화성 탐사에서 앙코르와트 벽화로: NASA 영상기술 '탈상관 스트레칭'의 여정

캄보디아 앙코르와트 중앙탑 꼭대기 인근 방의 벽에는 말을 탄 사람들과 전통 악단을 그린 그림이 남아 있다. 매일 수천 명이 그 앞을 지나지만 아무도 알아보지 못한다. 육안으로는 보이지 않을 만큼 색이 바랬기 때문이다. 이 그림들은 2010년부터 2012년 사이 싱가포르 고고학자 노엘 이달고 탄이 앙코르 유적 곳곳에서 발견한 약 200점의 벽화 중 일부다. 그가 사용한 도구의 뿌리는 뜻밖에도 미국 항공우주국(NASA) 제트추진연구소(JPL)에서 위성 영상 분석을 위해 고안한 기법이었다.

이 기법의 이름은 '탈상관 스트레칭(decorrelation stretch)'이다. 디지털 이미지에서 색상 간의 미묘한 차이를 증폭해 사람 눈이 놓치던 특징을 또렷하게 드러낸다. 단순히 색 대비를 높이는 것이 아니라, 원래의 색을 서로 겹치지 않는 넓은 색 범위로 다시 매핑하는 방식이다. 그 과정에는 색상 행렬을 대각화하는 것 같은 복잡한 선형대수 연산이 포함된다. 이론적 바탕은 통계 분석에 쓰이는 카루넨-뢰베 변환(Karhunen–Loève Transform)으로, 데이터의 상관관계를 제거해 주요 성분을 분리해 내는 원리다.

위성에서 시작된 알고리즘

이 기법이 처음 정리된 것은 위성 관측 현장이었다. JPL의 로널드 앨리는 1990년대에 지질학자들과 함께 위성 데이터의 활용처를 찾으며 하와이 빅아일랜드의 용암류를 지도화하는 데 이 기법을 쓰고 있었다. 원래 방식은 여러 중간 이미지를 만드는 과정에서 반올림 오차가 누적되는 문제가 있었는데, 앨리는 이를 행렬 곱셈 한 번으로 대체해 속도와 정확도를 동시에 끌어올렸다. 그는 일본이 제작해 1999년 테라(Terra) 위성에 실려 발사된 다중분광 관측기 ASTER에 이 기법이 유용하리라 보고 1996년 사용법을 담은 논문을 남겼다. ASTER는 지금도 가동 중이며, 현 과학팀을 이끄는 마이클 에이브럼스에 따르면 이산화황·화산재·수증기가 각기 다른 적외선 흡수대를 갖는다는 점을 이용해 화산 분출 연기를 추적하는 데 여전히 이 기법을 쓴다.

취미와 전공이 만난 지점

민간 확산은 한 사람의 우연한 조합에서 비롯됐다. 존 하먼은 1980년대에 친구를 따라 암각화 답사에 나섰다가 고대 이미지의 수수께끼에 매료됐다. 2005년경 한 학회에서 화성 표면 사진에 탈상관 스트레칭을 적용한 전후 비교 이미지를 보고, 색이 바랜 고대 그림에도 쓸 수 있겠다고 직감했다. 마침 그는 의료 영상 분야에서 일했고 버클리에서 대수학으로 수학 박사학위를 받은 인물이었다. 대각화가 곧 대수학이었던 셈이다. 게다가 이론의 뿌리인 카루넨-뢰베 변환의 공동 창안자 미셸 뢰베는 그의 옛 지도교수였다.

하먼은 NASA 논문을 찾아 알고리즘을 구현했고, 미국 국립보건원(NIH)이 개발한 오픈소스 영상처리 프로그램 ImageJ의 플러그인 형태로 'Dstretch'를 만들었다. 멕시코 바하칼리포르니아에서 직접 찍은 암각화 사진에 적용하자 아무것도 없던 자리에서 노란색 인물상이 떠올랐고, 그는 도구의 가치를 확신했다. 이후 그는 자신의 방대한 이미지 컬렉션에 맞춘 여러 커스텀 색 공간을 추가해 암각화에 특화되도록 다듬었다. 데스크톱 플러그인은 건당 50달러, 2010년경 내놓은 스마트폰 앱은 축약된 방식으로 효과를 흉내 내며 20달러에 수천 건 내려받아졌다.

실무자가 눈여겨볼 지점

활용 사례는 암각화를 넘어선다. 노르웨이 오르산 유적에서는 1940년에 기록된 그림에서 미기록 도형 약 15개와 28개의 새로운 세부가 드러났고, 이집트 베니하산 묘지에서는 고대 이집트 미술에 드문 박쥐와 돼지 그림이 확인됐다. 캐나다 앨버타에서는 까마귀족 전사가 적에게 남긴 일종의 '태그' 낙서가 발견됐다. 그리스 테살리아 블로호스에서는 항공 사진에 적용해, 고도 모델이나 지표투과레이더·전기비저항 조사가 놓친 매장 구조물을 찾아냈다. 2023년에는 튀빙겐대와 테네시주 고고국이 미라화된 유해의 문신을 선명하게 만드는 절차를 발표하기도 했다.

이 사례들이 IT 실무자에게 주는 함의는 분명하다. 핵심 아이디어는 새로 발명한 것이 아니라, 데이터의 상관성을 제거해 주성분을 분리하는 통계 변환을 색 채널에 적용한 것이다. 오늘날의 주성분 분석이나 특징 강조 전처리와 맥이 닿아 있으며, 특수 장비 없이 오픈소스 도구와 적절한 색 공간 선택만으로 육안에 묻힌 신호를 끌어올린 점이 특히 눈여겨볼 만하다. 다만 한계도 있다. Dstretch는 대비를 재구성해 '보이게' 할 뿐 없던 정보를 만들어 내지는 못하며, 강조된 결과가 유물의 원형이 아닐 수 있어 해석에는 도메인 전문가의 검증이 필요하다. 위성 데이터를 위해 만든 알고리즘이 30년 가까이 지나 지하와 벽면의 고대 이미지를 되살리고 있다는 사실은, 잘 정리된 기법 하나가 예상 밖의 분야로 퍼져 나가는 전형적인 사례로 읽을 만하다.