픽셀화로 가린 사진, 낮은 강도면 복원될 수 있다

가이드 · 2026.08.21 최종 확인

얼굴이나 번호판에 모자이크를 씌우면 "이제 알아볼 수 없다"고 안심하기 쉽습니다. 하지만 픽셀화는 원본 정보를 지우는 게 아니라 낮은 해상도로 뭉뚱그리는 손실 압축일 뿐이라, 블록을 작게(약하게) 설정할수록 원본 형체를 추정할 수 있는 단서가 상당히 남습니다. 왜 그런지 도구가 실제로 쓰는 알고리즘부터 살펴보겠습니다.

1. 픽셀화는 "삭제"가 아니라 "다운샘플링"이다

이 도구의 픽셀화 코드는 원본 이미지를 작은 캔버스로 축소한 뒤, 그 결과를 다시 원래 크기로 확대해서 그리는 2단계 구조입니다. 실제 코드를 보면 numBlocks(dim, px) 함수가 Math.round(dim/px)로 축소 캔버스의 가로·세로 칸 수를 계산하고, imageSmoothingEnabled = false로 부드러운 보간 없이 각진 상태 그대로 확대합니다. 즉 "블록 크기(px)"가 클수록 축소 캔버스의 칸 수가 적어져 정보가 더 많이 뭉개지고, 작을수록 칸 수가 많아져 원본에 가까운 해상도가 유지됩니다.

2. 블록 크기와 남는 정보량의 관계

핵심은 "얼마나 작은 격자로 축소했는가"입니다. 예를 들어 640×480 크기의 얼굴 사진에 픽셀 크기를 다르게 적용하면 축소 캔버스의 칸 수(=최종적으로 남는 색상 정보의 개수)가 이렇게 달라집니다.

블록 수가 19,200개나 남는 4px 설정은 원본(640×480=307,200픽셀)의 약 6.25%에 해당하는 색상 샘플을 그대로 보존하는 셈이라, 사람 눈으로도 이목구비 배치를 어느 정도 짐작할 수 있는 수준입니다.

3. 왜 낮은 강도가 "복원 가능"으로 이어지는가

이미지 처리 관점에서 픽셀화는 저역 통과 필터(low-pass filter)의 일종입니다. 블록 크기가 작으면 원본의 저주파 정보(전체적인 명암 분포, 윤곽선 위치, 색상 그라데이션)가 상당 부분 살아남습니다. 딥러닝 기반 초해상도(super-resolution) 모델은 바로 이 저주파 정보를 단서로 삼아 그럴듯한 고주파 디테일을 "추정해서 채워 넣는" 방식으로 동작합니다. 실제로 여러 보안 연구에서 낮은 강도의 모자이크·저해상도 썸네일 이미지를 딥러닝으로 재구성해 원본 인물을 상당 부분 재현할 수 있었다는 결과가 보고된 바 있습니다. 반면 블록 크기가 커서 남는 정보량 자체가 적으면(예: 48개 블록), 애초에 복원 모델이 참고할 단서가 부족해 그럴듯한 추정도 어려워집니다.

4. 블러(가우시안 블러)와 비교하면 어느 쪽이 더 안전한가

같은 목적의 이미지 블러는 경계를 부드럽게 흐리는 방식이라 강도가 낮으면 형체가 어느 정도 유추될 수 있는 건 픽셀화와 비슷합니다. 다만 강한 가우시안 블러는 주변 픽셀을 넓은 범위로 섞어(convolution) 정보를 더 철저하게 뭉개는 경향이 있어, 동일한 "강함" 체감 대비 복원 저항성이 더 높다는 평가가 많습니다. 확실하게 가리는 것이 목적이라면 블록 크기를 충분히 키운 픽셀화나 강한 블러, 혹은 아예 불투명한 사각형으로 덮는 방식을 함께 고려하는 게 안전합니다.

5. 실무 권장값

• 민감한 개인정보(얼굴, 차량 번호판): 픽셀 크기를 30px 이상으로 크게 설정하세요. 이 도구는 최대 80px까지 지원합니다.
• 단순 미관·레트로 효과: 4~12px 정도의 낮은 강도가 자연스러운 픽셀아트 느낌을 줍니다. 복원 우려가 없는 용도로만 사용하세요.
• 공개 배포 전 재확인: 다운로드한 이미지를 실제로 확대해 형체가 짐작되는지 눈으로 검증한 뒤 게시하는 습관이 안전합니다. 게시 전 EXIF 정보 제거 도구로 위치·기기 메타데이터도 함께 지우는 것을 권장합니다.

자주 묻는 질문