위상차 AF vs 컨트라스트 AF의 구조
본문 2-1에서 미러리스가 *"찍기 전에 결과를 보여준다"*는 학습용 장점을 짧게 언급했습니다. 그 뒤에는 AF(Auto Focus, 자동 초점) 기술의 진화가 있습니다. 카메라가 초점을 어떻게 잡는지를 알면, 왜 어떤 카메라가 아이의 뛰는 모습을 놓치고 어떤 카메라는 정확히 잡는지가 이해됩니다.
AF 방식은 크게 두 줄기입니다.
위상차 AF (Phase Detection AF) 는 DSLR 시대의 표준이었습니다. 렌즈를 통과한 빛을 두 갈래로 나누어 *두 광선이 한 점에 모이는 위치 차이(위상차)*를 측정합니다. 차이가 얼마인지 알면 렌즈를 어느 방향으로 얼마나 움직여야 하는지를 단번에 계산할 수 있습니다. 그래서 빠릅니다. 동체(달리는 아이, 새, 스포츠 선수)를 따라가는 데 압도적으로 강합니다. 기존 강의 슬라이드에도 등장하는 1976년 하니웰 Visitronic 시스템이 이 기술의 출발점이지요.
컨트라스트 AF (Contrast Detection AF) 는 다른 길로 풀었습니다. 센서가 보고 있는 이미지에서 대비(contrast)가 가장 강해지는 순간을 찾을 때까지 렌즈를 앞뒤로 미세하게 움직입니다. 천천히 스캔하는 방식이라 느리지만, 직접 센서 화면을 보고 판단하기에 정확도가 높습니다. 미러리스 초기 카메라가 이 방식을 주로 썼습니다.
현대 미러리스는 둘을 합쳤습니다. 센서 픽셀 일부를 위상차 감지용으로 쪼개 만든 온센서 위상차 AF(캐논의 Dual Pixel CMOS AF가 대표)와 컨트라스트 AF를 동시에 돌려서, 빠르면서 정확한 하이브리드 AF를 구현합니다. 요즘 신제품에 "Dual Pixel", "4D Focus", "X-Trans AF" 같은 마케팅 이름이 붙는 게 모두 이 방향의 변주입니다.
학습자 입장에서 이것이 의미하는 바는 단순합니다. 빠른 AF가 결정적인 장면(스포츠·아이·반려동물·새)이라면 최신 미러리스의 위상차/하이브리드 시스템을 보세요. 정물·풍경·제품처럼 시간을 두고 잡는 사진이라면 어떤 AF든 충분합니다. 카메라 스펙시트에 적힌 "AF point 273개", "Eye-AF" 같은 숫자도, 결국 이 두 줄기 기술이 얼마나 촘촘하고 똑똑하게 결합됐는가의 표현일 뿐이에요.
본문 2-1로 돌아가기 ↩
필름카메라 4종 분류 — 디지털이 닮으려 한 네 가지 정신
본문 2-1에서 필름은 *"이 코스 밖"*으로 미뤘습니다. 워크플로우가 완전히 달라 입문 코스의 흐름과 어긋나기 때문이에요. 다만 카메라사 한 페이지를 알아두면, 자기가 들고 있는 디지털 미러리스의 모양이 어디서 왔는지가 보입니다.
필름카메라는 크게 네 가지로 갈립니다.
뷰카메라 (View Camera) 는 가장 오래된 형태이자 가장 자유로운 형태입니다. 대형 포맷(4×5인치, 8×10인치) 필름을 쓰고, 렌즈와 필름 사이를 천막 같은 베일로우즈로 연결합니다. 렌즈 면과 필름 면을 각각 기울이거나 옮길 수 있어서 — *건축 사진의 "수직선이 안 쓰러지는 효과"*나 풍경 사진의 틸트·시프트가 모두 여기서 왔습니다. 무겁고 느리지만, 한 장 한 장이 의식적입니다.
레인지파인더 (Rangefinder) 는 라이카 M이 상징입니다. 작고 조용하고, 미러가 없어 셔터 충격이 적습니다. 뷰파인더 안에 두 개의 상이 겹치는 거리 측정창이 있고, 그 두 상이 정확히 포개질 때 초점이 맞습니다. 거리 사진과 다큐멘터리에 사랑받은 이유 — 작아서 사람을 놀라게 하지 않고, 조용해서 순간을 깨지 않습니다.
SLR (Single Lens Reflex) 은 우리에게 가장 익숙한 형태입니다. 하나의 렌즈로 들어온 빛을 미러로 반사해 펜타프리즘을 거쳐 뷰파인더로 보여줍니다. "보는 그대로 찍힌다" 가 강점이에요. 1960~80년대 사진의 시대를 만든 형태고, 디지털 DSLR이 곧 SLR의 후예입니다.
TLR (Twin Lens Reflex) 은 위아래로 나란히 붙은 두 렌즈가 특징입니다. 위 렌즈로 본 상을 위에서 내려다보며(웨이스트레벨) 구도를 잡고, 아래 렌즈로 찍습니다. 정사각형 6×6 포맷, Rolleiflex가 상징. 카메라를 가슴 높이에 들고 시선을 내리는 자세 자체가 서두르지 않는 사진을 만들었습니다.
디지털 미러리스가 닮고 싶었던 정신은 무엇일까요. 라이카 M의 작고 조용함, SLR의 "보는 그대로" 직관, TLR의 가슴-높이 시선, 뷰카메라의 면 조정 자유. 마지막 하나(면 조정)는 틸트·시프트 렌즈로 일부 계승됐고, 나머지는 미러리스의 EVF와 가벼움 안에 녹아 있습니다. 우리가 매일 드는 카메라는 백 년의 시도가 켜켜이 쌓인 결정체인 셈이에요.
본문 2-1로 돌아가기 ↩
회절과 최적 조리개
본문 3-2에서 "F22까지 갈 일은 거의 없다" 고 한 줄로 짚었습니다. 그 한 줄의 뒤에 있는 광학 원리가 회절(diffraction) 입니다.
회절은 빛이 아주 작은 구멍을 지날 때 일어나는 자연 현상이에요. 빛은 평소엔 직선으로 갑니다. 그런데 구멍이 매우 작아지면 가장자리에서 살짝 휘어집니다. 그래서 한 점에서 출발한 빛이 센서에 도달할 때는 한 점이 아니라 작은 원반으로 찍힙니다. 이 원반을 에어리 디스크(Airy Disk) 라고 부릅니다.
조리개를 좁힐수록 에어리 디스크가 커집니다. 처음엔 픽셀 안에 들어와 보이지 않다가, 어느 순간부터 픽셀을 넘어서기 시작해요. 그 순간부터 조리개를 좁힐수록 사진이 오히려 부드러워집니다. 이것을 회절 한계라고 합니다.
회절이 시작되는 F값은 카메라마다 다릅니다.
- 풀프레임 (2,400만 화소) — F11~F13부터 살짝 보임
- APS-C 크롭 (2,400만 화소) — F8~F11부터 보임
- 스마트폰 센서 — F2.8만 되어도 회절 영향이 큼
스마트폰 카메라가 항상 F1.6이나 F2.0처럼 밝은 고정 조리개로 만들어진 게 우연이 아닙니다. 센서가 작아서 그 이상 좁히면 회절이 모든 디테일을 갉아먹어요.
최적 조리개(Sweet Spot). 모든 렌즈는 가장 선명한 F값 영역이 있습니다. 보통 F5.6 ~ F8 사이. 너무 열면 광학 수차(주변부가 부드러워지는 현상)가, 너무 좁히면 회절이 디테일을 깎아냅니다. 풍경 사진가가 F8을 사랑하는 이유가 여기 있어요.
실용 한 줄. F11 이상은 피사계 심도가 정말 필요할 때만 의식적으로. F22는 실수로 쓰지 마세요. 풀프 풍경은 F8F11, 크롭 풍경은 F5.6F8이 대부분 정답입니다.
본문 3-2로 돌아가기 ↩
상반칙불궤 — 디지털 시대에도 알아둘 가치가 있는 한 가지
본문 3-1에서 "한 변수에서 한 스톱 잃으면 다른 변수에서 한 스톱 보충하면 된다" 는 호환성을 강조했습니다. 이 호환을 광학 용어로 상반칙(Reciprocity Law) 이라고 합니다. 빛의 양 × 빛이 닿는 시간 = 노출. 보통은 정확히 호환됩니다.
극단적인 상황에서는 이 공식이 깨집니다. 그것을 상반칙불궤(Reciprocity Failure) 라고 부릅니다.
필름 시대에는 두드러진 문제였습니다. 필름은 빛에 화학적으로 반응하는데, 그 반응이 빛의 강도와 시간에 비선형입니다. 예를 들어 적정 노출이 1/30초였던 장면을 ND 필터로 어둡게 만들어 30초 노출로 옮기면, 공식상 같은 노출이어야 하는데 사진이 한~두 스톱 더 어둡게 나옵니다. 필름 종류마다 이 차이가 달라서, 풍경·천체 사진가는 필름별 보정표를 외우고 다녔지요.
디지털에서는 거의 사라진 문제입니다. CMOS 센서는 빛을 거의 선형으로 받아들여 1초나 30초나 공식대로 작동해요. 입문 단계에서는 걱정하지 않아도 됩니다.
그럼 왜 이 토픽을 알아두느냐 — 디지털에서도 두 자리에서 영향이 남기 때문입니다.
첫째, 분 단위 장노출의 발열. 별 사진을 위해 5분, 10분 노출을 가면 센서가 발열하기 시작합니다. 발열은 노이즈를 만들어요. 노출 시간이 길수록 실효 신호 대비 노이즈 비율이 나빠집니다. 이때 카메라의 장노출 노이즈 감소(Long Exposure NR) 기능을 켜두면 같은 시간만큼 셔터를 닫고 다시 한 컷을 찍어 노이즈를 빼줍니다 — 다소 시간이 들지만 결과는 깔끔합니다.
둘째, ND 필터 장노출의 노출 보정. ND 필터(짙은 선글라스 같은 필터)로 노출 시간을 분 단위로 늘릴 때, 카메라 노출계의 계산이 실제 결과보다 살짝 어둡게 나오는 경향이 있습니다. 한 스톱 정도 노출 보정(+1 EV)을 더해두면 안전합니다.
"디지털에선 신경 쓰지 말되, 별 사진을 시작하면 한 번은 떠올려라."
본문 3-3으로 돌아가기 ↩
모아레와 로우패스 필터
본문 M2-1에서 카메라 종류를 다룰 때 짧게 "광학 심화 토픽(로우패스·모아레)은 사이드 코너로" 라고 미뤘던 자리입니다. M7 후보정을 마치고 한 번 짚고 가요.
모아레(Moire) 현상. 두 개의 정렬된 패턴이 겹칠 때 원래 없던 제3의 무늬가 나타나는 광학 현상입니다. 옛 중국 비단(원래 '모아레'는 프랑스어로 비단의 물결무늬)에서 발견됐고, 사진에서는 카메라 센서의 정렬된 픽셀과 피사체의 정렬된 패턴(체크무늬 셔츠·미세한 격자·기와·창문 블라인드)이 만났을 때 자주 보입니다. 무지개색 띠가 옷의 패턴 위에 둥둥 떠 있는 것 같은 효과예요.
로우패스 필터(OLPF, Optical Low-Pass Filter). 모아레를 막기 위해 센서 앞에 두는 살짝 흐리게 만드는 필터. 빛을 미세하게 분산시켜 정렬된 패턴이 정확히 픽셀과 맞물리지 못하게 막습니다. 다만 모든 디테일이 살짝 부드러워지는 대가가 있어요.
니콘이 한때 같은 센서로 두 제품을 동시에 냈습니다.
- D800 — OLPF 있음. 모아레 안전, 디테일 살짝 부드러움.
- D800E — OLPF 없음. 디테일 칼날같이 또렷, 모아레 위험 감수.
상업 풍경·아카이브 사진가는 D800E를, 인물·패션처럼 패턴이 자주 나오는 작업은 D800을 골랐습니다. 최근 카메라들은 화소 밀도가 매우 높아져 모아레 발생 확률 자체가 줄어, OLPF를 빼는 추세입니다 — 소니 A7R 시리즈, 후지 X-T 시리즈, 최신 캐논 R5/니콘 Z7 등이 모두 OLPF 없는 설계.
입문기 실용 한 줄. 신경 쓸 일이 거의 없습니다. 만약 사진에 무지개 띠 같은 이상한 무늬가 보이면 → 카메라 각도를 살짝 바꿔서 다시 한 컷. 후보정에서도 라이트룸의 "Moire 슬라이더" 로 어느 정도 잡힙니다.
본문 2-1로 돌아가기 ↩
비트뎁스와 색상 수
본문 M7-1에서 RAW vs JPEG를 짚을 때 "12~14bit RAW vs 8bit JPEG" 라고 숫자를 흘려보냈는데, 이 숫자가 무엇을 의미하는지 한 번 풀어볼게요.
비트뎁스(Bit Depth). 한 픽셀의 색을 표현할 때 몇 단계까지 나누어 기록하는가. 채널(빨강·초록·파랑 각각)별로 계산합니다.
- 8bit — 2의 8제곱 = 256단계. 한 픽셀이 표현할 수 있는 색 = 256³ = 약 1,670만.
- 12bit — 2의 12제곱 = 4,096단계. = 약 687억 색.
- 14bit — 2의 14제곱 = 16,384단계. = 약 4.4조 색.
- 16bit — 2의 16제곱 = 65,536단계. = 약 281조 색.
숫자가 너무 커서 직관이 안 들죠. 진짜 차이는 부드러운 그라데이션에서 나타납니다.
해질녘 하늘을 8bit로 찍으면 푸른색에서 주황색으로 가는 그라데이션이 미세한 띠(banding) 로 나뉘어 보일 수 있습니다. 같은 하늘을 14bit RAW로 찍으면 띠가 거의 안 보입니다. 부드러운 톤이 너무 미세해서 사람 눈이 같은 색의 연속으로 인식하기 때문이에요.
비트뎁스가 가장 중요한 자리.
- 하늘·노을·물결처럼 부드러운 그라데이션 — 8bit는 띠 생김. 14bit는 매끄러움.
- 피부 톤의 미세한 변화 — 인물 클로즈업에서 차이 분명.
- 후보정의 여유 — 14bit는 슬라이더를 강하게 움직여도 디테일 보존. 8bit는 한 번 만지면 띠가 더 드러남.
파일 포맷별 비트뎁스.
| 포맷 | 비트뎁스 |
|---|---|
| JPEG | 8bit (변경 불가) |
| TIFF | 8 또는 16bit |
| PSD | 8/16/32bit |
| RAW | 12 또는 14bit (제조사 설정) |
| DNG | RAW와 같음 |
입문기 황금 워크플로우. RAW(14bit)로 촬영 → 라이트룸에서 16bit로 작업 → 출력 직전에만 8bit JPEG로 저장. 작업 중에는 풍부한 정보를 유지하고, 마지막에만 압축. 한 번 8bit로 떨어뜨린 사진은 다시 14bit로 복원되지 않으니까요.
본문 7-1로 돌아가기 ↩
컬러 그레이딩 입문 — 슬라이더 5개를 마쳤다면
본문 M7-3 라이트룸 슬라이더 5개에 익숙해지셨다면, 다음 한 발은 컬러 그레이딩(Color Grading) 입니다. 영화 후반 작업에서 온 용어로, 사진/영상의 전체 색감을 의도적으로 조정해 분위기와 정서를 만드는 작업이에요.
색의 3요소를 한 줄로 복습.
- Hue (색상) — 빨강·노랑·초록·파랑 같은 색 자체. 색상환 위의 각도.
- Saturation (채도) — 색의 강도. 0이면 흑백, 100이면 원색.
- Value / Brightness (명도) — 색의 밝기. 어둡거나 밝은 정도.
이 세 가지를 영역별로 따로 조정하는 게 컬러 그레이딩입니다.
현대 영상의 두 표준 룩.
① 시네마틱 오렌지·청록(Teal & Orange). 할리우드 블록버스터의 표준. 피부 톤(따뜻한 오렌지)과 배경·그림자(차가운 청록)를 보색 관계로 분리해서 인물이 배경에서 또렷이 떠오르게 합니다. 마블 영화, 〈매드맥스: 분노의 도로〉, 〈블레이드 러너 2049〉가 대표.
② 노스탤직 필름 룩. 인디 영화·여행 영상의 표준. 채도를 살짝 낮추고, 섀도우에 청록 또는 보라를 살짝, 하이라이트에 따뜻한 노랑·오렌지를 살짝 얹는 방식. 〈문라이트〉, 웨스 앤더슨 영화, 한국 독립영화에서 자주.
라이트룸에서 시도하기.
- HSL 패널 — 8가지 색(빨강·주황·노랑·초록·청록·파랑·보라·자홍) 각각을 hue·saturation·luminance로 조정. 피부 톤 살짝 따뜻하게 + 하늘 살짝 더 푸르게 같은 미세 조정에 강함.
- 컬러 그레이딩 휠 — 하이라이트·미드톤·섀도우 영역별로 색을 얹는 모듈. 섀도우에 청록 + 하이라이트에 오렌지 한 번에 — 영화 룩의 첫 시도.
- 프리셋 — 라이트룸 내장 프리셋(특히 "빈티지"·"필름" 계열)을 한 번 적용해보고 어떤 슬라이더가 움직였는지 역추적. 가장 빠른 학습.
입문기 한 줄. "슬라이더 5개로 톤을 잡은 다음, 컬러 그레이딩 휠 한 번씩 만져보기." 처음엔 결과가 어색하지만, 자기 손에 익은 색 한 가지가 생기면 그게 사진가의 시그니처 룩이 됩니다.
본문 7-3로 돌아가기 ↩
AI 사진의 한계 — 사진가의 자리
이 사이드는 경험 기록입니다. 2026년 5월, 이 강의 자료를 만드는 과정에서 직접 확인한 한 가지 사실에 대한 한 단락이에요.
빛 방향 다이얼 컴포넌트(M5-1)에 들어갈 모델 시리즈를 만들기 위해, Higgsfield 라는 AI 이미지 생성 서비스를 9번 시도했습니다. 한국 K-beauty 모델 톤 — V-라인, 글래스 스킨, K-pop 비주얼, 단정한 자세 — 을 매우 정교한 prompt로 매번 다듬어 호출했어요. 같은 모델, 의자, 옷, 배경, 광원만 다르게.
결과는 9번 모두 어색했습니다.
문제는 prompt가 부족해서가 아니었어요. 도구 자체가 서구권 패션·UGC 광고 데이터로 주로 학습되어, 한국 시장의 미묘한 미감 — 어려 보이는 성인의 화사함, K-pop 비주얼의 균형감, 청순과 시크의 그 사이 — 을 잡지 못했습니다. 9번 시도 후 결국 다른 도구에서 한 번에 5각도 시리즈를 받았습니다.
이 경험이 사진 입문자에게 시사하는 점이 분명합니다.
AI 이미지 생성이 잘하는 자리.
- 일반화된 미감의 이미지 (서구권 광고 스타일, 판타지·SF 일러스트, 추상)
- 다양한 시드의 변주 (한 컨셉에 여러 변형)
- 텍스트 기반 빠른 시각화 (브레인스토밍, 무드보드)
AI 이미지 생성이 못하는 자리.
- 특정 시장의 미묘한 정서 (한국 K-beauty 톤, 일본 와비사비, 북유럽 미니멀)
- 같은 인물의 일관성 있는 시리즈 (8장 광원 변화 등)
- 정확한 광학 통제 (특정 F값의 보케 모양, 정확한 림라이트 위치)
- 사진가의 주관적 선택 (이 순간, 이 표정, 이 그림자)
사진가의 자리는 분명합니다. AI가 못하는 자리에 사진가가 있어요. 특정 모델을 섭외하고, 정확한 조명을 통제하고, 결정적 순간의 표정을 기다리고, 자기 시그니처가 담긴 한 컷을 만들어내는 일. 이 자리는 최소한 가까운 미래까지는 사람의 영역입니다.
입문자에게 한 줄. "AI가 다 해줄 거다"라는 통념이 한국에 빠르게 퍼지고 있습니다. 실제 사진 작업을 한 번이라도 해본 사람은 그 통념이 절반의 진실임을 알아요. AI는 사진가의 도구이자 경쟁자이지 대체자가 아닙니다. 도구로서는 활용하고, 경쟁자로서는 AI가 못하는 자리에서 자기 자리를 만드세요.
본문 7-4(보정의 윤리)로 돌아가기 ↩