영상처리는 이미지 처리와 컴퓨터 비전을 잇는 기반 기술로, 디지털 영상에서 의미 있는 정보를 뽑아내거나 시각적 품질을 조정하는 일을 다룬다.[1][4] 단순한 화질 보정에 그치지 않고, 후속 분석과 인식 단계가 안정적으로 동작하도록 입력 영상을 정돈하는 역할도 맡는다.[4][9]
영상 처리의 범위는 정지 영상 보정, 영상 압축, 특징 추출, 객체 분할처럼 서로 성격이 다른 작업을 함께 포괄한다.[4] 이 때문에 알고리즘 선택만으로 성능이 결정되기보다, 데이터의 표현 방식과 후속 분석 목적이 함께 맞아야 한다.[1][12]
1. 디지털 표현
디지털 영상은 연속 신호를 표본화로 공간 격자에 맞추고, 양자화로 각 값을 제한된 수의 단계로 바꾸면서 만들어진다.[1] 이때 해상도와 비트 깊이는 영상의 표현 범위와 복원 오차를 함께 좌우하므로, 정보 이론 관점에서 저장 효율과 품질 사이의 균형이 중요하다.[1] 같은 장면이라도 표본화 간격과 양자화 단계가 달라지면 세부 구조와 경계가 달리 보일 수 있다.[1]
영상 데이터는 이렇게 이산화된 뒤 압축, 전송, 복원 단계를 거치며 다시 해석된다.[1] 따라서 초기 표현이 지나치게 거칠면 이후 단계에서 아무리 정교한 처리를 하더라도 원본 수준의 세부를 되살리기 어렵다.[9][12] 영상 처리를 다룰 때는 입력 단계에서부터 손실 가능성을 예상하고 설계하는 태도가 필요하다.[1]
2. 주요 기법
대표적인 기법으로는 필터링, 대비 조정, 경계 검출, 잡음 억제, 복원이 있다.[4] 필터링은 특정 성분을 줄이거나 강조해 영상의 가독성을 높이고, 연산과 알고리즘의 조합은 영상에서 필요한 영역만 추출하는 데 쓰인다.[4] 이러한 처리 절차는 하나의 단일 단계가 아니라, 전처리와 후처리까지 포함한 연속적인 흐름으로 이해하는 편이 정확하다.[9]
또 다른 축은 영상의 구조를 더 잘 보이게 만드는 변환이다. 히스토그램 조정, 샤프닝, 블러링, 잡음 제거는 목적에 따라 서로 다른 균형을 요구하며, 잘못 적용하면 경계가 사라지거나 인위적인 흔적이 남을 수 있다.[8][9] 실무에서는 단일 기법보다 여러 기법을 순차적으로 결합하는 편이 더 안정적이다.[4][8]
3. 컴퓨터 비전과의 관계
4. 응용 분야
5. 연구 흐름
최근 연구는 전통적 필터링과 정보 이론 기반 기법에 더해 인공지능과 딥러닝을 결합하는 방향으로 확장되고 있다.[1][12] 복원, 초해상도, 분할, 장면 이해 같은 과제에서는 성능뿐 아니라 계산 비용과 재현성, 배포 환경까지 함께 검토해야 한다.[4][12]
이 때문에 영상처리는 하나의 고정된 기법군이 아니라, 하드웨어와 데이터 조건에 따라 계속 재구성되는 실용 기술 분야로 이해하는 편이 적절하다.[9][5] 학술 행사와 산업 현장의 요구가 함께 변하면서, 영상 처리의 중심 과제도 품질 개선에서 해석 가능성과 실시간성으로 옮겨 가고 있다.[5][8]