엔트로피 기반 만화·텍스처 분리 기법

초록

본 논문은 이미지의 카툰(구조)과 텍스처를 분리하기 위해 다중 스케일 TV(R​OF) 필터링 결과와 픽셀 주변 블록의 엔트로피 값을 결합한 새로운 선택 기준을 제안한다. 엔트로피가 높은 영역을 텍스처로 판단하고, 해당 픽셀을 적절한 스케일의 TV‑필터링 이미지에서 가져온 카툰화된 픽셀로 교체함으로써 텍스처는 억제하고 에지와 구조는 보존한다. 실험 결과는 기존 방법보다 에지 유지가 우수함을 보여준다.

상세 분석

이 연구는 기존의 Meyer‑Buades 모델이 제시한 함수 공간 분할 접근법을 실용적인 픽셀‑레벨 구현으로 전환한다는 점에서 의미가 크다. 먼저 저자는 TV‑노이즈 제거 모델(R​OF)의 에너지 함수 E(u)=∫|∇u| dx + λ∫(f−u)² dx를 이용해 다양한 λ값(스케일)에서 카툰 근사 이미지를 생성한다. λ가 작을수록 텍스처가 많이 제거되지만 에지가 흐려지고, λ가 클수록 원본에 가까워져 텍스처가 남는다. 이러한 스케일 트레이드‑오프를 다중 이미지 집합으로 만든 뒤, 각 픽셀 주변 k×k 블록(논문에서는 9×9)을 이용해 엔트로피 H 를 계산한다. 엔트로피는 블록 내 픽셀 강도 분포의 균일성을 측정하는데, 텍스처 영역은 강도가 반복적으로 나타나 상대적으로 균일한 분포를 보이므로 H가 높다. 반면 카툰 영역은 강도 변동이 적고, 특정 값에 집중되므로 H가 낮다. 저자는 이 가정을 “텍스처 픽셀의 엔트로피는 카툰 픽셀보다 항상 크다”는 명제로 정리하고, 이를 근거로 픽셀을 텍스처·카툰으로 이진 분류한다.

분류 후에는 엔트로피 값에 따라 적절한 λ 스케일의 R​OF 이미지에서 동일 위치의 픽셀을 선택한다. 구체적으로 엔트로피 0 ~ 255를 5개의 스케일(또는 실험에 따라 3, 11, 74 등) 구간에 매핑하고, 엔트로피가 낮을수록 큰 λ(덜 평활) 이미지를, 높을수록 작은 λ(강하게 평활) 이미지를 사용한다. 이 과정은 “선형 bin‑매칭”이라고 불리며, 복잡한 최적화 없이도 간단히 구현 가능하다.

알고리즘의 핵심 장점은 (1) TV‑필터링이 에지를 자연스럽게 보존한다는 점, (2) 엔트로피 기반 선택이 텍스처와 카툰을 직관적으로 구분한다는 점, (3) 다중 스케일을 활용해 텍스처가 다양한 강도와 패턴을 가질 때도 유연하게 대응한다는 점이다. 그러나 몇 가지 한계도 존재한다. 엔트로피 추정이 블록 내 픽셀을 i.i.d.로 가정하므로 실제 이미지의 공간적 상관성을 무시한다. 또한 k값과 스케일 수에 대한 민감도가 실험적으로만 제시되었으며, 자동 파라미터 선택 메커니즘이 부재하다. 마지막으로, 엔트로피가 높은 균일 색 영역(예: 하늘)도 텍스처로 오인될 위험이 있다. 이러한 점들을 보완하기 위해 보다 정교한 확률 모델이나 머신러닝 기반의 텍스처 판별기가 도입될 수 있다.