "산성은 우리 이빨을 공격하는 수단"이기도 합니다.
• 뛰어난 일꾼이기도 합니다. 당분을 이용해서 인간이 소화가 어려운 다당류의 플라그를 만듭니다. 이렇게 만들어진 쉘터는 충치균의 보호막이자 비상 식량입니다.
• 당분을 소화시키는 능력역시 뛰어나 약간의 당분으로 수 시간안에 대량으로 증식합니다.
• 거기다 환경 변화에 빠른 속도로 적응합니다. 번식을 할 때마다 주변환경에 적응해 나가는 방식이죠.
• 건조한 상태에도 강하고 저산소상태에서도 활동이 가능해서 이빨 틈이나 치아 안쪽에서도 죽지 않고 살아 있습니다.
• 이런 과정 때문 입냄새의 원인이 되기도 합니다.

이 엄청난 스펙은 모든 면에서 치아안에 살기에 최적화 되어 있습니다.

항상 주변에서 흔히 이야기 되어 몰랐지만 알고 보면 현대 과학으로도 박멸하지 못할 만 하죠.

2. 자일리톨은 어떻게 충치균을 막아주나요?

자일리톨은 원래 당을 대체하는 당 알콜류에 해당하는 화합물질입니다.

그래도 식물 추출물을 이용하기는 하지만 원료를 추출하는 것이고, 화학물질이라고 봐야 합니다.

자작나무로 유명하지만 사실 자작나무 말고도 여러가지 식물을 쓸 수 있거든요

그렇다면 자일리톨은 어떻게 충치균을 막냐면,

• 충치균은 포도당과 비슷한 구조이지만 충치균이 소화를 못시키는 구조입니다.
• 정확하게는 일단 분해는 하는데 자일리톨-5-인산(X5P)이라는 애매한 물질까지 변환한 후에 더 이상 분해하지 못합니다.
  (애매하다고 한 이유는 분해도 소화도 어렵기 때문입니다.)
• 충치균은 에너지를 얻지 못하지만 분해하는데 에너지를 쓰기 때문에 점점 힘들어집니다.
• 자일리톨은 분해과정에서 산성 물질을 만들지 않습니다.
• 영양 섭취를 못하니 충치균은 활동을 못하게 되고 산성물질도, 플라그도 형성하지 못합니다. 

한마디로 균이 활동을 못하게 하는 원리입니다.

다만 충치균의 강력한 적응능력은 무시무시한 것으로 가끔 자일리톨에 적응한 사례도 보고 됩니다.

정말 끈질긴 균입니다.

3. 자일리톨의 사용법이 궁금합니다.

물론 이렇게 좋은 자일리톨이지만 사용법이 있기 마련입니다.

자일리톨에 대한 가장 큰 오해부터 해결해야 합니다.

• 한 두개로는 부족합니다. 자일리톨 껌 5개 이상 씹어야 합니다!
• 껌 하나를 10분 이상 천천히 씹어서 효과를 볼 수 있고, 하루에 3~4번으로 나누어 씹는게 좋습니다.
• 사탕으로 섭취할 때는 녹여서 천천히 먹습니다.
• 분말로 차에 타서 먹어도 됩니다. 다만 이경우도 천천히 먹습니다.
• 그리고 무엇보다 설탕하고 같이 먹지말고 자일리톨 단독으로 써야 합니다.
• 기왕이면 섭취후에 약해진 충치균을 양치질로 제거하면 더욱 좋습니다.

대분분의 자일리톨 제품은 꽤 비싸기 때문에 주기적으로 먹어서 예방효과를 보기 어렵습니다.

그래서 역시 평범하게 양치질을 잘하고 치실을 쓰라고 권장하고 싶습니다.

아 그리고 하나 더 꼭 주의할 점은 반려견에게는 절대 주지말고 실수로라도 먹게 하지마세요.

저혈당 쇼크 혹은 간 손상의 원인이 됩니다.

같은 네트워크에 FTP를 설치해서 파일을 주고 받고 있습니다.

하지만 초기화 후에잘 안되는 현상이 있었습니다. 

해결을 위해서 알아본 것들에 대해서 포스팅 해보도록 하겠습니다.

1. IP 주소 고정하기

FTP 서버가 유동 IP 라면 재부팅할 때마다 IP가 변할 수도 있습니다.

IP 주소를 고정하는 방법에 대해서 알아보겠습니다.

우선 지금 할당된 주소를 그대로 사용하는 것이 좋습니다.

먼저 IP 주소를 확인해 보겠습니다.

① Win + R을 눌러서 실행을 부릅니다.

② cmd를 눌러서 커맨드 창을 엽니다.

③ "ipconfig" 명령어로 IP주소를 확인합니다.

그런 후에 IP주소를 수동으로 입력합니다.

④ Win + R을 눌러서 ncpa.cpl을 눌러서 네트워크 매뉴를 엽니다.

⑤ 사용하고 잇는 네트워크를 오른쪽 클릭해서 "속성"을 누릅니다.

⑥ TCP/IPv4를 선택하고 IP주소를 변경합니다.

이 외에도 사용하고 있는 공유기에도 IP 주소를 고정하는 기능이 있을 수 있습니다.

이부분은 각자 가지고 있는 공유기가 다르니까 따로 알아보고 사용하시면 됩니다.

2.  방화벽 설정에서 포트 21 연결 허용하기

검색에서 고급 보안을 검색합니다.

"고급 보안이 포함된 Windows Defender 방화벽"으로 들어갑니다.

새 규칙을 만듭니다.

아래 그림의 순서대로 포트 21을 추가합니다.

연결허용을 한 후에 다음을 클릭하고 이름을 만들어서 규칙을 만들어 줍니다.

3. IIS에서 FTP 익명연결 허용하기

이제 IIS에서 연결 허용합니다.

우선 검색에서 IIS를 검색해서 인터넷 정보 서비스를 오픈합니다.

인터넷 정보서비스의 항목중에서 "FTP 인증"을 선택합니다.

그럼 안에 있는 기본 인증과 익명인증을 각각 오른쪽 클릭합니다.

그런 후에 "사용"을 선택하면 됩니다.

4. 인터넷 시작확인하기(Windows11에서 해결방법)

Windows에서 FTP는 서비스와 인터넷 정보 서비스 관리자의 설정에 둘다 영향을 받습니다.

이전버전에서는 하나를 켜면 같이 켜지지만 Windows 11에서는 둘다 실행해줘야 동작이 됩니다.

검색에서 "서비스"를 검색해서 Microsoft FTO Service를 찾아서 더블클릭합니다.

시작을 눌러서 FTP를 시작합니다.

그리고 IIS 역시 마찬가지로 검색기능을 사용해서 오픈합니다.

왼쪽에서 "사이트" 아래의 FTP를 열어서 오른쪽 클릭을 합니다.

"FTP 사이트 관리"에서 시작을 눌러줍니다.

< 어떻게 변화했나 >

Windows 11으로 업그레이드 했습니다. 언젠가는 넘어가야 할 것이었고 사양을 업그레이드 할 일이 있었기 때문이죠.

변화의 시작은 신선함보다 불편함으로 다가오기 마련이죠.

그중 가장 불편했던건 마우스 오른쪽 키였는데요.

일단 단축키가 대폭 빠졌고 파일하고 연결하는 스타일이 달라졌습니다.

특히 새폴더를 만들때는 오른쪽 클릭 - W - F 순서대로 만드는게 너무 버릇이 되어 불편했습니다.

또 속성이 중간 위치로 간 것 역시 불편한데다가 저는 오른쪽 클릭 - R을 눌러서 속성을 선택하거든요.

위치를 변경한 것은 이해하지만 단축키는 왜 없애놨는지.

아마 단축키를 등록하는 방법이 있겠지만 우선 Windows 10 스타일로 가고 싶더라고요.

< Windows 10 스타일 사용하기 >

기본적으로 Shift + 오른쪽 클릭을 사용하면 일단 해결됩니다.

Shift + 오른쪽 클릭을 하면 Windows 10일 때랑 똑같이 출력되거든요.

살짝 디자인 변경된 점은 무시해도 될 듯 합니다.

Skype나 Clipchamp 같이 이상한 녀석들이 붙기는 했지만 이정도는 아무것도 아니죠.

무엇보다 단축키가 정상 작동하는 점이 반가웠습니다.

그러다보니 모든 상황에서 Shift + 오른쪽 클릭을 하게 되더라고요.

그래서 검색으로 통해 해결해봤습니다.

< 영구적으로 Windows 10 스타일로 변경하는 방법 >

보통으로 설정하는 방법은 없더라고요.

레지스트 편집기를 사용해야 하고요. 이부분을 건들이기 싫으신 분은 변경하면 안됩니다.

아래 순서대로 따라 오시면 됩니다.

① 레지스트리 편집창으로 들어갑니다.

Windows 키 + R을 치면 실행매뉴가 열립니다.

여기서 regedit를 입력하면 레지스트리 편집창으로 들어갑니다.

② CLSID를 찾습니다.

이제 레지스트리 편집기 오른쪽에서 경로를 찾을 차례입니다.

경로 순서는 "HKEY_CURRENT_USER\Software\Classes\CLSID"입니다.

그런 후에 CLSID - 오른쪽 클릭 - 새로 만들기 - 키를 클릭해서 새키를 추가합닙니다.

③ 키의 이름을 입력합니다.

새로 만든 키의 이름을 변경합니다.

키의 이름은 손으로 받아 치기 어렵습니다.

아래의 구문을 그대로 복사해가서 붙여 넣도록 합시다.

{86ca1aa0-34aa-4e8b-a509-50c905bae2a2}

입니다.

④ 키를 하나더 추가 합니다.

만들어진 키를 오른쪽 클릭해서 한번더 키를 만듭니다.

이번에 키의 이름은 단순합니다.

InprocServer32

입니다. 그럼 아래 그림처럼 되는데요.

레지스트의 값인 기본값은 처음의 비어있는 상태로 그대로 두면 됩니다.

⑤ 재부팅 합니다.

여기까지 해서 이제 셋팅이 모두 끝났습니다.

바로 적용이 안되고 재부팅하면 설정이 적용됩니다.

가능하면 Windows 11의 인터페이스를 그대로 사용하려고 했습니다.

하지만 적응이 안되는 부분도 있더라고요.

원래대로 돌리고 싶으면 다시 레지스트리 편집기로 들어가 

{86ca1aa0-34aa-4e8b-a509-50c905bae2a2}를 지우고 재부팅하면 돌려놓을 수 있습니다.

Image J에서도 영상 해석을 하기도 하기 단순히 보기 좋으라고 하는 경우가 있습니다.

영상 분석시 알고리즘에 적합한 영상을 얻기 위해서 화질을 변경하는데 대표적으로 쓰이는 방법을 알아보겠습니다.

1. 밝기와 대비 변경하기(Brightness & Contrast)

가장 대표적으로 이미지를 변경하는 기능입니다.

Image J 인터페이스에서 [Image] - [Adjust] - [Brightness/Contrast]를 클릭하면 B&C가 활성화 됩니다.

단축키로는 Ctrl+Shift+C로도 부를 수 있습니다.

수행하는 기능은 아래와 같습니다.

먼저 ① 편집을 하고 ② 마음에 들면 Apply로 적용합니다. ③ 그런 후 저장까지 해야 합니다.

Apply만 적용한 상태에서도 Image J에서 Process가 돌아가기는 합니다. 

저장을 해야 파일에 적용됩니다.

• Min Max : 특정 명도를 기준으로 밝거나 어둡게 만듭니다.
• Brightness(밝기) : 이미지 전체 밝기를 일괄적으로 높이거나 낮춥니다.
• Contrast(대비) : 밝은 영역과 어두운 영역의 차이(기울기)를 조정합니다.
• Auto(자동조정) : Image의 밝기 분포를 분석하여 기울기를 자동으로 조정합니다.
• Reset : 셋업을 잘못했을 때 이미지를 원래대로 조정합니다.
• Set : 밝기의 기울기를 수동으로 입력합니다.
• Apply : 지금 그림을 이미지에 적용합니다.

Auto 기능은 편리하지만 그다지 좋지 않을 때도 있습니다.

위의 경우를 보면 대비가 올라갔습니다. 하지만 붉어져서 보기에는 별로군요.

2. 흐리거나 선명하게 하기(Smooth, Sharpen)

① Smooth, Sharpen 기능으로 변경하기

Image J의 인터페이스 상에서 [Process] - [Smooth, Sharpen]입니다.

자동으로 Smooth는 흐리고 Sharpen은 선명하게 만들어줍니다.

이걸 한번 두번 적용하면서 원하는 이미지가 나올 때 까지 적용할 수 있습니다.

아래 적용한 예제입니다.

각 기능에 따라서 이미지가 변하는 것을 확인 할 수 있습니다.

② 필터로 이미지 선명도 변경하기

한편으로 필터를 사용하여 얼마나 조정하는지 결정할 수 있습니다.

인터페이스 위에 [Process] - [Gaussian Blur]는 흐려지게하고

반면 [Process] - [Unsharp Mask]는 선명하게 합니다.

이 필터 기능에서는 몇 픽셀 반경으로 영향을 줄 것인지 설정할 수 있습니다.

원하는 값을 찾을 때까지 값을 변경하면서 적용할 수 있도록 Preview도 지원합니다.

선명한 이미지가 좋아 보이기는 하지만 선명한 경우 노이즈도 선명해 집니다.

흐리게 하는 경우가 노이즈 제거에 유용하여 더 많이 사용됩니다.

이미지 프로세스에서는 그 때 그 때 효과가 좋은 것으로 사용하면 됩니다.

3. 흑백으로 변경하기

흑백으로 변경할 때는 [Image] - [Type]에서 변경합니다.

8, 16, 32 bit 이미지로 변경할 수 있습니다.

보통 8 bit를 사용합니다.

원하는 경우에 H(색상), S(채도), V(명도)로 변경할 수도 있습니다.

흑백으로 변경하는 것이 이미지 해석에 좋은 경우가 많습니다.

색상이 포함된 이미지가 보기에는 좋지만 정보가 많아서 오류가 나기 쉽습니다.

흑백으로 변경하는 동안 형상에 대한 정보가 주로 남아서 많은 경우에 분석에 적합합니다.

Image J는 이미지 Tool로도 쓸수 있습니다.

이미지의 크기나 자르기를 수행할 수 있습니다.

1. 크기 편집하기

이미지를 크기를 변경할 때는 Image J에서 [Image] - [Adjust] - [Size]를 누르면 Resize 매뉴를 호출 할 수 있습니다.

이 매뉴에서 이미지를 변경할 크기를 지정할 수 있습니다.

여러 층을 가지고 있는 다층 3차원 이미지의 경우에는 Depth로 지정을 할 수 있습니다.

여기에서 이미지의 사이즈를 변경할 때 interpolation(보간법) 기능도 제공하는데요.

이미지를 줄이거나 늘리면 픽셀이 많아지거나 적어지는데 이 때 정보를 처리하는 방법에 대해 설정하는 것입니다.

기본적으로 Image J에서는 3가지 옵션을 제공합니다.

• None : 가장 가까운 픽셀을 그대로 복사해서 사용합니다. 처리하지 않음으로 속도가 빠르고 선명함이 유지됩니다. 흑백영상등 특수한 이미지에서 유용합니다.
• Bilinear : 양옆과 위아래의 4개의 픽셀의 평균을 가중하여 새로운 픽셀 값을 생성합니다. 보기에는 자연스럽지만 약간 흐려질 수도 있습니다. 일반적인 이미지에 많이 사용합니다. "양선형 보간법"이라고도 합니다.
• Bicubic : 주변의 16개 픽셀을 사용하여 색상의 곡선을 만들고 보간합니다. 계산량이 많아 시간이 걸리 수도 있지만 고화질이 유지되는 장점이 있습니다. 고화질 이미지에 적합합니다.

그림으로 봤을 때 크게 구별이 되지는 않습니다.

자세히보면 흐린 정도나 자연스러움이 조금 다른것을 알 수 있습니다.

엄밀한 분석이 요구되는 경우에는 이런 보간법이 중요합니다.

2. 이미지 짜르기

이미지 짜르기는 심플합니다.

먼저 이미지에서 짤라낼 부분을 선택합니다.

그리고 [Image] - [Crop] 기능을 이용해서 짜르기를 선택합니다.

그러면 바로 이미지가 짤립니다.

3. 이미지 회전, 반전하기

이미지 회전과 반전의 매뉴는 같은 곳에 있습니다.

• Flip Horizontally : 가로 방향으로 좌우반전합니다.
• Filp Vertically : 세로 방향으로 상하반전합니다.
• Rotate 90 Degrees Right : 오른쪽 방향으로 90도로 회전한다.
• Rotate 90 Degrees Left : 왼쪽 방향으로 90도 회전한다.
• Rotate : 이미지를 회전합니다. 도단위로 이미지를 회전시킬 수 있습니다.

이미지를 회전시킬 때는 대각선 방향으로 픽셀 처리가 되어야 할 수 있습니다.

이 때도 사용할 Interpolation(보간법) 방식을 결정할 수 있습니다.

전문적으로 이미지만 편집하는 툴보다는 확실히 불편한 면도 있습니다.

Image J는 무료이고 또 여러가지 옵션을 제공하는 점에서는 장점도 있습니다.

Image J는 편리하고 간편한 이미지 분석 툴이라고 할 수 있습니다.

시료를 촬영한 사진을 분석하여 시료의 크기를 구하는 방법에 대해서 알아 보겠습니다.

원본사진은 몇개의 시료를 촬영한 아래 사진을 사용하겠습니다.

1. 이미지의 이진화

저렇게 컬러풀한 사진은 사실 컴퓨터의 경우에는 어디를 어떻게 처리해야 할지 잘 모른답니다.

사람은 엄청 쉬운데 그래서 특이점을 잡아야 합니다.

우선 특이점의 Threshold를 잡기위해서 먼저

① DATA를 8 bit로 변경합니다.

Image J에서 상단의 매뉴에 [Image] - [Type] - [8-bit]를 선택해서 변경할 수 있습니다.

8 bit 이미지가 되는 순간 color 정보를 소실하지만 여러가지 처리가 가능합니다.

그리고 원본 보존하는 것 항상 잊지 말도록 하세요

② Threshold를 사용해 배경과 시료를 나눕니다.

이 과정을 스킵을 해도 됩니다.

시료의 색이 이렇게 단순할 때 사용하는 방법인데요.

상단 매뉴의 [Image] - [Adjust] - [Threshold]를 눌러서 Threshold 창을 열어봅니다.

문턱치의 상하한을 조절해서 특정 밝기만을 구별할 수 있습니다.

예시로 쓰려고 가져온 사진이라 쉽게 명확하게 구별이 되죠.

이 정도면 별도의 처리 없이 한번에 가능할 것 같습니다.

③ Egde를 추출합니다.

이번에는 [Process] - [Find Edges]를 선택해서 경계선을 표시합니다.

위의 그냥 하얀 덩어리는 추출을 어려워합니다.

이렇게 경계선 상태로 만들어 져야 합니다.

이제 이미지의 이진화 준비는 되었습니다.

이진화하는 방법은 좀더 많지만 어찌되었든 영상처리에서는 이렇게 특이점으로 나누는 과정이 중요합니다.

이제 여기서부터는 아래의 이미지 분석하는 기능에 대해서 진행하겠습니다.

2. 시료 이미지 추출하기

이제 실제로 측정한 사진을 분석할 차례입니다.

자동으로 처리해주니 아래과정 대로만 해봅시다.

① 이미지 분석을 위해 설정을 합니다.

  - Set Measurements : 이미지를 분석할 항목을 설정합니다. 이번에는 Area(면적), Fit ellipse(타원 분석)을 위주로 확인하려고 합니다.

  - Set Scale : 이미지 Pixel의 실제 물리적 거리를 알고 있으면 입력합니다. 입력하면 편리하게 계산해주지만 안해도 픽셀 단위로 계산해 줍니다. 이번에는 입력하지 않고 진행할 것입니다.

② 파티클을 추출합니다.

드디어 오늘의 본론인 개체 분석을 할 시간입니다.

상단의 [Analyze] - [Analyze Particles]을 실행합니다.

선택할 수 있는 옵션은 Show에서 Outlines를 선택하고요,

Display Results를 통해서 인식된 내용을 볼 수 있도록 했습니다.

앞쪽에서 이미 이진화를 완벽하게 했기 때문에 그대로 인식이 됩니다.

보면 시료를 인식한데 빨간 점같은게 있는데 시료 번호입니다.

확대를 하면 보입니다. 예시로 사용한 사진이 생각보다 고화질이라 저렇게 된거네요.

그리고 위에서 Set Measurements에서 분석한 것을 저장해 줍니다.

확대를 해서 보겠습니다.

구석에 한두 픽셀 사이즈의 노이즈도 검출되는 것을 볼 수 있습니다.

이미지를 이진화할 때 완벽하게 걸러지지 않는 부분이 이렇게 표시가 됩니다.

③ 분석 DATA를 옮겨서 확인합니다.

Results 창은 CSV 파일로 저장할 수 있고 또 복사해서 엑셀에 붙여 넣을 수도 있습니다.

숫자로 나오면 쉽게 파악할 수 있습니다.

아래 표를 보면 Area(면적)이 작은 값들은 아마 노이즈일 것이고 3000이 넘는 것들이 시료일 것입니다.

필요한 것으로 나누어 쓰면 되겠네요.

시료가 타원 모양이니 Major(장축), Minor(단축)을 보고도 분석이 가능합니다.

4. DATA 분석시 주의사항

이렇게 사진을 분석하는 방법을 알아 보았습니다.

만일 제 포스팅을 보고 직접 하려면 아마 뜻대로 안될 것입니다.

이미지 분석에는 많은 요소가 있기 때문입니다.

대표적으로 확인해야 하는 부분을 소개합니다.

① 이미지의 밝기나 명암을 설정한다.

가능하면 이미지는 편집하지 않는 것이 좋습니다.

분석이 너무 힘들다면 [Image] - [Adjust] - [Brightness/Contrast] 에서 명암 밝기를 조절할 수 있습니다.

혹은 이미지가 흐리다면 [Process] - [Sharpen]을 누르고 선명하게 만들어 봅니다.

편집은 이진화 전에 이루어져야하고 이진화가 잘 되는지 확인을 해야 합니다.

② 원형도를 조절하기

검출하고자 하는 시료가 원에 가까운지 모릅니다.

Analyze Particle을 실행할 때 Circularity를 조절해서 모양에 대한 최적화를 합니다.

Size 역시 설정하면 결과에 영향을 줄 수 있습니다.

③ 촬영환경 고정하기

시료의 색깔과 대비가 큰 받침을 사용하고 균일한 조명을 사용하며 그림자가 생기지 않도록 합니다.

처음부터 명확하게 촬영이 되면 분석결과도 우수해 집니다.

실험을 반복적으로 할 때는 동일한 조건에서 촬영이 되도록 주의해야 합니다.

이런 것 외에도 Image J에서도 꽤 많은 옵션이 추가적으로 있습니다.

촬영을 할 때도 시료를 염색하거나 형광소재를 사용하는 등 여러가지 방법을 통해서 인식이 잘 되도록 할 수 있습니다.

반복적인 실험과 검증을 통해서 최적화하는 것 만이 정확한 결과를 도출하는 길입니다.

파이썬(python)은 직관적이고 개발하는 속도가 빠른 언어로 알려져 있습니다.

개발자가 사용할 때는 어떻게 되도 좋지만 배포하기 위해서는 실행파일로 만들 필요가 있습니다.

오늘을 Windows 환경에서 콘솔을 사용해서 실행파일(exe)로 내보내는 방법을 알아보겠습니다.

1. 파이썬(python)이 설치된 환경이여야 합니다.

너무 당연한 말부터 시작하나요? 파이썬 코드는 사실 여기저기서 만들고 실행할 수 경우가 많습니다.

그래서 설치하지 않고 개발하는 것도 가능하기 때문에 우선 이걸 받아야 한다는 이야기를 드립니다.

아래 홈페이지에 다운 받을 수 있습니다.

https://www.python.org/

2. Windows의 콘솔창을 열고 설치가 잘 되었는지 확인

Windows 환경에서 명령어를 실행하기 위해 콘솔창에서 작업을 하겠습니다.

콘솔창 열기 가장 쉬운 방법은 단축키 [windows key] + [R]을 누르고 "CMD"를 입력하는 것입니다.

파이썬(python)이 설치가 되었다면, 아래 명령어를 사용해서 설치여부를 확인합니다.

• python --version : 버전을 확인하는 명령어
• pip --version : pip의 설치경로와 버전을 확인하는 명령어

잘 설치가 되지 않았다면 명령어에 응답하지 않거나 오류메시지를 출력합니다.

응답하면 이걸 신호로 해서 아래 작업을 계속 진행해도 되겠습니다.

3. pip을 최신화합니다.

pip은 Python의 패키지 관리자로, PyPI에서 패키지를 다운로드하고 관리하는 역할을 합니다

위에서 pip이 설치가 있다는 것을 지장없이 확인했습니다.

하지만 한번 더 다운로드 받아서 최신화하는 것도 좋습니다.

콘솔창에 "pip install pyinstaller pip" 명령어를 입력하면 확인합니다.

추가 버전이 확인되면 "python.exe -m pip install --upgrade pip" 명령어로 업그래이드합니다.

(원하지 않으면 안해도 됩니다. 24.3.1 버전으로도 오늘 작업은 할 수 있습니다.)

4. 실행파일로 만듭니다.

오늘의 목적인 실행파일을 만들어 보겠습니다.

콘솔창에서 파이썬 코드 파일이 있는 폴더로 이동합니다.(cd 경로명)

.py 파일로 저장해 두었습니다.

명령어 "pyinstaller --onefile --windowed 파일명.py"를 입력하면 실행합니다.

windows 인터페이스에서 동일 폴더에 dist라는 폴더가 만들어지고 그 안에 실행파일이 있을 껍니다.

5. 실행파일이 안될 때 

문제는 이 실행파일이 아마 실행이 안되는 경우가 너무 많다는 것입니다.

대표적인 경우만 해도 아래 것들이 있는데요

• PyInstaller가 자동으로 라이브러리를 포함하지 못하는 경우 : hidden-import 옵션으로 활용하기
• 외부파일을 참고하고 있을 때 경로명이 정확하지 않는 경우
• 외부 실행파일을 동작시킬 때 참고오류(경로명이나 호출오류 등등)
• 코드가 잘못 짜져있어서 디버그 오류가 날때
• 그렇다고 외부, 자동 라이브러리를 모두 포함해서 메모리가 감당 못할때

이게 정말 머리아픈게 각각이 코딩한 소스에 따라서 외부파일이 다르고 참고방식이 다릅니다.

그에 따라 해결방법이 다 다르기 때문에 결국 이 부분은 그때그때 내용을 파서 해결해야 합니다.

어떤 경우에는 수학 알고리즘 만들고, 코딩하고 정리했는데 배포파일 만드는게 더 시간이 오래걸리기도 합니다.

혹시 가능한 사례가 생기면 다음 기회에 소개드리도록 하겠습니다.

1. 에지(Edge)의 의미

사진에 있어서 에지(Edge) 검출을 하고는 합니다.

에지는 어떤한 것이든 사진내에서 밝기나 색상이 급격하게 변하는 구간을 의미합니다.

보통은 물체의 물리적인 경계선이나 윤곽선일 경우입니다.

대부분의 이미지 분석은 먼저 특이점을 기준으로 진행을 하는데 이 에지가 가장 많이 사용됩니다.

아래사진은 에지를 이해하기 위해 경계면을 확대시킨 사진입니다.

경계가 넘어가는 지점에서 크게 어두운 한픽셀의 선이 발생하는 것이 알 수 있습니다.

에지 검출 알고리즘은 이런 지점을 특이점으로 추적하도록 만들어져 있습니다.

2. Image J에서 사용하는 에지 검출 방법

에지를 파악하기 위해서는 주변 픽셀과의 변화량을 알아야 하니 미분연산을 많이 사용하게 됩니다.

Image J에서는 Sobel 에지 검출 알고리즘을 사용하는 엣지 검출 방법을 지원합니다.

이 방법은 자신을 중심으로 인접한 3 x 3의 픽셀을 변화량, 그러니까 기울기(Gradient)를 구합니다.

자신 주변의 픽셀값에 아래와 같이 수평과 수직 방향으로 각각 행렬을 적용합니다.

이렇게 적용하여 수평, 수직 방향의 변화량에 아래와 같은 연산을 통해서 최종 변화량을 계산합니다.

이게 Sobel 변화량이며 이 변화량 G > 임계치(threshold)이면 에지로 간주하는 방식을 사용합니다.

다만 Image J에서는 별도로 임계값을 변화시킬 수가 없고 유동적으로 조절하는 알고리즘을 사용합니다.

만일 사용자가 에지 추출 민감도를 조정하고 싶으면 별도로 이미지를 흐리거나 선명하게 편집해서 사용해야 합니다.

3. Image J의 에지 검출 방법

Image J에서 이지를 검출하는 기본방법은 아주 간단합니다.

여러 이미지가 열려 있는 경우라면 추출할 이미지를 선택하고, [Process] - [Find Edges] 를 클릭하면 됩니다.

바로 내부 알고리즘을 통해서 에지를 찾고 이진화된 이미지를 보여줍니다.

Image J의 에지 검출은 그 자체로도 사용하기도 합니다.

하지만 공식적인 알고리즘으로 얼마나 이미지가 잘 촬영되었나 용도로도 사용할 수 있습니다.

바로 이진화된 이미지를 보여주기 때문에 여기저기 쓸모가 많습니다.

위의 그림처럼 경계선이 그려지고 이미지가 흑백으로 이진화 되었습니다.

많은 이미지 해석 알고리즘이 이진화를 기본으로 하기 때문에 공부하시는 분은 이 그림에 집중해야 합니다.

4. 에지를 이용한 이미지 검출의 예

에지 검출과 이진화 한 이미지에 대해서 하나 예시를 보여드리겠습니다.

두 개의 건축자제를 접착제로 붙인 사진입니다. 그리고 1년 뒤에 어떻게 되었는지 확인하려고합니다.

1년이 지나다보니 화질이나 각도가 똑같이 촬영되지 못해 상황을 알기가 어렵습니다.

이제 Image J를 이용하여 에지를 검출하고 이미지를 이진화를 시켰습니다.

이러면 색상이나 화질에 의한 변화가 거의 없어집니다.

이 영상 분석에 대해서는 접착층이 처음에는 균일하고 고루 작업이 되었습니다.

1년이 지난후 접착층이 아래위에 잘 흡착되어 흡수되었으며 시간이 지난 후에도 안정적으로 균열없이 잘 있습니다.

외부만 보고 판단하면 그렇다는 것이지만 실제로도 꽤 안정적이였습니다.

이렇게 이진화된 이미지는 객관적인 결과를 도출하는데 많은 도움이 됩니다.

< IMAGE J 소개 >

Image J는 미국 국립보건원(National Institutes of Health)과 광학 및 계산 계측 연구소(LOCI, University of Wisconsin)에서 개발된 Java 기반 이미지 처리 프로그램입니다.

첫 번째 버전인 ImageJ 1.0는 공개용 도메인으로 개발되어 아직도 어디서나 사용할 수 있습니다.

많은 개인과 기관이 1.x 버전을 사용해서 영상을 처리합니다.
Image J2 부터는 일부 프로젝트에 BSD-2의 허용적 라이선스(Permissive License)를 적용받았습니다.

(SciJava, ImgLib2, SCIFIO)

< 다운 받는 곳 >

Image J는 Jaba 플러그인과 매크로의 기록과 적용 가능하여 사용자가 프로그램을 확장시킬 수 있는 구조입니다.

이런 구조를 개방형 아키텍처라고 하고, Image J는 그중에서도 성공적인 SW입니다.
사용자의 역량에 따라 내장 편집기와 Java 컴파일러를 이용하여 플러그인을 개발하여 기능을 추가할 수 있습니다.

아래 링크에서 다운을 받을 수 있습니다.

다운 받는 링크 : https://imagej.net/ij/download.html

< Image J의 특성 >

Image J는 강력한 기능을 가지고 있는 툴로 분야를 가리지 않고 여러 곳에서 사용됩니다.

대표적인 특징은 아래와 같은데요.

• 독립성 : Java를 기반으로 만들어져서 Windows와 MAC, Linux 모두 실행이 가능합니다.
• 유연성 : jpeg, bmp, png, Tiff등등 알려진 거의 모든 이미지를 처리가능합니다.
• 응용성 : 플러그인과 메크로를 사용하여 기능을 개발할 수 있습니다.
• 확장성 : 만들어진 플러그인은 타인에게 배포할 수 있어 포럼등을 기반으로 계속 확장됩니다.

< 기본적인 사용방법 >

기본적인 사용 방법은 창을 열고 이미지를 선택해서 드래그 앤드 드롭(Drag and Drop)하면 이미지를 오픈합니다.

한번에 하나를 열고 사용할 수 도 있지만 여러개의 파일을 오픈하고 작업을 수행할 수도 있습니다.

창이 여러개 열고 사용할 수 있고 각 이미지는 독립적으로 분석이 가능합니다.

기능을 적용할 때는 적용할 창을 먼저 선택합니다.

그 후에 Image J의 메인창을 선택하고 기능을 실행하면 그 창에서 기능이 동작합니다.

기능은 이미지를 변경할 수도 있지만 ROI를 선택하고 특정 범주에서만 동작시킬 수도 있습니다.

위에는 왼쪽에는 Find Edges를 적용하고 오른쪽에는 흐리게 하기를 적용했습니다.

이렇게 이미지별로 다르게 할 수 있는 것이 Image J의 편리함과 강력함을 더욱 돋보이게 합니다.