사진고화질변환, 확대 비교로 가짜 선명함 가려내는 법

휴대전화 화면에서는 꽤 또렷해진 사진을 컴퓨터에서 크게 열었더니, 얼굴의 눈썹이 붓으로 그린 듯 뭉치고 간판 글자는 엉뚱한 획으로 바뀌는 일이 있습니다. 변환 전보다 선명해 보이는데도 자세히 볼수록 어색해지는 경우죠.

사진고화질변환 도구의 전후 화면만 보면 대개 결과 쪽이 좋아 보입니다. 밝기와 대비가 올라가고 경계가 또렷해지면 사람의 눈은 화질까지 좋아졌다고 받아들이기 쉬운데, 원래 없던 디테일을 AI가 그럴듯하게 채운 결과일 수도 있습니다.

그래서 같은 사진을 같은 크기로 확대해 봐야 합니다. 이 글에서는 픽셀 수가 늘어난 결과와 실제 정보가 자연스럽게 살아난 결과를 어떻게 구별하는지, 글자와 얼굴처럼 오류가 잘 드러나는 부분을 중심으로 살펴봅니다.

커진 픽셀 수와 살아난 화질의 차이

가로 1000픽셀, 세로 667픽셀인 사진은 가로 방향에 1000개, 세로 방향에 667개의 픽셀이 놓여 있다는 뜻입니다. 이를 2배로 업스케일하면 가로와 세로의 픽셀 수가 늘어나지만, 숫자가 커졌다고 원본에 없던 촬영 정보까지 되돌아오는 것은 아닙니다.

일반적인 크기 조절은 주변 픽셀을 참고해 중간 색을 채우므로 계단처럼 깨지는 모습은 줄여도 새로운 질감까지 만들지는 못합니다. AI 업스케일링은 학습한 이미지의 패턴을 바탕으로 머리카락, 피부, 천, 나뭇잎처럼 보이는 세부를 예측해 보충한다는 점에서 갈립니다.

여기서 ‘복원’이라는 말은 조금 조심해서 받아들여야 해요. AI가 과거 촬영 순간의 정보를 찾아오는 방식이 아니라, 현재 남은 픽셀을 근거로 가장 그럴듯한 모습을 만들어 내기 때문입니다.

원본에서 눈동자와 속눈썹의 경계가 이미 사라졌다면 어느 도구도 당시 모습을 정확히 확인하지 못합니다. 결과에 또렷한 속눈썹이 생겼더라도 실제 인물의 속눈썹을 되찾았다기보다 얼굴에 흔히 나타나는 형태를 새로 그렸을 가능성을 살펴야 합니다.

해상도와 선명도도 같은 말이 아닙니다. 해상도는 이미지가 가진 픽셀의 크기와 관련되고, 선명도는 경계의 대비를 강하게 만들어 또렷해 보이게 하는 성질이어서 픽셀 수를 늘리지 않고도 인상이 달라집니다.

파일 용량이 커지는 현상 역시 화질 향상의 증거로 삼기 어렵습니다. 가로세로 크기, 저장 형식, 압축률과 색상 정보가 함께 영향을 주므로 원본보다 용량이 큰 파일에서도 얼굴이나 글자의 실제 정보는 오히려 뭉개질 수 있어요.

선명해 보이는 보정이 만드는 착시

사진을 작게 띄우면 윤곽을 강하게 만든 결과가 가장 먼저 눈에 들어옵니다. 건물의 선이나 얼굴 테두리가 짙어지고 색 대비가 커지면 전체가 깨끗해 보이지만, 확대하면 경계 양쪽에 밝거나 어두운 띠가 생긴 경우가 있습니다.

이런 테두리는 원래 피사체의 디테일이 아니라 선명도 보정에서 만들어진 흔적입니다. 머리카락 주변의 하얀 선, 나뭇가지 가장자리의 검은 선, 글자 둘레의 번진 잉크 같은 모양이 보이면 화면을 조금 줄여서 다시 판단해 보세요.

노이즈 제거가 지나친 결과도 처음에는 깔끔하게 느껴집니다. 오래된 사진의 얼룩과 압축 자국이 사라지는 대신 피부의 모공, 옷감의 결, 벽면의 작은 질감까지 함께 지워지면 얼굴이 밀랍처럼 매끈해지고 물체의 표면이 플라스틱처럼 변합니다.

반대로 질감을 너무 적극적으로 만들어 내는 도구도 있습니다. 잔디밭이나 머리카락처럼 가는 선이 많은 영역에 원본과 다른 반복 무늬가 생기거나, 실제로는 흐릿했던 배경에 일정한 점과 선이 빽빽하게 나타나면 ‘디테일 증가’보다 ‘디테일 생성’에 가깝습니다.

글자는 이 차이를 확인하기 좋은 대상입니다. 원본에서 겨우 읽히던 간판이나 옷의 로고가 변환 후 또렷해졌더라도 획이 붙고 끊긴 위치, 자음과 모음의 모양이 원본과 맞지 않으면 글자를 복원한 것이 아니라 글자처럼 보이게 만든 셈입니다.

얼굴에서는 양쪽 눈의 크기, 치아의 개수처럼 보이는 선, 귀와 안경테의 연결을 유심히 봐야 합니다. 사람은 얼굴을 익숙하게 인식해서 작은 오류도 금방 어색하게 느끼지만, 피부가 매끈해진 인상에 가려 세부 왜곡을 놓치기도 해요.

이때 원본을 옆에 두지 않고 결과끼리만 비교하면 판단이 흔들립니다. 가장 화려하고 선명한 결과보다 원본의 윤곽, 표정, 글자 배치와 반복 무늬를 덜 바꾼 결과가 기록용 사진에는 더 적합합니다.

정답을 먼저 만들어 두고 비교했습니다

이런 비교가 대개 "더 선명해 보이는 쪽"에서 끝나는 이유는 정답이 없어서입니다. 원본이 애초에 저해상도라 무엇이 맞는 복원인지 확인할 방법이 없거든요.

그래서 순서를 뒤집었습니다. 고해상도 사진을 가로 1600픽셀로 줄여 정답지로 두고, 그걸 다시 400픽셀로 낮춰 테스트 파일을 만들었습니다. 이 400픽셀 파일을 2배로 올리면 800픽셀이 되는데, 정답지를 800픽셀로 줄인 것과 크기가 정확히 같습니다. 픽셀 단위로 맞대 볼 수 있죠.

테스트에 쓴 사진. 이걸 400픽셀로 낮춰 도구에 넣었습니다.

사진은 일부러 까다로운 걸 골랐습니다. 한글 간판과 전화번호, 안경 쓴 사람, 간판 테두리와 볼라드, 보도블록과 누빔 재킷이 한 화면에 있습니다. 앞에서 본 판정 기준이 전부 걸리는 사진이에요.

특히 전화번호가 핵심입니다. 400픽셀에서는 완전히 뭉개지니까, 결과에 숫자가 또렷하게 나타났다면 복원한 게 아니라 지어낸 겁니다.

도구는 iLoveIMG와 ImgUpscaler를 썼습니다. 마이에딧은 결과를 받으려면 결제가 필요해서 뺐어요. 여기에 AI를 전혀 쓰지 않고 단순 확대만 한 결과를 기준선으로 하나 더 만들었습니다.