기존 히스토그램 평활화 방법을 사용하여 영상의 명암대비를 증가시킬 경우 과도한 밝기 변화로 인한 과포화 현상(over-enhancement), 계조현상(false contouring) 및 영상의 세부 정보가 없어지는 등의 왜곡이 발생한다. 특히 밝기 분포가 특정한 밝기 레벨에 밀집되어 있는 경우 이러한 왜곡이 두드러지게 나타나게 된다. 이러한 문제를 해결하기 위하여 임계치를 이용한 히스토그램클리핑을 통해 입력 히스토그램을 변형하는 개선된 평활화 방법들이 제시되었지만, 입력영상의 히스토그램 특성을 고려하지 않고 전체 히스토그램에 대해 동일한 임계치를 적용하기 때문에 명암대비 향상효과가 감소하고, 입력 영상의 특성을 유지하지 못해 부자연스러운 영상이 얻어지기도 한다. 본 논문에서는 기존 방식에서 발생하는 문제를 해결하기 위하여 입력영상의 히스토그램의 빈도수에 따른 차별적 압축방법을 적용하여 과도한 밝기 변화가 발생하는 문제를 억제하면서도 입력영상의 특성을 유지하는 새로운 평활화 방식을 제 안한다. 또한 입력영상의 특성에 따라 압축률의 강도를 제어하여 보다 효과적으로 명암대비 향상을 수행하는 방법을 제시한다.
기존 히스토그램 평활화 방법을 사용하여 영상의 명암대비를 증가시킬 경우 과도한 밝기 변화로 인한 과포화 현상(over-enhancement), 계조현상(false contouring) 및 영상의 세부 정보가 없어지는 등의 왜곡이 발생한다. 특히 밝기 분포가 특정한 밝기 레벨에 밀집되어 있는 경우 이러한 왜곡이 두드러지게 나타나게 된다. 이러한 문제를 해결하기 위하여 임계치를 이용한 히스토그램 클리핑을 통해 입력 히스토그램을 변형하는 개선된 평활화 방법들이 제시되었지만, 입력영상의 히스토그램 특성을 고려하지 않고 전체 히스토그램에 대해 동일한 임계치를 적용하기 때문에 명암대비 향상효과가 감소하고, 입력 영상의 특성을 유지하지 못해 부자연스러운 영상이 얻어지기도 한다. 본 논문에서는 기존 방식에서 발생하는 문제를 해결하기 위하여 입력영상의 히스토그램의 빈도수에 따른 차별적 압축방법을 적용하여 과도한 밝기 변화가 발생하는 문제를 억제하면서도 입력영상의 특성을 유지하는 새로운 평활화 방식을 제 안한다. 또한 입력영상의 특성에 따라 압축률의 강도를 제어하여 보다 효과적으로 명암대비 향상을 수행하는 방법을 제시한다.
In case of contrast of the image enhancement by using the conventional histogram equalization, over-enhancement, false contouring and distortion such as the details disappearance of the image occurs due to the excessive brightness change. Especially, these distortion appears when the brightness dist...
In case of contrast of the image enhancement by using the conventional histogram equalization, over-enhancement, false contouring and distortion such as the details disappearance of the image occurs due to the excessive brightness change. Especially, these distortion appears when the brightness distribution is concentrated in a particular brightness level. In order to solve these problems, improved histogram equalization methods to transform the input histogram by clipping using threshold have been proposed, but contrast enhancement effect is reduced because it does not consider the characteristics of the input image's histogram to apply the same threshold for the entire histogram, and unnatural image is obtained because it does not retain the characteristics of the image. In this paper, to solve the problems of existing methods, we propose new equalization method that suppress excessive brightness changes by applying to the differential compression according to the histogram frequency, and maintain the characteristics of the input image. In addition, we propose a more effectively method to improve contrast by controlling the strength of the compression ratio depending on the characteristics of the input image.
In case of contrast of the image enhancement by using the conventional histogram equalization, over-enhancement, false contouring and distortion such as the details disappearance of the image occurs due to the excessive brightness change. Especially, these distortion appears when the brightness distribution is concentrated in a particular brightness level. In order to solve these problems, improved histogram equalization methods to transform the input histogram by clipping using threshold have been proposed, but contrast enhancement effect is reduced because it does not consider the characteristics of the input image's histogram to apply the same threshold for the entire histogram, and unnatural image is obtained because it does not retain the characteristics of the image. In this paper, to solve the problems of existing methods, we propose new equalization method that suppress excessive brightness changes by applying to the differential compression according to the histogram frequency, and maintain the characteristics of the input image. In addition, we propose a more effectively method to improve contrast by controlling the strength of the compression ratio depending on the characteristics of the input image.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
또한 과포화 현상을 막기 위해 빈도수를 제한하는 과정에서 과도한 제한으로 인해 명암대비 효과가 좋지 못하거나 연산량이 적지 않아 실시간 연산에 적합하지 않다는 단점이 존재한다. 따라서 본 논문에서는 히스토그램의 빈도수에 따라 히스토그램을 차등 압축하는 방법을 사용하여 과도한 명암대비 증가로 인한 과포화 현상을 억제하면서도 입력영상의 특성을 유지하는 차별적 압축 방법 기반의 히스토그램 평활화를 이용한 영상의 명암대비 향상 기법을 제시한다.
이러한 문제 해결을 위하여 다수의 변형된 방법이 제안되었지만 이 방법들도 영상의 특성을 반영하지 못해 부자연스러운 영상이 얻어지는 단점을 보였다. 본 논문에서는 기존 방법들에서 나타나는 화질열화를 억제하기 위하여 차등 히스토그램 압축 평활화 기법을 제안하였다. 제안된 방법은 입력 히스토그램의 특성을 유지하기 위해 히스토그램 클리핑 방법 대신 각 레벨에 대한 평균 빈도수에 따른 차별적 히스토그램 압축을 이용하여 히스토그램을 변형하고, 히스토그램 변형으로 인해 손실된 빈도수에 대한 보상을 수행한 후 구해진 매핑함수를 이용하여 평활화 한다.
반면에 빈도수가 적은 밝기값은 이웃한 밝기값과 합쳐져서 작은 영상 영역의 정보가 손실되는 level-saturation 현상이 발생하게 된다. 이러한 문제를 해결하기 위하여 다음 절에서 차등 압축을 통한 히스토그램 변형방법에 기반한 히스토그램 평활화를 수행하는 방법을 제안한다.
제안 방법
CLAHE(Contrast-Limited Adaptive Histo- gram Equalization)[1]는 분할된 영상영역에 대해 히스토그램을 클리핑하여 특정 밝기값에 집중되어 있는 히스토그램을 분산하여 과도한 밝기변화를 막는 평활화 방법을 수행하였다. SAPHE(Self-Adaptive Plateau Histogram Equalization)[2]과 MSAPHE(Modified SAPHE)[3]는 클리핑 임계치(clipping threshold)를 입력 히스토그램의 국소 최대값(local maxima)들의 median으로 선택하고 임계치를 넘는 히스토그램을 클리핑 처리하여 히스토그램을 변형하고, 변형된 히스토그램을 이용하여 평활화를 수행하였다. BUBOHE (Histogram Equalization with Bin Underflow and Bin Overflow)[4]의 경우는 사용자 제어변수에 의해 상한과 하한에 대한 임계치를 정의하고 임계치를 벗어난 히스토그램을 제거한 후 변형된 히스토그램을 이용하여 히스토그램 평활화를 수행하였다.
첫 번째, 영상의 히스토그램을 구한다. 두 번째, 구해진 히스토그램을 영상의 전체 픽셀수로 나누어 정규화된 히스토그램인 확률밀도함수 PDF(Probability Distribution Function)을 구한다. 화소수가 N이고 밝기값의 범위가 [X0, XL-1]인 입력영상 X의 확률밀도함수는 식 (1)과 같다.
본 논문에서는 제안하는 차별적 압축방법 기반의 히스토그램 평활화 기법은 입력영상의 히스토그램의 각 명암도 레벨에 대한 평균 빈도수를 이용한 차별적 압축 방법을 수행하고 압축에 의해 손실된 화소에 대한 보상과정을 통해 히스토그램을 변형하고, 변형된 히스토그램을 이용하여 mapping function을 구하여 히스토그램 평활화를 수행한다.
본 논문에서는 기존 방법들에서 나타나는 화질열화를 억제하기 위하여 차등 히스토그램 압축 평활화 기법을 제안하였다. 제안된 방법은 입력 히스토그램의 특성을 유지하기 위해 히스토그램 클리핑 방법 대신 각 레벨에 대한 평균 빈도수에 따른 차별적 히스토그램 압축을 이용하여 히스토그램을 변형하고, 히스토그램 변형으로 인해 손실된 빈도수에 대한 보상을 수행한 후 구해진 매핑함수를 이용하여 평활화 한다. 실험을 통한 기존방법과의 비교분석을 통해 제안된 방법은 기존의 방법들에서 나타나는 급격한 밝기 변화로 인한 과포화 현상이나 계조 현상 등의 화질열화를 억제하면서도 명암대비가 향상된 자연스러운 영상을 얻을 수 있었다.
첫 번째, 영상의 히스토그램을 구한다. 두 번째, 구해진 히스토그램을 영상의 전체 픽셀수로 나누어 정규화된 히스토그램인 확률밀도함수 PDF(Probability Distribution Function)을 구한다.
제안하는 차별적 압축 방법 기반의 히스토그램 평활화를 이용한 명암대비 향상 방법의 성능을 검증하기 위해 기존의 SHE, CLAHE, WTHE, BHEPL, QDHE, BHENM, MSAPHE의 8가지 방법과 비교 평가한다. 평가 방법은 명암대비 향상 결과에 대한 객관적, 주관적 성능을 비교 평가한다. 실험 결과는 각 알고리즘에 대한 Matlab 코드를 이용한 프로그램의 결과를 사용하였다.
데이터처리
마지막으로 제안하는 방법의 연산량을 측정하기 위하여 평균 수행시간을 이용하여 비교 평가한다. 수행시간은 Matlab 프로그램에서 영상 크기가 1024*768인 영상 50장에 대한 평균 수행시간이다.
평가 방법은 명암대비 향상 결과에 대한 객관적, 주관적 성능을 비교 평가한다. 실험 결과는 각 알고리즘에 대한 Matlab 코드를 이용한 프로그램의 결과를 사용하였다. 먼저 객관적 성능을 평가로 출력영상의 표준편차 값인 GSD(Global Standard Deviation)를 이용한다.
제안하는 차별적 압축 방법 기반의 히스토그램 평활화를 이용한 명암대비 향상 방법의 성능을 검증하기 위해 기존의 SHE, CLAHE, WTHE, BHEPL, QDHE, BHENM, MSAPHE의 8가지 방법과 비교 평가한다.
이론/모형
또한 HE 처리에 따른 over-enhancement 현상을 억제하고 지역적 명암대비(local contrast) 향상을 위해 입력 밝기레벨(gray-level)마다 sub-bin을 설정하고, 입력 화소와 주변화소에 특정한 matric을 사용하여 빈도수가 많은 밝기레벨의 히스토그램 성분을 sub-bin에 할당하는 Neighborhood Metric 방법들이 제안되었다[9]-[11]. HENM (Histogram Equalization with Neighborhood Metric)[9]은 voting metric을 사용하고, EHENM (Enhancement of Histogram Equalization with Neighborhood Metric)[9]는 contrast difference metric을 사용한다. BHENM (Bi-Histogram Equalization with Neigh-borhood Metric)[11]은 히스토그램을 입력영상의 평균 밝기값 (mean brightness)을 기준으로 2개의 영역으로 나누고, 각 영역에 대해 독립적으로 밝기레벨 당 2040개의 sub-bin을 할당하고 distinction metric을 사용하여 평활화하였다.
실험 결과는 각 알고리즘에 대한 Matlab 코드를 이용한 프로그램의 결과를 사용하였다. 먼저 객관적 성능을 평가로 출력영상의 표준편차 값인 GSD(Global Standard Deviation)를 이용한다. GSD가 높다는 것은 영상의 명암대비가 크게 향상되었다는 것을 의미한다.
성능/효과
AE를 보면 CLAHE, BHENM의 방법이 높게 나오고 그 다음으로 제안하는 방법이 높게 나왔다. AE가 높게 나올수록 영상의 디테일이 잘 나타나고 local enhancement가 잘 되었다는 것을 의미하는데, CLAHE, BHENM은 local enhancement를 목적으로 하기 때문에 높은 결과가 나온 것으로 분석된다. 하지만 두 방법은 연산량이 다른 방법들에 비해 매우 많고, 주관적 성능 분석 결과에서 두드러진 화질열화가 발견되었다.
제안 방법은 영상의 디테일을 유지하고 과포화 현상을 억제하면서 영상의 명암대비를 개선하는 것을 목적으로 하는데, GSD는 일반적인 Global 히스토그램 방법들보다 낮지만 영상의 디테일을 유지하기 위한 Local 히스토그램 방법인 CLAHE보다 높음을 확인할 수 있다. AE를 보면 CLAHE, BHENM의 방법이 높게 나오고 그 다음으로 제안하는 방법이 높게 나왔다. AE가 높게 나올수록 영상의 디테일이 잘 나타나고 local enhancement가 잘 되었다는 것을 의미하는데, CLAHE, BHENM은 local enhancement를 목적으로 하기 때문에 높은 결과가 나온 것으로 분석된다.
그리고 영역별로 확장이 다르게 적용되어 전체적인 밝기값의 뭉치는 현상도 발견된다. BHENM은 특성상 영상의 세부적인 부분의 보존 효과는 뛰어났으나, 평균값 밝기에 대한 분할을 적용하여 BHEPL과 마찬가지로 과포화와 계조현상이 나타났다. MSAPHE는 CLAHE와 같이 클리핑 방법을 적용하여 영상의 세부적인 특성은 잘 보존하지만 명암대비 향상 효과가 부족함을 보였다.
그림 9에서는 과도한 밝기 변화로 하늘에서 계조 현상이 나타남을 확인할 수 있다. CLAHE는 영상의 세부적인 특성을 잘 살리지만 명암대비 향상 효과가 부족하게 나타났다. BHEPL은 평균 밝기값으로 히스토그램을 분할하여 평활화 하기 때문에 영상이 어둡거나 밝은 쪽으로 몰려 있으면 몰려있는 영역의 밝기 분산이 이루어지지 않게 된다.
MSAPHE는 CLAHE와 같이 클리핑 방법을 적용하여 영상의 세부적인 특성은 잘 보존하지만 명암대비 향상 효과가 부족함을 보였다.
WTHE의 경우에는 클리핑 방법을 이용하여 과도한 밝기 변화를 방지하면서도 영상의 특성을 유지한 채 명암대비를 향상시키긴 하였으나 마찬가지로 집중된 영역에 대한 과포화 현상이 나타났고, 전체적인 명암대비 향상이 제안된 방법에 비해 부족함을 보인다. QDHE는 WTHE와 마찬가지로 클리핑 방법을 이용하되 영역을 4분할하여 적용하였는데, 이 방법 또한 클리핑을 통한 영상의 특성 유지는 어느 정도 이루어진 것처럼 보이지만 영상의 명암대비 향상 결과가 부족함을 보였다. 그리고 영역별로 확장이 다르게 적용되어 전체적인 밝기값의 뭉치는 현상도 발견된다.
그림 5, 7, 11을 보면 밝은 영역은 명암대비 향상이 어느 정도 잘 이루어진데 반해 어두운 밝기의 영역이 크게 확장 되지 못하여 영상의 정보가 손실됨을 확인할 수 있고, 그림 9에서는 역시 계조현상이 나타남을 확인할 수 있다. WTHE의 경우에는 클리핑 방법을 이용하여 과도한 밝기 변화를 방지하면서도 영상의 특성을 유지한 채 명암대비를 향상시키긴 하였으나 마찬가지로 집중된 영역에 대한 과포화 현상이 나타났고, 전체적인 명암대비 향상이 제안된 방법에 비해 부족함을 보인다. QDHE는 WTHE와 마찬가지로 클리핑 방법을 이용하되 영역을 4분할하여 적용하였는데, 이 방법 또한 클리핑을 통한 영상의 특성 유지는 어느 정도 이루어진 것처럼 보이지만 영상의 명암대비 향상 결과가 부족함을 보였다.
또한 실험을 통한 분석을 통해 대부분의 영상에 적절한 λ의 범위는 0.5 ~ 2.0 사이임을 확인할 수 있었다.
하지만 두 방법은 연산량이 다른 방법들에 비해 매우 많고, 주관적 성능 분석 결과에서 두드러진 화질열화가 발견되었다. 수행시간에 있어서는 기본 히스토그램을 제외하고 제안하는 방법이 가장 빠른 수행시간을 보였다.
제안된 방법은 입력 히스토그램의 특성을 유지하기 위해 히스토그램 클리핑 방법 대신 각 레벨에 대한 평균 빈도수에 따른 차별적 히스토그램 압축을 이용하여 히스토그램을 변형하고, 히스토그램 변형으로 인해 손실된 빈도수에 대한 보상을 수행한 후 구해진 매핑함수를 이용하여 평활화 한다. 실험을 통한 기존방법과의 비교분석을 통해 제안된 방법은 기존의 방법들에서 나타나는 급격한 밝기 변화로 인한 과포화 현상이나 계조 현상 등의 화질열화를 억제하면서도 명암대비가 향상된 자연스러운 영상을 얻을 수 있었다.
영상을 통하여 주관적 성능 분석을 한 결과 SHE는 히스토그램이 집중되어 있는 경우 과도한 밝기 변화로 인하여 과포화 현상이 나타나는 것을 확인할 수 있다. 그림 5를 보면 하늘과 건물 지붕에서, 그림 7에서는 가로등 및 오른쪽 계단 등이 있는 곳에서, 그림 11에서는 오른쪽 하단 및 아래 작은 건물 쪽에서 영상의 정보가 사라진 것을 확인할수 있다.
표 1은 각 알고리즘의 그림 5, 7, 9, 11에 대한 결과를 평균한 객관적 성능 분석 결과이다. 제안 방법은 영상의 디테일을 유지하고 과포화 현상을 억제하면서 영상의 명암대비를 개선하는 것을 목적으로 하는데, GSD는 일반적인 Global 히스토그램 방법들보다 낮지만 영상의 디테일을 유지하기 위한 Local 히스토그램 방법인 CLAHE보다 높음을 확인할 수 있다. AE를 보면 CLAHE, BHENM의 방법이 높게 나오고 그 다음으로 제안하는 방법이 높게 나왔다.
제안된 차별적 압축 방법 기반의 히스토그램 평활화 기법에서 사용되는 압축률 변수 λ는 사용자의 선택에 의해 결정하거나 영상의 특성에 따라 자동으로 결정하도록 할 수도 있다.
MSAPHE는 CLAHE와 같이 클리핑 방법을 적용하여 영상의 세부적인 특성은 잘 보존하지만 명암대비 향상 효과가 부족함을 보였다. 제안하는 방법은 히스토그램의 빈도수에 따라 차별적 압축을 수행하므로 입력히스토그램의 형태를 유지하므로 영상의 세부적인 특성을 잘 보존하면서도 효과적인 명암대비 향상 효과를 보였고, 기존 방법들과 비교하여 과포화 및 계조 현상 등 두드러진 화질열화 없이 매우 자연스러운 명암대비 향상 결과를 보인다.
제안하는 방법인 λ에 따른 압축방법을 보면 λ가 증가할수록 over-enhancement 현상과 false-contouring 현상은 줄어들지만, contrast 향상이 감소함을 확인할 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
영상의 명암대비를 향상시키는 대표적인 방법은?
이러한 명암대비 개선 기술은 가전제품, 의료 영상처리 등 다양한 영상처리 응용분야에서 사용된다. 영상의 명암대비를 향상시키는 대표적인 방법으로 히스토그램 평 활화(Histogram Equalization) 방법이 있다. 그러나 일반적인 히스토그램 평활화 방법은 입력영상의 히스토그램이 특정 밝기값에 집중적으로 분포하는 경우 과포화 현상과 계조현상이 발생하고, 발생 빈도수가 적은 히스토그램에 해당하는 밝기값은 명암대비 향상처리가 수행되지 않거나 해당 밝기값이 없어지게 되어 작은 영상영역의 세부정보가 손실되는 현상이 나타난다.
기존 히스토그램 평활화 방법을 사용하여 영상의 명암대비를 증가시킬 경우 생기는 문제는?
기존 히스토그램 평활화 방법을 사용하여 영상의 명암대비를 증가시킬 경우 과도한 밝기 변화로 인한 과포화 현상(over-enhancement), 계조현상(false contouring) 및 영상의 세부 정보가 없어지는 등의 왜곡이 발생한다. 특히 밝기 분포가 특정한 밝기 레벨에 밀집되어 있는 경우 이러한 왜곡이 두드러지게 나타나게 된다.
밝기 분포가 특정한 밝기 레벨에 밀집되어 있는 경우 왜곡이 두드러지는데 이를 해결하기 위해 제시되었던 방법은?
특히 밝기 분포가 특정한 밝기 레벨에 밀집되어 있는 경우 이러한 왜곡이 두드러지게 나타나게 된다. 이러한 문제를 해결하기 위하여 임계치를 이용한 히스토그램 클리핑을 통해 입력 히스토그램을 변형하는 개선된 평활화 방법들이 제시되었지만, 입력영상의 히스토그램 특성을 고려하지 않고 전체 히스토그램에 대해 동일한 임계치를 적용하기 때문에 명암대비 향상효과가 감소하고, 입력 영상의 특성을 유지하지 못해 부자연스러운 영상이 얻어지기도 한다. 본 논문에서는 기존 방식에서 발생하는 문제를 해결하기 위하여 입력영상의 히스토그램의 빈도수에 따른 차별적 압축방법을 적용하여 과도한 밝기 변화가 발생하는 문제를 억제하면서도 입력영상의 특성을 유지하는 새로운 평활화 방식을 제 안한다.
참고문헌 (11)
Stephen M. Pizer, R. Eugene Johnston, James P. Ericksen, Bonnie C. Yankaskas, and Keith E. Muller, "Contrast-limited adaptive histogram equalization: speed and effectiveness", In Proceedings of the First Conference on Visualization in Biomedical Computing, 1990, vol. 1, no. 1, PP.337-345, May 1990.
Bing-Jian Wang, Shang-Qian Liu, Qing Li, and Hui-Xin Zhou, "A real- time contrast enhancement algorithm for infrared images based on plateau histogram", Infrared Physics & Technology, vol. 48, no. 1, pp. 77-82, April 2006.
Nicholas Sia Pik Kong, Haidi Ibrahim, Chen Hee Ooi, and Derek Chan Juinn Chieh, "Enhancement of microscopic images using modified self-adaptive plateau histogram equalization", submitted for publication in Proceedings of 2009 International Conference on Graphic and Image Processing (ICGIP 2009), Kota Kinabalu, Malaysia, vol. 1, no. 1, November 2009.
Seungjoon Yang, Jae Hwan Oh, and Yungfun Park, "Contrast enhancement using histogram equalization with bin underflow and bin overflow", In Image Processing, 2003. ICIP 2003. Proceedings. 2003 International Conference on, vol. 1, no.1, pp. 881-884, September 2003.
Qing Wang, and Rabab K. Ward, "Fast image/video contrast enhancement based on weighted thresholded histogram equalization", IEEE Trans. Consumer Electronics, vol. 53, no. 2, pp. 757-764, May 2007
Taekyung Kim and Joonki Paik, "Adaptive contrast enhancement using gain-controllable clipped histogram equalization", IEEE Trans. on Consumer Electronics, vol. 54, no. 4, pp. 1803-1810, November 2008.
Chen Hee Ooi, Sia Pik Kong, Haidi Ibrahim, "Bi-Histogram Equalization with a Plateau Limit for Digital Image Enhancement", IEEE Transactions on Consumer Electronics, vol. 55, No. 4, pp. 2072 -2080, NOVEMBER 2009
Chen Hee Ooi and Nor Ashidi Mat Isa, "Quadrants Dynamic Histogram Equalization for Contrast Enhancement", IEEE Trans. Consumer Electronics, vol. 56, no. 4, pp. 2543-2551, May 2010
M. Eramian and D. Mould, "Histogram equalization using neighborhood metrics", Computer and Robot Vision, the 2nd Canadian Conference on IEEE CNF, Proceedings, vol. 1, no.1, pp. 397-404, May, 2005.
Nyamlkhagva Sengee, Altansukh Sengee, and Heung-Kook Choi, "Contrast Enhancement using Histogram Equalization with a New Neighborhood Metrics", Journal of Korean Multimedia Society, vol. 11, no. 6, pp. 737- 745, June 2008.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.