"할머니 결혼사진이 누렇게 다 바래서 얼굴도 잘 안 보여요. 이거 살릴 수 있을까요?"
"이 고문서, 먹 글씨가 종이랑 색이 똑같아져서 안 읽혀요. 방법 없나요?"
— 사진관과 지자체 문화재과에 매일 들어오는 문의. 대부분 "어렵다"는 답을 듣습니다.
육안으로는 그냥 '누런 종이', '뿌연 사진'입니다. 그런데 놀라운 사실이 있습니다. 바랜 정보는 사라진 게 아니라, 색의 '미세한 차이' 속에 그대로 숨어 있습니다. 사람 눈은 그 차이를 구분 못 할 뿐이죠.
NASA가 화성 사진을 분석할 때 쓰는 기법이 바로 이 '숨은 차이'를 극단적으로 벌려주는 기술입니다. 이름은 탈상관 스트레칭(Decorrelation Stretch). 화성 암석의 성분 차이를 강조해 사진 한 장으로 지질 정보를 뽑아내던 기술인데, 이게 그대로 바랜 사진·고문서·벽화 복원에 쓰입니다.
그리고 이 기술은 이제 코드 몇 줄과 AI로 자동화할 수 있습니다. 비전공자도 만들 수 있고, 사진관·박물관·지자체·감정평가사가 실제로 돈을 내는 서비스입니다. 오늘 그 5단계를 통째로 보여드립니다.
탈상관 스트레칭, 대체 뭐길래?
어려운 말 다 빼고 딱 한 문장으로 설명하면 이렇습니다.
바랜 이미지는 R·G·B 색 채널이 서로 거의 똑같이(=상관도 높게) 뭉쳐 있습니다. 이 뭉친 색들을 통계적으로 '풀어서(탈상관)' 각 채널의 미세한 차이를 과장되게 늘려주면(스트레칭), 눈에 안 보이던 글씨·윤곽·색층이 선명하게 튀어나옵니다.
비유하자면, 회색 페인트 10통이 미묘하게 다른 회색인데 눈으론 다 똑같아 보이죠. 탈상관 스트레칭은 그 미묘한 차이를 '빨강·파랑·초록'처럼 극단적으로 벌려서 숨은 정보를 색으로 폭발시키는 작업입니다.
왜 '돈이 되는' 기술인가
기술이 신기한 것과 돈이 되는 건 다른 문제죠. 이 봇이 팔리는 이유는 딱 하나입니다. 수요는 많은데, 할 줄 아는 사람이 거의 없다는 것.
실전 5단계 가이드
STEP 1. 환경 준비 — 30분이면 끝
파이썬과 무료 라이브러리 몇 개면 됩니다. 화성 사진 분석용으로 만들어진 라이브러리가 그대로 쓰입니다.
· 파이썬 3.x (무료)
· scikit-image — 실제로 화성 위성사진 처리에 쓰인 decorrelation stretch 계열 알고리즘 내장
· numpy / opencv — 색 채널 연산·이미지 입출력
· 설치 명령은 단 한 줄:
pip install scikit-image opencv-python numpy
STEP 2. 핵심 로직 — 원리는 통계 딱 3단계
코드 전체는 20줄 남짓입니다. 안에서 벌어지는 일은 이게 전부입니다.
- 공분산 계산 — R·G·B 채널이 얼마나 서로 붙어 있는지 측정
- 탈상관(회전) — 붙어 있는 색축을 서로 독립적인 축으로 회전
- 스트레칭 — 각 축의 값 범위를 최대로 늘려 대비를 폭발시킴
이 3단계가 바로 NASA가 화성 암석 성분을 색으로 구분해내던 그 방식입니다. 원본을 왜곡해 '없던 것을 만드는' 게 아니라, 원래 있던 미세 차이를 드러내는 것이라 감정·판독 근거로도 신뢰받습니다.
STEP 3. AI로 자동화 — 여기서 부업이 사업이 된다
여기가 비전공자의 승부처입니다. 사진마다 최적의 '스트레칭 강도'가 다른데, 이걸 사람이 일일이 조절하면 봇이 아니라 노가다죠. AI를 붙입니다.
· 사진의 바램 정도를 읽고 최적 강도 자동 추천
· 여러 결과(약·중·강)를 한 번에 뽑아 비교본 자동 생성
· "먹 글씨 강조" "얼굴 복원" 같은 요청을 말로 넣으면 파라미터로 변환
· 100장을 폴더째 넣으면 일괄 처리 후 자동 정리
코드를 처음부터 다 짤 필요도 없습니다. AI에게 "scikit-image로 탈상관 스트레칭 일괄 처리 스크립트 만들어줘"라고 시키고, 나온 코드를 다듬는 식으로 진행하면 됩니다.
STEP 4. 봇으로 포장 — 고객은 코드를 모른다
사진관 사장님에게 파이썬 코드를 드릴 순 없죠. 사진만 올리면 결과가 오는 창구로 감싸야 합니다.
STEP 5. 영업과 정산 — 월 100만원의 실제 계산
기술은 20%, 영업이 절반입니다. 다행히 이 시장은 경쟁자가 거의 없어 문만 두드리면 반응이 옵니다.
· 동네 사진관 2곳 제휴 → 복원 건당 3만원, 월 15건 = 45만원
· 지자체 문화재 디지털화 소규모 용역 1건 = 40만~60만원
· 감정평가·서화 판독 스팟 의뢰 건당 10만원 × 2건 = 20만원
→ 조합만 잘하면 월 100만원은 무리한 숫자가 아닙니다.
영업 포인트는 딱 하나. "복원 전/후 비교 이미지 한 장"이면 됩니다. 눈에 안 보이던 얼굴과 글씨가 살아나는 걸 보면, 설명이 필요 없습니다.
시작하기 전, 딱 두 가지만
① '복원'이 아니라 '판독 보조'로 포지셔닝하세요. 없던 정보를 만들지 않고, 숨은 정보를 드러낸다 — 이 정직함이 문화재·감정 분야에서 신뢰를 만듭니다.
② 원본은 절대 손대지 않고 사본으로만 작업하세요. 특히 고문서·유품은 원본 보존이 생명입니다.
마무리 — 안 보이던 것을 보이게 하는 일
탈상관 스트레칭은 어렵게 들리지만, 핵심 로직은 20줄, 자동화는 AI가 대신합니다. 진짜 진입장벽은 "이걸 돈이 되는 서비스로 조립하는 감각"이죠. 코드 한 줄보다, 누구에게 어떻게 팔지가 훨씬 중요합니다.
바로 그 '기술을 부업·수익으로 연결하는 설계'가 어렵게 느껴진다면, 투더제이(TTJ) 코딩클래스 정규반에서 다룹니다. 비전공자가 오픈소스와 AI를 조합해 이런 틈새 자동화 봇을 만들고, 실제 고객에게 파는 과정까지 단계별로 함께 만들어갑니다. 오늘 본 5단계처럼요.
육안으론 안 보여도, 거기 다 있습니다. 그걸 꺼내는 사람이 되는 것 — 생각보다 가까이 있습니다. 🚀