페이지_ 화상학회 19권 2호_최종-3.pdf989.5KB

1. 서 론

 전력사용량의 증가와 기존 조명이 수반하는 환경 문제는 LED 조명의 필요성과 이에 대한 관심으로 확산하는 계기가 되고 있다. 정부는 LED 산업을 지난 2009년부터 신성장동력 육성산업으로 선정하며 이에 대한 투자와 개발에 정성을 쏟고 있다. 이는 LED 조명이 기존의 조명과 다르게 경제성, 친환경성이라는 특징을 갖고 있기 때문이다^[1]. LED 조명이 갖는 또 다른 장점 중에 하나는 가시광선을 포함하는 폭넓은 파장의 빛을 자유롭게 구성할 수 있다는 점이다. 즉, 이는 조명의 색과 밝기를 자유롭게 조절이 가능한 것을 의미한다. 그러한 점에서 LED 조명은 단순하게 빛을 밝히는 것을 벗어나 다양한 환경에서 적절하게 적용하여 사람의 감성에 영향을 미치는 감성조명으로 활용될 수 있음을 의미한다. LED 조명은 이러한 특징으로 기존의 조명과 차별화되는 새로운 조명이라고 할 수 있으며, 이에 IT기술을 접목하고 디자인적인 접근을 한다면 LED 조명은 우리의 삶과 생활방식에 큰 변화를 가져올 것이다.

 이러한 LED조명의 특징에 착안하여 국내외 학계와 조명산업에서 ‘감성조명’이라는 개념을 도입하여 이와 관련한 연구^[2~5]와 제품개발이 활발하게 진행 중이다. 하지만, 아직 감성조명에 관련한 기초연구는 부족하다. 예를 들면 연색 특성은 다르지만 색온도는 동일한 LED 조명들이 있다할 때 조명의 색으로부터 유발되는 감성은 동일하다 하더라도 실내의 벽면, 물건들의 표면에서 반사되어 만들어지는 색은 달라질 것이며 이는 감성에 영향을 미칠 수 있을 것이다. 하지만 실제 조명의 연색 특성변화에 따라 색의 변화나 감성의 변화가 얼마나 심각한 정도인지는 알려져 있지 않다. 따라서 본 연구에서는 5가지 종류의 LED 조명 분광분포를 조합하여 4수준의 색온도를 갖는 전체 20 종류의 백색 조명의 스펙트럼을 시뮬레이션하고, 시뮬레이션 된 조명에서 물체색의 칼라 어피어런스(color appearance)의 변화와 물체색에 의해 유발되는 감성의 변화 예측하였다. 이를 통해 LED 조명의 선택이 감성에 미치는 영향에 대해 알아보고자 한다.

2. 실험설계

2.1. 테스트 조명의 분광분포 시뮬레이션

 본 연구에서 사용하는 테스트 조명의 색온도는 4 수준으로 4000K, 6500K, 8000K, 10000K이며 각각의 색온도에서 Daylight의 분광분포를 기준 조명으로 선정하고 각 색온도 조건에서 서로 다른 5개의 분광분포를 갖는 가상의 LED 조명을 구성하였다.

 각 색온도 수준에서 Daylight의 분광분포는 다음의 절차^[6,7]에 의해 도출하였다. 우선 해당 색온도의 CIE 1931 색도 좌표 (x_D, y_D)를 계산한다. 색온도의 범위에 따라 CIE 1931 색도좌표를 계산하는 방법이 다른데, 4000K에서 7000K 사이의 자연광에 대해 색도 x_D는 수식 (1)과 같이, 7000K에서 25000K 사이의 자연광에 대해서는 수식 (2)를 이용하여 계산한다. 수식 (1), (2)에서 T는 색온도를 의미한다.

 CIE 1931 색도 좌표의 y_D 값은 앞서 색온도 범위에 의해 구한 x_D를 이용하여 수식 (3)으로 계산한다.

계산을 통해 도출한 CIE 1931 색도 좌표 이용하여 자연광 분광 분포 도출에 사용하는 상수 M₁, M₂를 계산한다. 

 자연광은 색온도에 따라 분광분포의 형태가 달라지기 때문에, 이때 M₁과 M₂는 색온도에 따라 변화하는 상수이다. 자연광의 분광분포는 S₀(λ) , S₁(λ), S₂(λ)와 상수 M₁과 M₂를 이용해 수식 (5)와 같이 조합한다. 이때 S₀(λ) , S₁(λ), S₂(λ)는 CIE 표준에서 표로 정의된 값들이다.[7] Figure 1의 왼쪽 그래프는 위 과정을 통해 도출한 4 수준의 색온도에 대한 기준 분광분포로 560nm에서 방출하는 에너지를 100으로 하여 나머지 파장영역의 에너지를 정규화한 그래프이다.

Figure 1. Relative spectral power distributions of simulated daylights (left) and base LEDs used in simulation (right)

 테스트 광원의 분광분포는 red, green, blue, warm white, cool white 5가지 기본 LED 분광분포를 조합하여 4수준의 색온도와 동일한 색도를 갖도록 구성한다. Figure 1의 오른쪽 그래프는 실험에 사용된 기본 LED들의 상대분광분포를 나타내는 것으로 시중에 판매되는 LED들을 직접 측정 데이터이다. LED 분광분포 조합은 5가지 방법으로 구성하며, 첫 번째 조합 방법은 red, green, blue를 조합, 두 번째와 세 번째는 red, green, blue를 섞은 분광분포에 각각 warm white, cool white를 조합한다. 네 번째는 5가지 LED 분광분포를 모두 조합하고, 마지막으로 다섯 번째는 warm white와 cool white 두 개의 LED 분광분포만으로 조합하여 구성한다. 따라서 4 수준의 색온도 수준에서 각각 5가지 LED 분광분포 조합으로 총 20가지 테스트 조명의 분광분포를 다음과 같이 구성했다.

 구성하고자 하는 색온도의 CIE 1931 색도좌표를 이용하여 목표가 되는 삼자극치(tri-stimulus value)를 도출하여 선정한 후 분광분포 조합에 사용되는 기본 LED의 분광 분포에 상수를 취해 수식 (6)과 같이 선형결합한다.

 이때 R(λ), G(λ), B(λ), WW(λ), CW(λ)는 red, green, blue, warm white, cool white LED의 정규화한 분광분포를 나타내며, M_R, M_G, M_B, M_WW, M_CW는 각 분광분포가 취하는 상수이다.

 조합된 비교 분광분포와 CIE1931 color matching function 사이의 적분을 통해 조합한 분광분포의 삼자극치를 도출한다.

 위 식에서 P(λ)는 조합한 테스트 분광분포이며, , , 는 color matching function, k는 Y를 100으로 정규화 하는 상수이다. 계산을 통해 도출한 테스트 분광분포의 삼자극치가 목표로 하는 색온도의 삼자극치와 동일해지도록 LED의 분광 분포에 곱해지는 계수의 크기를 조정한다.

예를 들어 6500K의 색온도를 갖는 비교 분광분포를 red, green, blue LED 분광분포를 이용하여 구성하는 방법은 다음과 같다. 색온도 6500K에 해당하는 색도는 (x, y) = (0.3135, 0.3237)이다. 이를 이용하여 Y값을 100으로 하는 삼자극치 (X, Y, Z) = (96.86, 100, 112.11)를 계산하며, 이 값은 조합하는 테스트 분광분포의 목표 삼자극치이다. 이 목표 삼자극치를 만족하는 R(λ), G(λ), B(λ) 항에 필요한 상수는 842.36, 252.35, 381.41이 된다.

 Figure 2는 최종적으로 만들어진 4 수준의 색온도별 5가지 종류의 테스트 조명 분광분포이다. green LED가 515nm에서의 값을 1로 하여 다른 파장역역의 파워를 정규화 하였다.

Figure 2. Relative spectral power distributions of five simulated LED lights with four different color temperatures

2.2. 샘플 선정

 본 연구에 사용한 테스트 샘플은 두 세트이다. 첫 번째 세트는 전통적인 CIE 연색지수(CRI)^[8]를 구하는데 사용하는 8개의 테스트 샘플이다. 두 번째 세트는 Color quality scale^[9]의 계산에 사용하는 15개의 테스트 샘플들이다. 각각의 테스트 세트는 CIE-8, NIST라고 명한다. 2가지 세트를 사용하는 이유는 두 세트의 테스트 샘플들이 색 공간 전체에 고르게 분포하기 때문이다. CIE-8의 경우 저채도 영역의 색을 NIST 세트의 경우 고채도 영역의 색을 포함하고 있어 색공간 전체에서 감성변화 예측이 가능하다. Figure 3은 두 샘플 세트의 분광 반사 곡선이다.

Figure 3. Spectral reflectance curves of test samples: CIE-8(Left) and NIST(Right)

2.3. 색 공간 및 감성 예측 모델 설정

 본 실험에서 광원의 색온도와 분광분포 변화에 따른 칼라 어피어런스를 도출하기 위해 CAM02-UCS^[13]라는 색공간을 사용하였다. CAM02-UCS는 표준 컬러 어피어런스 모델인 CIECAM02^[14]를 기반으로 공간 균등성을 향상시켜 만들어진 색공간이다. 또한 각 조명의 연색 지수는 CRI-CAM02UCS를 이용하여 계산하였는데 CIE CRI와 차이는 계산에 이용하는 색공간에 있다. CIE CRI는 CIE U^*V^*W^* 색공간을 이용하는 반면 CRI-CAM02UCS는 CAM02-UCS를 이용한다.

감성변화 예측을 위해 Ou[^[10], Sato^[11], Xin-Cheng^[12]에 의해 제안된 ‘능동적인 - 수동적인 (Active-Passive: AP)’, ‘딱딱한-부드러운 (Hard-Soft: HS)’, ‘무거운-가벼운 (Heavy-Light:HL)’, ‘따뜻한-시원한(Warm-Cool:WC)’색 감성 예측 모델을 이용하였다. 위 3가지 모델은 CIELAB 색 공간에서 색의 좌표를 이용하여 색감성을 예측하는 모델이다. 

Ou의 모델의 경우, '능동적인-수동적인' 색감성 스케일은 CIELAB 색 공간에서 샘플의 chroma와 lightness, ‘무거운-가벼운'과 ‘단단한-부드러운’ 색 감성 스케일은 lightness, ‘따뜻한-시원한'은 hue angle과 chroma에 영향을 받는다. Sato 모델의 경우 '능동적인-수동적인'은 CIELAB 색공간에서 샘플의 chroma, ‘무거운-가벼운'과 ‘단단한-부드러운’ 색 감성 스케일은 lightness, ‘따뜻한-시원한'은 hue angle에 영향을 주로 받는 것으로 설계되어있다. Xin-Cheng 모델은 CIELAB 색 공간에서 칼라 어피어런스의 세 가지 요소인 chroma, lightness, hue angle값의 선형결합으로 표현되며, '능동적인-수동적인'은 샘플의 chroma, ‘무거운-가벼운'와 ‘단단한-부드러운'는 샘플의 lightness, ‘따뜻한-시원한'은 chroma와 높은 관련성을 보인다.

3. 결과 및 분석

3.1. 광원의 연색성 분석

 Table 1은 각 테스트 조명하에서 두 테스트 샘플 세트의 CRI-CAM02UCS를 계산한 결과이다. 숫자가 100에 가까울수록 기준 광원인 Daylight에서 보는 것과 유사하게 보인다는 것을 의미한다. red, green, blue 세 가지 LED분광분포로 구성한 테스트 분광분포의 연색지수가 가장 낮은 결과를 보였다. 특히 NIST세트에서 4000K, 6500K, 8000K, 10000K에서 13.4, 9.9, 9.0, 8.5로 기준 광원과 큰 차이를 보인 반면 red, green, blue, warm white, cool white LED로 구성한 테스트 분광분포의 연색지수는 4 수준의 색온도에서 84.7에서 90.5로 가장 좋은 연색성을 보였다. 이러한 추세는 CIE-8 세트와 NIST세트 에서 공통적으로 나타난다. 이처럼 비교 분광분포 사이에 연색지수의 큰 차이를 보이는 이유는 Daylight광은 넓고 고른 분광분포를 보이는 반면, LED의 분광분포는 좁은 영역에 밀집하여 에너지를 방출하는 형태를 갖기 때문이다. 이러한 분광분포의 형태적 특성으로 인해 동일한 색온도를 갖는 비교 분광분포라 하더라도 연색지수에서 큰 차이를 보였다.

Table 1. CRI-CAM02UCS values of each test light spectrum

 뿐만 아니라 연색지수는 동일한 분광분포와 색온도를 갖더라도 테스트 샘플의 종류에 따라 차이를 보였다. NIST 세트가 CIE-8 세트에 비해 전체적으로 연색지수가 낮았다. 특히 red, green, blue LED를 조합한 비교 분광분포 조합에서 색온도가 10000K 일 때, CIE-8의 연색지수가 45.6인 반면 NIST는 8.5로 그 차이가 37.5로 현저한 차이를 보였다. 이는 두 세트를 구성하는 테스트 샘플들의 차이에서 기인한다. CIE-8과 NIST 세트 모두 다양한 색상을 포함 할 수 있도록 샘플들이 구성되어 있지만 색의 진하기에서 CIE-8은 저채도 영역의 샘플들을 포함하고 있으며, NIST 세트는 고채도 영역의 샘플들을 포함하고 있다. 이는 LED 광원에서는 저채도 영역보다 고채도 영역에서 보다 많은 칼라 어피어런스의 변화가 발생한다는 것을 의미한다.

 Table 2는 6500K일 때 각 테스트 조명에서 기준 조명 대비 평균 색차(color difference)를 나타낸다. Daylight 광원 대비 LED 광원에서는 명도(lightness)보다는 채도 (Colorfulness)나 색상 (Hue) 변화가 더 크게 나타나며, 저채도 색상(CIE-8 세트)보다 고채도 색상(NIST 세트)에서 전체적인 색 변화가 크게 나타나나 특히 색상 변화가 두드러지게 커진다.

Table 2. Average color differences of test samples in CAM02UCS color space

 Figure 4는 CAM02UCS 색 공간 상에서 CIE-8과 NIST 세트 샘플들의 색공간 좌표와 D65광원 대비 red, green, blue LED를 조합한 광원의 hue angle 변화 그래프이다. 그래프에서 aM'과 bM'은 각각 red-green, yellow-blue의 정보를 나타낸다. Figure4를 통해 알 수 있듯이, 테스트 광원에 따라 aM'방향으로 변화가 크게 나타난다. 특히 red, green, blue LED를 조합한 광원의 경우에는 다른 광원에 비해 red-green 색들은 채도가 증가하고 yellowblue는 채도가 감소하며, red 근처의 색은 red 색상으로 green 근처의 색상은 green으로 모이는 것을 알 수 있다.

Figure 4. Color distribution of test samples in CAM02UCS space (Left: CIE-8, Middle: NIST) and hue angle changes under RGB LED (Right)

3.2. 색감성 변화 분석

 조명 변화에 따른 테스트 샘플의 색 변화에 따라 색감성은 어떠한 영향을 받는지 기존의 색감성 모델을 이용하여 분석 하였다. 색감성 예측 모델을 이용한 색 감성 정량화 방법은 다음과 같다. 우선 각각의 테스트 광원 및 기준 Daylight 광원에 대해 CIE-8과 NIST 테스트 샘플의 CIELAB 값을 계산하고, 이를 4가지 색감성 스케일 예측모델에 대입하여 계산한다.

 각 테스트 조명에서 기준 광원 대비 색감성 변화 정도를 정량화하기 위하여서는 각각의 테스트 샘플에 대해 기준 광원 하에서 예측된 색감성과 테스트 광원 하에서 예측된 색감성 간의 차이의 절대값을 구한 후 평균을 구한다. Table 3은 Ou, Sato, Xin-Cheng 모델을 통해 예측한 평균 색감성 변화량이다. Table 3에서 AP는 ‘능동적인-수동적인’, HL은 ‘무거운-가벼운’, HS는 ‘단단한-부드러운’, WC는 ‘따뜻한-시원한’ 색감성 스케일에 대한 색감성 변화량이다. 세 모델 모두 테스트 조명 변화에 따라 AP의 변화가 가장 컸으며, 그 다음으로 WC순 이었다. HL과 HS의 경우 AP와 WC비해 상대적으로 그 변화량이 적었다.

Table 3. Average color emotion changes by light source changes(AP: Active-Passive, HL: Heavy-Light, HS: Hard-Soft, WC: Warm-Cool)

 AP와 WC의 색감성 변화량이 HL과 HS의 색감성 변화량 보다 큰 이유는 테스트 광원변화에 따라 hue와 chroma의 변화는 크지만, lightness 변화는 적었기 때문이다.

 색감성의 변화 크기 뿐 아니라 변화 방향 또한 분석하기 위하여 Daylight 광원과 각 테스트 광원 하에서의 색감성을 그래프에 나타내었다. 예를 들면 Figure 5는 색온도 6500K일 때, Ou 모델을 통해 예측한 테스트 샘플들의 AP와 WC값을 나타낸다. 가로축은 Daylight에서의 색감성량이며, 세로축은 동일한 색온도에서 LED 광원들에 의한 색감성량이다. AP의 경우 샘플들 중 특히 red, green, blue LED를 조합한 비교 분광분포에 의한 샘플들이 일대일 대칭 직선 상단에 위치하고 있다는 것을 알 수 있다. 이는 red, green, blue LED를 조합한 비교에 의해 샘플의 chroma가 증가하고 chroma 증가는 ‘능동적인’ 감성의 증가로 연결되어 발생한 현상이다. WC의 경우 1사분면에 위치한 샘플들의 경우 직선의 상단에, 3사분면에 위치한 샘플들의 경우 직선의 하단에 분포하는 것을 확인 할 수 있다. 이는 red, green, blue LED를 조합한 비교에 의해 샘플들의 chroma와 hue가 변화했기 때문이다. 즉 ‘따뜻한’ 색 감성이 강한 영역인 red-yellow영역과 ‘시원한’ 색감성이 강한 green-blue에서 chroma변화가 크게 나타났고 red와 green으로 색이 몰리는 현상이 발생하면서 ‘따뜻한’ 색은 더 따듯하게, 시원한 색은 더 시원하게 느껴지는 방향으로 색감성 변화가 이루어졌다.

Figure 5. 'Active-Passive', 'Warm-Cool' color emotion changes between various LED lights(test) and Daylight(reference)

 Table 3과 Figure 4를 통해 알 수 있는 것은 LED 조명의 연색 특성 변화에 의해 실내컬러들의 어피어런스 변화가 일어나고 이는 색감성의 변화로 이어지는데, 이때 발생하는 색감성의 변화 방향은 특정 감성을 강조하는 방향으로 일어난다는 것이다.

5. 결 론

 본 연구에서는 다양한 분광분포 및 색온도를 갖는 LED 조명하에서 Daylight 광원 대비 물체색의 색 변화 및 색 감성 변화 정도를 시뮬레이션 하였다.

 다양한 LED 조명을 시뮬레이션 하기 위하여 4000K, 6500K, 8000K, 10000K 4 수준의 색온도를 선정하였다. 각 색온도 조건에서는 Daylight 조명의 분광분포 및 red, green, blue, warm white, cool white LED를 섞어만들 수 있는 서로 다른 5 종류의 LED 조명의 분광분포를 계산을 통해 구하였고, 시뮬레이션된 각 조명에 대해서 각각 8개, 15개로 이루어진 두 종류의 테스트 샘플들의 어피어런스 및 색감성 변화를 계산하였다. 컬러 어피어런스는 CAM02-UCS 색공간을 이용하여 계산하였고, 색감성은 Ou, Sato, Xin-Cheng의 모델을 이용하여 ‘능동적인-수동적인', '무거운-가벼운', ‘단단한-부드러운’, ‘따뜻한-시원한' 색감성 스케일을 예측하였다.

 데이터 분석 결과 Daylight 조명에 비해 LED 조명에서 red-green 색들은 채도가 증가가 가장 두드러지게 나타났고, 이는 테스트 샘플들의 감성을 더욱 ‘능동적이고’, ‘따뜻한’ 색은 더 따듯하게, ‘시원한’ 색은 더 시원하게 느껴지도록 하는 것으로 나타났다. 이 현상은 고채도 샘플에서 더욱 크게 나타났다. 이 실험 결과는 LED 조명의 연색 특성을 적절히 조절하여 공간의 색감성을 특정한 방향으로 변화시킬 수 있는 것을 의미하므로, 공간의 조명디자인 시 조명의 색 뿐 아니라 연색 특성을 이용한 실내 감성 디자인이 가능하다는 것을 의미한다. 향후 본 논문에서 제시된 시뮬레이션 결과에 대해 실제 조명 및 피험자를 이용한 감성 실험을 통한 검증이 요구된다.

Acknowledgement

 이 논문은 2012년도 정부(교육과학기술부)의 재원으로 한국연구재단의 기초연구사업 지원을 받아 수행된 것임 (NRF-2012R1A1A1014768)