1. 서 론
2. 디지털 이미지 기반의 토색 분석을 위한 색 표시계
3. 디지털 이미지 촬영 장비 및 조건
3.1 디지털 이미지 촬영 장비
3.2 흙 시료
3.3 디지털 이미지 촬영 조건
4. 디지털 이미지 촬영 결과
5. 디지털 이미지 프로세싱 기반 토색 분석 결과
6. 결 론
1. 서 론
흙의 색(이하 토색)은 구성 광물, 유기물 함량, 함수비, 이온 농도 등에 따라 달라지므로, 흙을 분류하고 특성을 예측하기 위한 기초 지표로 널리 활용되어 왔다(Webster and Butler, 1976; Iba Ez-Asensio et al., 2013). 일례로 농업분야에서는 토색에 따라 적합한 영농 형태 및 작물 종류가 달라지는 것에 주목하여, 토색을 대표적인 흙의 분류 지표로 활용한다(Han et al., 2016). 또한 인접한 지역에서 유사한 색(color)을 가지는 흙은 서로 유사한 특성을 가질 가능성이 높으므로, 토목분야에서는 지반조사 시 채취된 흙 시료의 색(암갈색, 암회색, 회갈색 등)을 시추주상도에 기록한다.
일반적으로 토색은 육안(naked eyes)으로 관찰해 결정한다. 먼셀토색첩(Munsell soil color chart)은 육안으로 관찰된 토색을 객관적으로 구별하기 위해 개발된 것으로, 색을 색상(hue), 명도(value), 채도(chroma)의 조합으로 나타낸다(Munsell Color Company, 1975). ASTM(2008)은 먼셀토색첩에서 흙 시료의 색과 가장 유사한 표준색편(standard color chip)을 찾아 토색을 결정(색상 명도/채도 순으로 표기)하도록 하고 있으며, 이는 현재까지 가장 널리 활용되는 토색 결정 방법이다(Torrent and Barron, 1993; Soil Survey Staff, 1999; IUSS Working Group WRB, 2006; Thompson et al., 2013). 그러나 먼셀토색첩을 활용한 토색 결정방법은 다음과 같은 한계가 내재되어 있다.
(1) 육안으로 흙 시료의 색과 가장 유사한 표준색편을 찾는 과정에서 관찰자의 예민도(sensitivity) 혹은 주관(subjectivity)이 개입될 가능성이 높으며, 많은 시간이 소요된다(Lusby et al., 2013; Mouazen et al., 2007).
(2) 흙 시료 및 표준색편의 색은 광조건(illumination conditions)과 같은 환경 조건에 따라 달라지므로, 절대적인 색상을 알기 어렵다(Berns, 2000; Mouazen et al., 2007).
(3) 먼셀토색첩의 표준색편이 불연속적인 조각으로 나뉘어져 있으므로, 수치적 혹은 통계적인 분석이 어렵다(Kirillova et al., 2014).
이러한 한계를 극복하기 위한 방법으로 디지털 이미지 프로세싱(digital image processing)이 주목받고 있다(Aydemir et al., 2004; Viscarra Rossel et al., 2008; O’Donnell et al., 2011). 디지털 이미지 프로세싱은 디지털 이미지를 분석해 원하는 정보를 얻는 일련의 과정으로, 디지털 이미지는 각 픽셀(pixel)에 부여된 0에서 255까지의 RGB(Red, Green, Blue) 값으로 구성되어 있다(흑백 이미지의 경우 각 픽셀에 부여된 0에서 255까지의 Gray 값으로 구성). 디지털 이미지 프로세싱은 컴퓨터를 통해 진행(computational process)되므로 관찰자의 개입 없이 빠르고 객관적인 토색 결정이 가능하며, 토색이 연속적인 값으로 표시되므로 수치적 혹은 통계적인 분석이 가능하다는 장점이 있다.
이에 많은 연구자들은 디지털 이미지 프로세싱을 기반으로 토색을 획득하고, 토색과 흙의 속성정보의 상관관계를 분석하는 연구를 수행하고 있다. Persson(2005), Zanetti et al.(2015), Santos et al.(2016), Park(2017), Kim(2020)은 실내 스튜디오에서 촬영된 디지털 이미지로부터 얻은 흙의 RGB 색 강도(RGB color intensity)와 함수비(혹은 함수율)의 상관관계를 분석했고, Zhu et al.(2010)은 흑백 이미지로부터 얻은 흙의 Gray 색 강도(Gray color intensity)와 함수비의 상관관계를 분석했다. 각 연구자들은 흙의 함수비(혹은 함수율)가 높아질수록 RGB 색 강도와 Gray 색 강도가 낮아지는 경향이 있음을 밝히고, 토색으로부터 함수비(혹은 함수율)를 예측할 수 있는 경험식(empirical equations)을 제시했다. 또한 Gomez-Robledo et al.(2013)과 Moonrungsee et al.(2015)은 스마트폰 카메라로 촬영된 디지털 이미지로부터 흙의 RGB 색 강도를 획득하고 이를 통해 각각 먼셀토색첩의 토색(색상 명도/채도)과 토양에 존재하는 인(Phosphorus, P)의 함량을 예측하기 위한 연구를 수행했다. 상기 연구들은 디지털 이미지 프로세싱을 바탕으로 토색을 빠르게 판별하고 이를 통해 흙의 속성을 성공적으로 예측하는 성과를 보였지만, 광조건이 일정한 실내 스튜디오에서 촬영된 이미지를 바탕으로 수행되었다는 한계가 있었다. 색(color) 발현 원리에 따라 입사광(incident light)이 달라지면 토색도 달라지기 때문에, 상기 연구들과 다른 광조건에서 촬영된 이미지 혹은 광조건의 통제가 불가능한 실제 현장에서는 연구결과를 적용하기 어려웠다.
본 연구는 현장의 불규칙한 광조건을 고려할 수 있는 디지털 이미지 프로세싱 기반 토색 분석 기술 개발을 위한 기초단계로서 수행되었다. 자연광의 특성(조도 및 색온도)을 모사할 수 있는 디지털 이미지 촬영 스튜디오를 구축하고, 두 가지 흙 시료(주문진 표준사 및 안성 풍화토)를 대상으로 광조건을 12회 씩 바꿔가며 디지털 이미지를 촬영했다(총 24회 촬영). 디지털 이미지 프로세싱을 수행해 촬영된 시료의 토색을 두 가지 색 표시계(RGB, CIELAB)에 대해 추출하고, 현장의 불규칙한 광조건을 고려할 수 있는 색 표시계를 확인했다. 본 논문의 구성은 다음과 같다. 2절과 3절에서는 각각 디지털 이미지 프로세싱에 활용된 색 표시계 및 디지털 이미지 촬영 조건에 대해 기술했다. 4절과 5절에서는 각각 디지털 이미지 촬영 결과 및 디지털 이미지 프로세싱을 통해 RGB 및 CIELAB 색 표시계에서 시료의 토색을 획득하고 그 차이를 분석했다. 본 연구의 요약 및 결론은 6절에서 기술했다.
2. 디지털 이미지 기반의 토색 분석을 위한 색 표시계
일반적으로 빛(light)은 육안으로 볼 수 있는 약 380nm에서 780nm 사이의 파장이 혼합된 전자기파인 가시광선을 의미한다. 빛이 특정한 물체에 입사(입사광)하면 일부 파장의 빛은 흡수하고 나머지 파장의 빛은 반사(반사광)하는데, 색(color)이란 반사광의 파장에 따라 결정된다. 예를 들어 식물의 잎이 녹색으로 보이는 것은 엽록소가 녹색을 띄는 파장대(약 500∼570nm)의 전자기파를 반사시키기 때문이고, 토색이 붉게 보이는 것은 흙 입자가 붉은 색을 띄는 파장대(약 620∼780nm)의 전자기파를 반사시키기 때문이다. 이렇게 하여 나타난 물체의 색을 수치적으로 표시하는 방법을 색 표시계(color system)라고 한다. 색 표시계(color system)는 특정한 색을 1차원 직선 혹은 3차원 공간상의 한 점으로 나타내며, 1차원 직선 혹은 3차원 공간을 정의하는 방식은 색 표시계에 따라 매우 다양하다(Billmeyer and Saltzman, 1981; Wyszecki and Stiles, 1982). 다양한 색 표시계 중, 본 장에서는 토색 분석을 위해 본 연구에서 활용한 두 가지 색 표시계(RGB, CIELAB)에 대해 기술했다.
RGB 색 표시계는 디지털 카메라와 같은 전자장비에서 가장 널리 사용되는 방식으로 빛의 삼원색인 빨강(R), 초록(G), 파랑(B)을 이용해 색을 표현하는 방식이다. 색을 빨강, 초록, 파랑의 조합으로 나타내며 색을 섞을수록 밝아지기 때문에 가산혼합 이라고도 불린다. 대부분의 전자장비에 적용되는 8비트 디지털 시스템(8-bit digital system)에서는 RGB 색상 강도를 각각 0(어두움)에서 255(밝음)까지로 표시하여 총 16,777,216(=2553)가지 색을 표현할 수 있다(Wyszecki and Stiles, 1982). Fig. 1은 RGB 색 표시계를 3차원 공간(RGB 색 공간)에 나타낸 것이다. 3차원으로 나타낸 RGB 색 표시계에서 모든 색은 빨강(255, 0, 0), 초록(0, 255, 0), 파랑(0, 0, 255), 검정(0, 0, 0), 하양(255, 255, 255), 청록(0, 255, 255), 자홍(255, 0, 255), 노랑(255, 255, 0)을 꼭지점으로 하는 정육면체 안의 한 점으로 표시된다.
RGB 색 표시계는 간편한 방식(RGB 세 가지 색상의 조합)으로 대부분의 색을 재현할 수 있다는 장점이 있지만, 인간이 인식 가능한 모든 색상을 표현할 수 있는 것은 아니다. 또한 RGB 각각이 나타내는 파장은 인간의 시각을 담당하는 원추세포(단파장(S), 중파장(M), 장파장(L))가 인식하는 파장과 다르다는 문제점이 있다. 이에 1931년 국제조명위원회 CIE(Commission Internationale de l’Eclairage)는 인간의 원추세포가 인식하는 삼색 자극값(tristimulus values)을 기반으로 인간이 인식 가능한 모든 색상을 표현할 수 있는 CIEXYZ 색 표시계를 제정했다(CIE, 1931). 그러나 CIEXYZ 색 표시계는 인간이 인식하는 색상 간의 거리 등을 표현하는 방법에 있어서 지각적 비선형성(perceptual non-linearity)이 존재해 공학적인 계산(색의 수치적 및 통계적 분석)이 어렵다는 한계가 있었다(Wyszecki and Stiles, 1982; Viscarra Rossel et al., 2006).
상기 문제점을 극복하기 위해 CIE는 CIEXYZ 색 표시계를 기반으로 CIELAB 색 표시계를 제안했다(CIE, 1978). CIELAB 색 표시계에서는 색을 L*, a*, b*의 조합으로 표현하는데, L*는 0(어두움)에서 100(밝음)까지로 표시되는 색의 밝기를 나타낸다. 또한 a*와 b*는 색상값으로, a*는 빨강(양수)과 초록(음수) 중 어느쪽에 가까운지를 b*는 노랑(양수)과 파랑(음수) 중 어느쪽에 가까운지를 나타낸다. Fig. 2는 CIELAB 색 표시계를 3차원 공간(CIELAB 색 공간)에 나타낸 것으로, 모든 색은 CIELAB 색 공간상의 한 점으로 표시된다. 본 연구에서는 RGB 색 표시계를 기반으로 획득된 디지털 이미지를 CIELAB 색 표시계로 변환하기 위해, 두 단계의 색 표시계 변환 과정을 거쳤다. 우선 CIE(1931)의 등색함수(color matching function)를 이용해 RGB 색 표시계를 CIEXYZ 색 표시계로 변환하고, CIE(1978)의 변환식을 통해 CIEXYZ 색 표시계를 CIELAB 색 표시계로 변환했다. 상기 색 표시계 변환 과정은 Viscarra Rossel et al.(2006)에 보다 자세히 기술되어 있다.
3. 디지털 이미지 촬영 장비 및 조건
3.1 디지털 이미지 촬영 장비
본 연구에서는 외부 광원(자연광, 외부 조명)을 완전히 차단시켜 암실 환경을 조성한 뒤 디지털 이미지를 촬영했다. Fig. 3에 나타낸 바와 같이, 디지털 이미지 촬영장비는 디지털 카메라, 조명, 흙 시료를 담을 수 있는 몰드(mold)로 구성되며, 각각은 높이와 위치 조정이 가능한 스튜디오 프레임(studio frame)에 고정되어 설치되었다. 이미지 촬영면(흙 시료 표면)과 카메라의 이미지 센서 간의 거리는 초점거리를 고정한 상태(카메라의 오토포커스(AF) 기능 사용하지 않은 상태)에서 500mm로 일정하게 유지시켰고, 조명은 이미지 촬영면으로 부터 700mm 높이에 위치시켰다.
디지털 카메라는 Nikkon 社의 D850 모델에 AF-S 50mm 단렌즈를 부착해 사용했다. 풀프레임 CMOS 센서를 통해 4,575만 화소의 디지털 이미지를 획득할 수 있는 장비로, 카메라와 컴퓨터를 연결한 후 촬영을 실시해 셔터 조작 등에 따른 카메라 흔들림을 최소화 했다. 조명은 GODOX 社의 LED 조명인 SL100Bi를 두 개 사용했는데, 이를 통해 이미지 촬영면을 기준으로 색온도를 2,800K에서 6,000K 까지 조절 가능하고 최대 65,000lux의 조도를 확보할 수 있었다. 흙 시료를 담기 위한 몰드는 무광의 검정색 플라스틱을 활용해 내경과 높이가 각각 125mm 및 20mm가 되도록 제작했고, 디지털 카메라와 연직방향으로 배치하여 이미지의 왜곡을 최소화 했다.
3.2 흙 시료
본 연구에서는 구성 광물에 차이가 있어 토색이 상이한 두 가지 흙 시료(주문진 표준사 및 안성 풍화토)를 사용했다. 주문진 표준사는 실리카(silica) 계열의 모래(규사)로 밝은 황색을 띄고, 안성 풍화토(안성지역에서 채취된 풍화토)는 국내에 널리 분포하는 화강암(granite)이 풍화되어 형성된 흙으로 갈색을 띄었다.
Fig. 4는 주문진 표준사 및 안성 풍화토의 입도분포 곡선을 나타낸다. 주문진 표준사는 통일분류법(Unified Soil Classification System, USCS)에 의해 SP(poorly graded sand)로 분류되고 평균유효입경(D50)이 0.58mm 였다. 안성 풍화토는 4번체 통과 백분율(직경 4.75mm 이하 입자 비율)과 200번체 통과 백분율(직경 0.074mm 이하 입자 비율)이 각각 94.6%와 16.8%인 SM(silty sand)로, 평균유효입경(D50)이 1.05mm 였다.
건조된 상태의 두 가지 흙 시료를 내경과 높이가 각각 150mm 및 30mm인 원통형 몰드에 다져 넣어 촬영용 시료를 준비했다. 다짐 시 시료가 균질하고 평평하게 다져지도록 몰드의 내경과 동일한 직경을 가지는 다짐봉을 사용했으며, 각 시료의 상대밀도 70%에 해당하는 건조밀도(주문진 표준사 및 안성 풍화토의 건조밀도는 각각 1.52g/cm3 및 1.65g/cm3)로 조성했다.
3.3 디지털 이미지 촬영 조건
본 연구에서는 외부 광원이 완전히 차단된 암실에서 조명을 이용해 자연광 조건을 모사한 뒤 디지털 이미지를 촬영했다. 이때 자연광 조건은 조도 및 색온도를 의미하는 것으로, 이는 각각 광원의 밝기와 색상을 정량적으로 나타내는 지표이다. Table 1은 2022년 2월 15일부터 2022년 2월 22일까지 Kinica Minolta 社의 휴대용 광특성 측정장치 CL-200A를 활용해 측정한 자연광의 조도 및 색온도를 나타낸다. 자연광의 조도는 15,540∼65,040lux의 범위로 오전에서 오후로 갈수록, 날씨가 흐릴수록 감소하는 경향을 보였다. 또한 자연광의 색온도는 3,762∼5,808K의 범위로 일몰에 가까운 경우 작은 값을 나타냈는데, 측정된 색온도는 Jeon et al.(2021)이 2017년 4월부터 2018년 4월까지 사계절 동안 측정한 값과 유사한 범위를 보였다.
Table 1.
Illuminance and color temperature of the natural light (2022.02.15. ~ 2022.02.22)
상기 측정 결과를 바탕으로 결정된 디지털 이미지 촬영 시 광조건은 Table 2와 같다. 두 가지 흙 시료(주문진 표준사 및 안성 풍화토)를 대상으로 광조건을 12회 씩 바꿔가며 디지털 이미지를 촬영했다(총 24회 촬영). 서로 다른 세 가지 색온도(3,000K, 4,500K, 5,500K)와 네 가지 조도(15,000lux, 35,000lux, 50,000lux, 65,000lux)를 모사하고자 했으나, 조명의 색온도 및 조도를 수동(manual)으로 맞추는 과정에서 약간의 오차가 발생했다. 따라서 광조건 설정(setting) 후 이미지 촬영 전, Kinica Minolta 社의 CL-200A를 통해 이미지 촬영면에서 실제 색온도와 조도를 측정했으며(Table 2 참고), 결과 분석에는 실측값을 활용했다.
Table 2.
Summary of the digital image acquisition conditions
디지털 카메라의 설정값(조리개 값, 셔터스피드, ISO, 화이트밸런스, 플래쉬 등)은 디지털 이미지 측정 결과에 지배적인 영향을 미치기 때문에, 촬영 조건 및 대상에 따라 적절한 값을 설정할 필요가 있다. 본 연구에서는 흙 시료의 사이즈 및 촬영 거리 등을 고려해 조리개, 셔터스피드, ISO 값을 각각 f/5, 1/1000초, 200으로 결정했다. 화이트밸런스는 5,500K로 고정하고 플래쉬를 끈 상태로 촬영을 실시하여, 카메라 설정값이 이미지 측정 결과에 미치는 영향을 배제시켰다.
4. 디지털 이미지 촬영 결과
Fig. 5와 Fig. 6은 각각 주문진 표준사와 안성 풍화토의 디지털 이미지를 나타낸다. 일정하게 조성된 흙 시료를 동일한 카메라 설정값을 적용해 촬영했음에도 조명의 색온도 및 조도에 따라 이미지 상으로 표출되는 토색은 완전히 달랐다. 이는 앞서 기술한 바와 같이, 색 발현 원리에 따라 입사광(조명의 특성)이 달라지면 토색을 결정하는 반사광도 달라지기 때문이다.
색온도는 광원의 색을 절대온도(K)를 이용해 숫자로 표시한 것으로 붉은색 계열의 광원일수록 색온도가 낮고 푸른색 계열의 광원일수록 색온도가 높다. 광원의 조도는 특정한 면이 받는 빛의 세기를 나타내는 값으로 조도가 높아질수록 광원이 밝아진다. 토색도 색온도 및 조도에 따른 광원의 변화와 동일한 경향을 보였다(Fig. 5와 Fig. 6 참고). 즉, 토색은 조명의 색온도가 높아질수록 붉은색에서 푸른색에 가까워졌고 조도가 높아질수록 밝아졌다. 조명에 따라 토색이 변화하는 현상은 기존 연구들(Persson, 2005; Zhu et al., 2010; Gomez-Robledo et al., 2013; Moonrungsee et al., 2015; Zanetti et al., 2015; Santos et al., 2016; Park, 2017; Kim, 2020)의 한계를 보여준다.
상기 연구들은 디지털 이미지 프로세싱을 기반으로 획득된 토색을 활용해 흙의 속성정보를 예측하는 방법을 제시했지만 광조건이 일정한 실내 스튜디오에서 촬영된 이미지를 바탕으로 수행된 연구였다. 연구가 수행된 환경과 광조건이 일치하지 않거나 광조건의 통제가 사실상 불가능한 야외(outdoor)에서는 제시된 연구결과가 적용될 수 없었다. 불규칙한 광조건(조명의 색온도 및 조도)을 고려할 수 있는 디지털 이미지 프로세싱 기반의 토색 분석 방법이 개발된다면, 연구결과의 범용성 및 현장 적용성을 한층 더 강화할 수 있을 것으로 판단된다.
다음절에서는 디지털 이미지 프로세싱을 수행해 두 가지 색 표시계(RGB, CIELAB)에서 시료의 토색을 수치적으로 획득했다. 조명의 색온도 및 조도에 따른 토색 변화를 각각 분석하고 불규칙한 광조건을 고려할 수 있는 디지털 이미지 프로세싱 기반 토색 분석 기술 개발의 가능성을 확인했다.
5. 디지털 이미지 프로세싱 기반 토색 분석 결과
본 연구에서 토색 분석을 위한 디지털 이미지 프로세싱은 크게 세 단계(① 관심영역(region of interest, ROI) 설정, ② 색 표시계 변환, ③ 관심영역 내 토색 평균값 도출)로 진행되었다. Fig. 7에 나타낸바와 같이 관심영역은 흙 시료와 중심을 공유하는 직경 100mm인 원(circle)으로 설정했다(흙 시료의 직경은 125mm). 관심영역의 모양 및 크기에 따라 토색의 기술통계량(평균 등)이 변화할 수 있지만, 본 연구에서 수행된 분석(조명의 색온도 및 조도에 따른 토색 변화 분석) 결과에는 큰 차이가 없어 이와 관련한 내용은 기술하지 않았다. 색 표시계 변환은 2절에 기술한 절차에 따라 수행했으며, 각각의 색 표시계에 대해 도출된 관심영역 내 토색 값(예를 들어 RGB는 R, G, B 값)의 평균을 산정해 분석에 활용했다.
Fig. 8과 Fig. 9는 RGB 색 표시계에 대해 도출된 토색(R, G, B)의 평균값을 각각 조명의 조도 및 색온도에 대해 나타낸 것이다. 주문진 표준사와 안성 풍화토 모두에서 조명의 조도가 증가할수록 토색(R, G, B)의 평균값이 증가하는 경향을 보였다. RGB 중 밝기와 가장 상관성이 높다고 알려진 초록(G)의 경우 조도와의 상관계수(R2)가 0.910 이상으로 매우 높았으나, 빨강(R) 및 파랑(B)과의 상관계수는 상대적으로 낮았다. 이는 조도에 비해 영향은 상대적으로 적으나 조명의 색온도 또한 토색(특히, 빨강(R) 및 파랑(B) 강도)에 영향을 미치기 때문으로, 색온도가 낮은 광원(붉은색 계열)에서 빨강색 강도가 높고 색온도가 높은 광원(푸른색 계열)에서 파랑색 강도가 높은 현상을 보인다(Fig. 9 참조).
토색(R, G, B)의 평균값과 조명의 조도와의 관계에서 한 가지 흥미로운 사실은, 구성 광물에 차이가 있는 두 시료의 선형 회귀식이 거의 유사한 기울기를 가진다는 것이다(Fig. 8 참조). 즉, 두 시료의 토색 차이에 따라 선형 회귀식의 절편(y-intercept)은 차이가 있었지만 조도의 변화에 따른 토색의 변화량은 큰 차이가 없었다. 그러나 앞서 기술한 바와 같이, RGB 색 표시계로 표시되는 토색은 조명의 조도 및 색온도 모두에게 일정 부분 영향을 받으므로, Fig. 8과 Fig. 9의 회귀식을 통해 조도 및 색온도의 영향을 배제(혹은 보정)하기는 어려울 것으로 판단된다.
Fig. 10과 Fig. 11은 CIELAB 색 표시계에 대해 도출된 토색(L*, a*, b*)의 평균값을 각각 조명의 조도 및 색온도에 대해 나타낸 것이다. 주문진 표준사와 안성 풍화토 모두에서 L*는 조명의 조도와 높은 상관성을 보였고, a*와 b*는 조명의 색온도와 높은 상관성을 보였다. 반면 조명의 조도는 a*와 b*에 색온도는 L*에 거의 영향을 주지 않았다. CIELAB 색 표시계에서 L*는 색의 밝기를 나타내는 지표이므로 광원의 조도가 높아질수록 토색의 밝기인 L*가 증가했다. 또한 a*와 b*는 색상을 나타내는 지표이므로, 광원의 색온도가 증가해 붉은색 계열에서 푸른색 계열로 변화할수록 토색이 파랑에 가까워지며 a*와 b*는 점차 감소했다(Fig. 2 참조).
이와 같이 토색 중 L*는 조도에만 a*와 b*는 색온도에만 영향을 받으며 상관성도 높으므로, Fig. 10의 회귀식(L*와 조도)과 Fig. 11의 회귀식(a*, b*와 색온도)을 적절히 활용한다면 조도 및 색온도가 토색에 미치는 영향을 배제(혹은 보정)할 수 있을 것으로 판단된다. RGB 색 표시계와 마찬가지로, ① L*의 평균값과 조도, ② a*, b*의 평균값과 색온도의 선형 회귀식 기울기는 시료의 종류에 관계없이 유사했다. 두 시료의 토색 차이에 따라 선형 회귀식의 절편(y-intercept)은 차이가 있지만, 조도 및 색온도의 변화에 따른 토색의 변화량은 큰 차이가 없는 것이다. 향후, 보다 다양한 흙 시료의 디지털 이미지를 CIELAB 색 표시계를 기반으로 분석해 본 연구의 결과와 유사한 경향(시료의 종류에 관계없이 유사한 회귀식 기울기)을 확인한다면, 광조건(조도 및 색온도)에 관계없이 활용 가능한 디지털 이미지 프로세싱 기반 토색 분석 기술 개발이 가능할 것으로 기대된다.
6. 결 론
본 연구는 현장의 불규칙한 광조건을 고려할 수 있는 디지털 이미지 프로세싱 기반 토색 분석 기술 개발을 위한 기초단계로서 수행되었다. 두 가지 흙 시료(주문진 표준사 및 안성 풍화토)를 대상으로 광조건을 12회 씩 바꿔가며 디지털 이미지를 촬영했다. 디지털 이미지 프로세싱을 통해 촬영된 시료의 토색을 두 가지 색 표시계(RGB, CIELAB)에 대해 추출하고, 광조건에 따른 토색 변화를 분석했다. 이상의 과정을 통해 다음과 같은 결론을 얻을 수 있었다.
(1) 일정하게 조성된 흙 시료를 동일한 카메라 설정값을 적용해 촬영했음에도 조명의 색온도 및 조도에 따라 토색이 완전히 달랐다. 이는 색 발현 원리에 따라 입사광(조명의 특성)이 달라지면 토색을 결정하는 반사광도 달라지기 때문이다. 기존에 수행된 디지털 이미지 프로세싱 기반 토색 분석 연구가 대부분 광조건이 일정한 상태에서 수행된 점을 고려할 때, 연구가 수행된 환경과 광조건이 일치하지 않거나 광조건의 통제가 사실상 불가능한 야외(outdoor)에서는 제시된 연구결과를 적용할 수 없음을 의미한다.
(2) RGB 색 표시계 기반의 토색 분석 결과, 조명의 조도가 증가할수록 토색(R, G, B)이 증가했다. RGB 중 밝기와 가장 상관성이 높다고 알려진 초록(G)의 경우 조도와 상관성이 매우 높았으나, 빨강(R) 및 파랑(B)은 색온도의 영향으로 비교적 낮은 상관관계를 보였다. RGB 색 표시계로 표시되는 토색은 조명의 조도 및 색온도 모두에게 일정 부분 영향을 받으므로, 이를 통해 광조건의 영향을 배제(혹은 보정)하기는 어려울 것으로 판단되었다.
(3) CIELAB 색 표시계 기반의 토색 분석 결과, L*는 조도에만 a*와 b*는 색온도에만 영향을 받으며 상관성도 높았다. 이는 L*는 색의 밝기를 나타내고 a*와 b*는 색상을 나타내는 지표이기 때문으로 판단된다. CIELAB 색 표시계를 기반으로 L*와 조도, a*, b*와 색온도의 관계를 적절히 분석한다면, 조도 및 색온도가 토색에 미치는 영향을 배제(혹은 보정)할 수 있을 것으로 판단된다.
이상의 결과는 구성 광물이 다른 두 가지 흙 시료에 대해 촬영된 디지털 이미지를 바탕으로 도출된 것이다. 향후, 보다 다양한 흙 시료의 디지털 이미지를 CIELAB 색 표시계를 기반으로 분석해 본 연구의 결과와 유사한 경향(시료의 종류에 관계없이 유사한 회귀식 기울기)을 확인한다면, 광조건(조도 및 색온도)에 관계없이 활용 가능한 디지털 이미지 프로세싱 기반 토색 분석 기술 개발이 가능할 것으로 기대된다.
