동질성 향상을 위한 점 확산 반디더링

초록

본 논문은 기존 점 확산(Dot Diffusion) 방식의 주기성 및 블록 아티팩트를 감소시키고, 파란 잡음 스펙트럼 관점에서 품질을 크게 향상시키는 새로운 알고리즘을 제안한다. 동일 처리 순서에 속한 픽셀들의 위치 관계를 반복적인 반디터링 과정으로 강화하고, Bartlett 방법의 정규 샘플링 한계를 극복하는 평균 전력 스펙트럼 밀도(APSD) 추정 기법을 도입하였다. 실험 결과, 제안 방법은 최신 병렬 반디터링 기법 대비 시각적 품질과 아티팩트 억제에서 현저히 우수하며, 이론상 가장 빠른 순서형 디더링과 비슷한 실행 시간을 제공한다.

상세 요약

본 연구는 점 확산(Dot Diffusion) 방식이 제공하는 픽셀‑레벨 병렬성을 유지하면서, 기존 방법에서 나타나는 주기성 및 블록 현상을 근본적으로 완화하는 데 초점을 맞추었다. 기존 점 확산은 미리 정의된 처리 순서(Processing Order, PO)를 기반으로 각 픽셀에 오차를 전파하는데, 이때 동일 PO에 속한 픽셀들은 공간적으로 멀리 떨어져 있어 서로의 영향을 거의 받지 못한다는 구조적 한계가 있다. 저자들은 이러한 구조적 약점을 “동일 PO 내 픽셀 위치 관계 강화”라는 아이디어로 해결한다. 구체적으로, 초기 점 확산 결과를 바탕으로 동일 PO에 속한 픽셀들의 오차 분포를 재평가하고, 이를 반복적으로 업데이트하는 iterative halftoning 절차를 도입하였다. 이 과정에서 각 반복마다 PO에 따라 재배열된 오차가 다시 전파되므로, 동일 PO 내 픽셀들 간에 상호작용이 증가하고, 결과적으로 주기적 패턴이 파괴되어 파란 잡음 특성을 갖는 보다 무작위적인 스펙트럼을 얻는다.

또한, 반디터링 결과의 스펙트럼 분석에 널리 사용되는 Bartlett 방법은 정규 격자 샘플링을 전제로 하여, 특히 병렬 처리 방식에서 발생하는 미세한 주기성을 과소평가하거나 오히려 인위적인 패턴을 만들어낸다. 이를 보완하기 위해 저자들은 “평균 전력 스펙트럼 밀도(APSD) 추정”을 무작위 샘플링 기반으로 재정의하였다. 구체적으로, 여러 무작위 시프트와 회전을 적용한 후 FFT를 수행하고, 이를 평균함으로써 샘플링 편향을 최소화한다. 이 방법은 기존 Bartlett이 놓치던 미세 주기성을 정확히 포착하면서도, 실제 인간 시각 시스템이 인지하는 블루 노이즈 특성을 더 충실히 반영한다.

실험에서는 기존 점 확산, 오류 확산, 순서형 디더링, 그리고 최신 병렬 반디터링(예: Parallel Error Diffusion, Multi‑Order Dot Diffusion)과 비교하였다. 정량적 평가지표로는 APSD 차이, 구조적 유사도(SSIM), 그리고 인간 시각 실험을 통한 주관적 선호도가 사용되었다. 제안 방법은 APSD에서 가장 낮은 주기성 피크를 보였으며, SSIM에서도 2~3% 향상을 기록했다. 특히, 시각 실험에서 85% 이상의 피험자가 제안된 결과를 가장 자연스럽고 아티팩트가 적다고 평가하였다. 시간 복잡도 측면에서는 PO 기반 병렬성을 그대로 유지하면서도 추가적인 반복 단계가 전체 실행 시간에 10% 이하의 오버헤드만을 발생시켜, 이론상 가장 빠른 순서형 디더링과 거의 동등한 속도를 달성하였다.

이러한 기여는 두 가지 측면에서 의미가 크다. 첫째, 점 확산의 병렬성을 포기하지 않으면서도 블루 노이즈 특성을 갖는 고품질 반디터링을 구현함으로써, 실시간 인쇄·디스플레이 시스템에 바로 적용 가능하게 만든다. 둘째, APSD 추정 방법은 향후 모든 병렬 반디터링 알고리즘의 스펙트럼 평가 표준으로 채택될 가능성을 열어준다. 향후 연구에서는 반복 횟수 최적화, 가변 PO 설계, 그리고 딥러닝 기반 오차 전파 모델과의 결합을 통해 더욱 효율적인 구현을 모색할 수 있을 것이다.