경계선은 살리고 잡음만 없앤다 — 이항 가중 메디안 필터를 중심으로 6가지 알고리즘을 갖춘 전문가급 이미지 스무딩 앱. 완전 무료, 설치만 하면 바로 사용 가능합니다.
사진에서 "잡음(노이즈)"을 없애고 싶을 때, 대부분의 도구는 경계선까지 흐릿하게 만들어버립니다. SonataSmooth2D는 다릅니다 — 경계는 선명하게, 노이즈만 제거하는 스마트 알고리즘으로 결과물 품질을 한 단계 높입니다.
이항 분포 가중치 + 메디안 연산의 결합. 엣지(경계선)를 유지하면서 노이즈만 깔끔하게 제거하는 SonataSmooth2D만의 핵심 기술. 다른 필터와 달리 "모든 픽셀이 동등하지 않다"는 원칙으로 설계되었습니다.
파일 열기, 드래그&드롭, 클립보드 붙여넣기, 웹 URL 드롭까지 — 이미지를 불러오는 방법이 4가지. 포토샵 같은 복잡한 설정 없이 바로 결과를 확인하세요.
일반 8-bit(24bpp)부터 전문 16-bit(48bpp)까지. 사진 전문가라면 16-bit 모드로 색상 손실 없이 더욱 정밀한 처리를 경험하세요.
Surface Dial을 연결하면 12개 항목의 방사형 메뉴가 활성화됩니다. 필터 선택·커널 반경·경계 모드·줌·회전·Apply를 마우스 없이 다이얼 하나로 조작하세요. Context-Sensitive 방식으로 현재 필터에 맞는 항목만 표시됩니다.
Binomial Weighted Median 적용 전/후. 오른쪽이 SonataSmooth2D의 처리 결과입니다. 경계선(색상이 급변하는 부분)은 그대로이면서 전체적인 잡음이 사라진 것을 확인하세요.
Binomial Weighted Median이 왜 특별한지, 다른 필터와 어떻게 다른지 쉬운 비유와 함께 살펴보세요.
이미지 불러오기부터 저장까지 — 4단계면 끝나는 완전 초보자용 가이드.
SonataSmooth2D의 심장부. 수학적으로 정교하지만, 원리는 생각보다 직관적입니다.
100명이 투표로 "이 칸의 진짜 색깔"을 정한다면?
멀리 있는 픽셀도, 바로 옆 픽셀도 모두 동등한 발언권을 가집니다. 중심에서 멀리 떨어진 노이즈도 결과에 영향을 줍니다.
중심에 가까운 픽셀일수록 이항 분포 가중치만큼 더 많은 투표권을 받습니다. 중요한 이웃이 결과를 주도하고, 먼 노이즈는 영향력이 줄어듭니다.
결과: 경계선(엣지)은 날카롭게 보존되고, 잡음은 깔끔하게 제거됩니다.
가우시안·박스 블러 같은 평균 기반 필터는 경계선 픽셀들의 값을 섞어버립니다. "빨간색 영역"과 "파란색 영역"의 경계에 보라색이 생기는 현상 — 이게 바로 엣지 번짐입니다.
메디안 기반 필터는 평균이 아닌 중앙값을 씁니다. 중앙값은 빨강과 파랑 중 하나를 선택하지, 섞지 않습니다. 경계선이 유지되는 이유입니다.
여기에 이항 가중치를 더하면 — 중심부 픽셀 위주로 더 신뢰할 수 있는 중앙값을 구해 공간적으로 훨씬 자연스러운 결과를 만듭니다.
평균·가우시안 블러는 경계를 흐릿하게 만들지만, 메디안 기반 연산은 경계 픽셀이 "섞이지 않고" 그대로 남습니다. 선명한 윤곽선이 살아있습니다.
Salt & Pepper 임펄스 노이즈, 랜덤 픽셀 오류 등 국소적인 이상값을 중앙값 연산으로 효과적으로 제거합니다. 평균 필터보다 훨씬 강력합니다.
2D 처리를 X축→Y축 1D로 분리해 처리합니다. 연산량이 O(r²)에서 O(r)로 대폭 감소. 멀티코어 병렬 처리와 합쳐져 고해상도에서도 빠릅니다.
이미지 한 장이 처리되는 과정을 단계별로 살펴봅니다.
이미지 가장자리에서도 유효한 픽셀만 대상으로 메디안을 계산합니다. 사각 아티팩트 없이 자연스러운 가장자리 처리. Binomial Weighted Median 선택 시 자동으로 적용됩니다.
자동 선택내부적으로 Parallel.For를 사용해 CPU 코어 수에 비례하는 처리 속도를 냅니다. 4코어라면 약 4배, 8코어라면 약 8배 빠릅니다.
이미지 종류와 목적에 맞는 필터를 선택하세요. 처음이라면 Binomial Weighted Median(시그니처)을 먼저 사용해보세요.
이미지 가장자리에서 커널이 범위를 벗어날 때의 처리 방법입니다. 필터 선택 시 최적 모드가 자동으로 추천됩니다.
| 모드 | 설명 | 추천 필터 |
|---|---|---|
| Symmetric | 경계에서 이미지를 거울처럼 반사시켜 패딩 — 가장 자연스러운 가장자리 처리 | Box · Binomial |
| Replicate | 경계 픽셀 값을 그대로 복제해 패딩 — 단색 배경에 적합 | 범용 |
| Adaptive | 경계에서 창 크기를 자동으로 축소해 처리 — 아티팩트 최소화 | Savitzky-Golay |
| Adaptive Mask | 유효 픽셀에만 메디안 계산 적용 — 메디안 계열의 최적 경계 처리 | 메디안 계열 |
| Zero Pad | 경계 바깥을 0(검정)으로 채워 패딩 | 특수 목적 |
| Valid Only | 커널이 완전히 이미지 안에 들어오는 영역만 처리 | 특수 목적 |
처음 사용하는 분도 5분 안에 결과를 볼 수 있습니다.
파일을 창에 끌어다 놓거나, [파일 열기] 버튼을 클릭하거나, Ctrl+V로 클립보드의 이미지를 붙여넣거나, 웹 브라우저에서 이미지 URL을 직접 드래그해 올 수 있습니다. PNG, JPG, BMP, TIFF 모두 지원.
라디오 버튼으로 6가지 스무딩 방식 중 하나를 선택합니다. 초보자라면 Binomial Weighted Median(시그니처)을 선택하세요. 선택하면 최적의 경계 처리 모드가 자동으로 설정됩니다.
커널 반경(r)을 조절해 스무딩 강도를 바꿉니다. r이 클수록 더 강하게 처리됩니다. 가우시안 계열은 σ(시그마)를, Savitzky-Golay는 다항식 차수를 추가로 조절할 수 있습니다.
멀티코어 병렬 처리로 빠르게 완료됩니다. [Save]로 JPG·PNG·BMP·TIFF로 저장하거나, [Copy]로 클립보드에 복사합니다. EXIF 메타데이터도 자동 기록됩니다.
파일 탐색기에서 이미지 파일을 창에 끌어다 놓으면 즉시 불러옵니다. 가장 빠른 방법입니다.
[파일 열기] 버튼으로 PNG, JPG, BMP, TIFF 파일을 선택합니다.
Ctrl+V로 다른 프로그램에서 복사한 이미지를 즉시 불러옵니다. 스크린샷 처리에 특히 편리합니다.
브라우저에서 이미지 URL을 창으로 드래그하면 웹에서 직접 다운로드해 불러옵니다.
마우스, 터치, 키보드 — 어떤 입력 방식도 자연스럽게 지원합니다. 스프링 물리 기반 바운스백과 관성 팬으로 부드러운 조작감을 제공합니다.
| 입력 | 동작 |
|---|---|
| 휠 ↑↓ | 마우스 커서 기준 확대/축소 1노치 = 15%, 최대 300% 표시 배율 · 소프트 바운스백 애니메이션 |
| 더블클릭 | 핏-투-윈도우 ↔ 100% 즉시 전환 왼쪽 더블클릭: 화면 맞춤 · 우클릭 더블클릭: 커서 기준 2배 확대 |
| 터치 핀치 | 두 손가락으로 핀치 인/아웃 두 손가락 탭: 핏-투-윈도우 · 두 손가락 더블탭: 뷰 동기화 |
| 입력 | 동작 |
|---|---|
| Ctrl + 좌클릭 드래그 | 이미지 패닝 5px 데드밴드 이후 팬 시작 · 관성 감속 + 엣지 스프링 바운스백 |
| 미들클릭 드래그 | 미들 버튼 패닝 Ctrl 없이도 가능 · 좌클릭과 동일한 관성·바운스 적용 |
| 터치 스와이프 | 한 손가락으로 패닝 손을 떼면 관성 감속 · 경계 돌출 후 자동 복귀 |
| 입력 | 동작 |
|---|---|
| 우클릭 | 원본 ↔ 결과 뷰어 줌·위치 동기화 더블클릭과 구분해 단일클릭에서만 발동 · 같은 영역 픽셀 단위 비교 |
| 터치 2핑거 더블탭 | 뷰어 동기화 (터치 전용) 2핑거 단일탭은 핏-투-윈도우 · 2초 이내 다른 이미지의 시각적 위치, 크기가 선택된 이미지와 동기화 |
Surface Dial을 연결하면 11개 메뉴 항목을 방사형 UI로 전환해 파라미터를 조작할 수 있습니다. 커널 반경, 줌, 회전, 필터 선택까지 — 마우스 없이도 정밀한 워크플로우가 가능합니다.
SonataSmooth2D가 제공하는 모든 기능을 카테고리별로 정리했습니다.
드래그&드롭, 파일 열기, Ctrl+V 클립보드, 웹 URL 드롭 — 4가지 방식 지원
JPG, PNG, BMP, TIFF로 저장. 클립보드 복사도 지원. EXIF 메타데이터 자동 기록.
원본 이미지를 간단히 회전해 다양한 방향으로 스무딩을 적용할 수 있습니다.
마우스 휠(15%/노치), Ctrl+드래그, 미들 버튼, 터치 핀치 지원. 스프링 물리 바운스백(MaxZoom 초과 시 언더댐핑 스프링) + 120Hz 물리 연산 관성 팬.
우클릭(또는 터치 2핑거 더블탭)으로 같은 영역을 나란히 비교. 실제로 어떤 차이가 있는지 픽셀 단위로 확인 가능.
좌더블클릭: 핏-투-윈도우. 우더블클릭: 2× 확대. 터치 2핑거 탭: 핏-투-윈도우. 터치 2핑거 더블탭: 동기화.
현재 필터 종류, 커널 반경, 경계 모드, 알파 블렌드, 시그마, 색 깊이를 실시간 표시.
일반 8-bit(24bpp), 전문 16-bit(48bpp) 선택. 색상 손실 없는 정밀 처리.
컬러, 흑백, 투명도 채널 포함 — 3가지 채널 모드. 그레이스케일 자동 감지.
Ignore · Preserve · Filter Separately · Premultiplied Aware — 반투명 이미지의 후광 아티팩트 없이 처리.
미분 차수를 조절해 이미지의 Gradient Magnitude를 계산. 엣지 디텍션 및 과학적 분석에 활용.
Symmetric · Replicate · Adaptive · Adaptive Mask · Zero Pad · Valid Only. 최적 모드 자동 추천.
커널 반경, 다항식 차수, 이미지 크기 간의 충돌을 사전에 감지해 명확한 오류 메시지 제공.
CPU 코어 수에 자동 최적화. 고해상도 이미지에서도 빠른 처리 속도.
다이얼 회전으로 6가지 필터를 즉시 순환. 10°/스텝 Coarse 모드.
Fine 모드 — 10°마다 r ±1. 마우스 없이 다이얼만으로 강도 조절.
햅틱 없는 연속 회전 — 틱당 10%, fit~300%. 부드러운 줌 애니메이션.
다이얼 회전으로 90° CW/CCW. 스프링 애니메이션 시각 피드백.
다이얼 누르기 = Apply 즉시 실행. Sync 항목에서 누르면 뷰 동기화.
Alpha·Sigma·Poly·Deriv — 현재 필터에 맞는 항목만 동적으로 표시.
| 입력 포맷 | PNG · JPG/JPEG · BMP · TIFF |
| 출력 포맷 | PNG · JPG/JPEG · BMP · TIFF |
| 클립보드 | 입력 & 출력 모두 지원 |
| URL 드롭 | 지원 (HTTP/HTTPS) |
| 드래그&드롭 | 파일 · Bitmap · URL |
| 8-bit 모드 | 24bpp RGB · 32bpp ARGB |
| 16-bit 모드 | 48bpp RGB · 64bpp ARGB |
| 채널 모드 | RGB · Mono · RGBA |
| 그레이스케일 감지 | 자동 (픽셀 콘텐츠 검사) |
| 병렬 처리 | 멀티코어 Parallel.For |
| 커널 반경 (r) | 1~255 (이항) / 제한 없음 (가우시안) |
| 경계 처리 모드 | 6가지 (자동 추천) |
| 알파 처리 | 4가지 |
| SG 다항식 차수 | 1 ~ (창 크기 − 1) |
| SG 미분 차수 | 0 ~ 다항식 차수 |
| 가우시안 σ | sigmaFactor로 정밀 조절 |
| 운영체제 | Windows 10 / 11 |
| 런타임 | .NET (WinForms + WPF) |
| GPU 요구 | 불필요 (CPU 처리) |
| Surface Dial | 선택사항 · Windows.UI.Input.RadialController API |
| 가격 | 무료 |
| 총 메뉴 수 | 최대 12개 (필터 의존 동적 표시) |
| Coarse 모드 | Filter · Bitness · Boundary · Rotate — 10°/스텝 |
| Fine 모드 | Kernel Radius · Alpha · Sigma · Poly · Deriv — 10°/스텝 |
| Zoom 모드 | 연속 회전 · 10%/틱 · 햅틱 OFF |
| Button Press | Apply 즉시 실행 · Sync 선택 시 뷰 동기화 |
| Context 메뉴 | Alpha · Sigma · Poly · Deriv 동적 추가/제거 |
설치는 간단하고, 사용법은 직관적입니다. 전문가도, 처음 써보는 분도 — SonataSmooth2D는 누구에게나 열려있습니다.
센서 오류, 주가 스파이크, 실험 노이즈 — 1차원 데이터의 불필요한 변동을 걷어내고 진짜 추세를 드러내는 신호 스무딩 도구. 6가지 필터를 한 번에 비교하고 최적의 결과를 선택하세요.
센서 데이터, 금융 신호, 실험 측정값 등 1차원 수치 데이터에는 항상 크고 작은 잡음이 섞여 있습니다. SonataSmooth1D는 6가지 스무딩 필터를 동시에 적용해 결과를 나란히 비교하고, 데이터에 가장 잘 맞는 필터를 선택할 수 있습니다.
갑작스러운 스파이크(센서 오류, 이상값)부터 지속적인 랜덤 노이즈까지 — Binomial Weighted Median은 다양한 패턴에서 탁월한 성능을 보여줍니다. 실제 추세는 유지한 채로요.
한 번의 실행으로 6가지 필터 결과를 모두 계산합니다. 어떤 필터가 내 데이터에 맞는지 직접 비교해서 선택하세요. 별도로 설정을 바꿔가며 반복할 필요가 없습니다.
데이터 포인트가 2,000개 이상이면 자동으로 멀티코어 병렬 처리를 활성화합니다. 대용량 시계열 데이터도 빠르게 처리합니다.
아래는 노이즈가 섞인 신호와 Binomial Weighted Median 적용 결과를 나란히 보여줍니다. 스파이크는 사라지고 실제 추세가 명확하게 드러납니다.
Binomial Weighted Median이 스파이크를 어떻게 처리하는지, 왜 가장 강력한지 직관적으로 알아보세요.
IoT 센서, 금융 시계열, ML 전처리, 과학 계측 — 어떤 분야에 어떻게 쓸 수 있는지 확인하세요.
SonataSmooth1D의 핵심. 왜 "종합 최강자"라고 불리는지 쉽게 설명합니다.
주변 데이터 포인트들이 "지금 값은 얼마여야 하나?"를 투표로 결정합니다.
10번 포인트의 값을 정할 때, 1번 포인트의 의견도 9번 포인트의 의견과 동일한 무게를 가집니다. 먼 포인트의 노이즈까지 영향을 줍니다.
이항 분포 가중치로 인접한 포인트에 더 많은 표를 부여합니다. 멀리 있는 스파이크 값은 "소수 의견"이 되어 결과에 미치는 영향이 급격히 줄어듭니다.
스파이크와 이상값은 제거하고, 진짜 추세와 급격한 변화점은 보존합니다.
센서 오류나 극단적 이상값(스파이크)에 메디안 연산이 자연스럽게 저항합니다. 평균 필터는 스파이크 하나에도 크게 흔들리지만, 메디안은 다수결 원칙으로 이를 무시합니다.
신호가 갑자기 레벨이 바뀌는 "계단 변화"(예: 온도가 20°C에서 갑자기 35°C로)를 블러 처리 없이 선명하게 유지합니다. 이는 메디안 기반 필터만의 특성입니다.
노이즈가 매우 자주 발생하는 데이터에서도 이항 가중치 덕분에 중심부 기준으로 안정적인 결과를 냅니다. 빈번한 랜덤 노이즈 시나리오에서 6가지 필터 중 최고 성능입니다.
12가지 신호 패턴에 대해 각 필터의 성능을 비교합니다. ★ 탁월이 가장 좋은 결과를 의미합니다.
| 신호 패턴 | Rect. | Binom.Avg | ★Binom.Med | Gauss.Med | Gaussian | S-G |
|---|---|---|---|---|---|---|
| 간헐적 랜덤 노이즈 | 적정 | 양호 | 우수 | ★ 탁월 | 양호 | 우수 |
| 빈번한 랜덤 노이즈 | 미흡 | 적정 | ★ 탁월 | 적정 | 적정 | 적정 |
| 간헐적 급격한 스파이크 | 미흡 | 적정 | ★ 탁월 | 우수 | 적정 | 적정 |
| 계단 변화 (갑작스런 레벨 전환) | 미흡 | 적정 | ★ 탁월 | 우수 | 적정 | 적정 |
| 완만한 대형 추세 변화 | 미흡 | 양호 | 양호 | 양호 | 양호 | ★ 탁월 |
| 느린 기저선 표류 + 미세 지터 | 양호 | 양호 | ★ 탁월 | 우수 | 양호 | 우수 |
| 빈번한/연속 급격한 스파이크 | 미흡 | 적정 | 적정 | ★ 탁월 | 적정 | 적정 |
| 부드러운 자연 신호 + 노이즈 | 적정 | 양호 | 양호 | ★ 탁월 | ★ 탁월 | 우수 |
| 규칙적인 대진폭 파형 | 미흡 | 적정 | 적정 | 양호 | 적정 | ★ 탁월 |
| 복합 주파수 진동 | 미흡 | 양호 | 적정 | 양호 | 양호 | ★ 탁월 |
| 주기적 고주파 노이즈 | ★ 탁월 | 적정 | 적정 | 양호 | 양호 | 양호 |
| 안정된 주기 신호 + 중간 노이즈 | 적정 | ★ 탁월 | 적정 | 양호 | 양호 | 양호 |
종합 결론 : Binomial Median 필터가 다양한 신호 유형과 지표 전반에서 가장 높은 종합 성능을 보여줍니다. 특히 스파이크, 빈번한 노이즈, 계단 변화 처리에서 독보적입니다. Gaussian Median은 간헐적 스파이크와 자연 신호 보존에서 강력한 대안입니다.
각 필터는 장단점이 다릅니다. 한 번의 실행으로 6가지 결과를 모두 얻어 비교하세요.
Rectangular와 Savitzky-Golay를 제외한 4가지 필터는 α 블렌딩을 지원합니다.
스무딩 결과(filtered)와 원본 데이터(original)를 α 비율로 섞는 기능입니다.
α = 1.0이면 완전히 스무딩된 결과, α = 0.0이면 원본 그대로, α = 0.5면 반반 섞인 결과가 나옵니다. 스무딩을 너무 강하게 적용하면 중요한 패턴이 사라질 수 있을 때 α를 낮춰 보세요.
| 모드 | 방식 | 특징 |
|---|---|---|
| Symmetric | 양끝에서 데이터를 거울처럼 반사시켜 확장 | 선형 필터 추천 |
| Replicate | 양끝 값을 그대로 복제해 확장 | 범용 |
| Zero Pad | 양끝 바깥을 0으로 채워 확장 | 특수 목적 |
| Adaptive | 경계에서 실제 존재하는 샘플만 사용 (창 크기 자동 축소) | SG · 고정밀 |
1차원 수치 데이터가 있는 곳이라면 어디든 — SonataSmooth1D는 다양한 분야에서 활용됩니다.
스파이크·지터·랜덤 노이즈를 제거해 학습 데이터를 정제합니다. 모델 정확도와 학습 안정성이 올라갑니다.
온도·습도·진동 센서의 노이즈를 평활화합니다. 오탐(False Positive)을 줄여 이상 탐지 정확도를 높입니다.
주가·환율·거래량의 단기 변동성을 필터링해 추세를 파악합니다. 예측 모델의 입력 데이터 품질을 높입니다.
분광법·환경 모니터링 등 실험 데이터에서 의미 있는 추세를 부각합니다. Savitzky-Golay로 도함수도 추출 가능합니다.
오디오 파형 진폭 등 선형 신호를 평활화합니다. 배경 노이즈를 줄이면서 핵심 특성은 보존합니다.
산만한 노이즈를 제거해 깔끔한 차트·플롯을 생성합니다. 이해관계자에게 더 직관적인 데이터를 제공합니다.
상황을 잘 모르거나, 처음 시작하는 경우에는 Binomial Weighted Median부터 시작하세요. 다양한 신호 패턴에서 종합적으로 가장 좋은 성능을 보입니다.
피크 높이 보존, 도함수 추출이 필요한 과학 계측 데이터에는 Savitzky-Golay가 최적입니다. 복합 주파수와 파형 분석의 표준 방법론입니다.
주가처럼 자연스럽게 변화하는 곡선에는 Gaussian 평균 또는 Gaussian Weighted Median이 적합합니다. σ 파라미터로 스무딩 강도를 세밀하게 조절하세요.
처리 속도가 가장 중요하거나, 대략적인 노이즈 감소만 필요한 전처리 단계에는 Rectangular가 가장 효율적입니다.
SonataSmooth1D는 숫자 데이터를 직접 입력하거나 붙여넣어 스무딩 결과를 즉시 확인합니다.
숫자를 입력창에 직접 타이핑하거나, 스프레드시트·CSV에서 복사해 붙여넣기(Ctrl+V)합니다. 쉼표·탭·공백·줄바꿈 등 다양한 구분자를 자동으로 인식합니다. 엑셀에서 열 하나를 통째로 복사해 붙여넣어도 됩니다.
커널 반경(r)을 조절해 스무딩 강도를 결정합니다. r이 클수록 더 강하게 평활화됩니다. 필터 종류, 경계 처리 방식, α 블렌딩 값도 함께 설정할 수 있습니다.
한 번의 클릭으로 6가지 필터 결과를 모두 계산합니다. 차트로 시각화된 결과를 보면서 데이터에 가장 잘 맞는 필터를 선택하세요.
원하는 필터의 결과를 클립보드로 복사하거나 Excel 파일로 내보낼 수 있습니다. 제목, 컬럼 레이블 등 메타데이터도 함께 저장됩니다.
r = 1~7 사이를 권장합니다. r이 클수록 더 강하게 스무딩됩니다. 처음에는 r=3~5로 시작해 결과를 확인하면서 조절하세요. 데이터가 짧을수록 작은 r을 사용하세요.
α = 1.0이 완전 스무딩 (기본값). 노이즈는 제거하되 원본 특성을 어느 정도 유지하고 싶다면 α = 0.5~0.8을 사용해보세요. 과도한 스무딩을 방지합니다.
다항식 차수: 2~4가 일반적. 높을수록 원형 보존력 ↑. 미분 차수: 0은 스무딩, 1은 1차 도함수(기울기), 2는 2차 도함수를 추출합니다.
| 입력 방식 | 텍스트 직접 입력 · 클립보드 붙여넣기 |
| 구분자 인식 | 쉼표 · 탭 · 공백 · 줄바꿈 (자동) |
| 숫자 형식 | 정수 · 소수 · 과학적 표기 (eE) |
| 출력 방식 | 클립보드 복사 · Excel 내보내기 |
| 커널 반경 (r) | ≥ 0 (윈도우 W = 2r+1) |
| α 블렌딩 | 0.0 ~ 1.0 (Rect, SG 제외) |
| 경계 처리 모드 | Symmetric · Replicate · ZeroPad · Adaptive |
| SG 다항식 차수 | 0 ≤ p < W |
| SG 미분 차수 | 0 ~ 다항식 차수 |
| 가우시안 σ | W / sigmaFactor (기본 6.0) |
| 플랫폼 | .NET Standard 2.0 |
| 병렬 처리 | N ≥ 2,000 → Parallel.For 자동 활성화 |
| NaN/∞ 처리 | 자동 0.0 치환 (safeInput) |
| 6필터 동시 실행 | 단일 순회 (single traversal) |
| 커널 사전 계산 | HouseholderQR (SG) · Binomial Coeff. |
| 운영체제 | Windows 10 / 11 |
| 런타임 | .NET (WinForms) |
| GPU 요구 | 불필요 (CPU 처리) |
| 가격 | 무료 |
숫자 데이터만 있으면 됩니다. 설치 후 5분 안에 결과를 확인할 수 있습니다. SonataSmooth1D는 누구에게나 열려있습니다.
데이터의 중간값에 집중하다 — Middle Median과 All Median, 두 가지 보정 모드와 4가지 경계 처리 방식으로 숫자 시계열의 노이즈를 직관적으로 제거하는 Windows 데스크톱 앱. 완전 무료, 설치 후 바로 사용 가능합니다.
숫자 데이터를 붙여넣거나 드래그&드롭하면 즉시 Running Median 보정이 시작됩니다. 복잡한 코딩 없이 — 커널 반경 하나만 설정하고 Calibrate 버튼을 누르세요. Initial Dataset과 Refined Dataset을 나란히 비교할 수 있습니다.
Moving Window 안에서 중앙값을 구하는 Running Median 알고리즘. 이상값(스파이크)에 강건하며 급격한 계단 변화도 보존합니다. Middle Median과 All Median 두 모드로 데이터 성격에 맞게 선택하세요.
엑셀 열 복사&붙여넣기(Ctrl+V), 드래그&드롭, 직접 입력까지 — 쉼표·탭·공백·줄바꿈을 자동 인식합니다. HTML 클립보드, Word 표 데이터도 정규식으로 숫자만 파싱합니다.
원본 데이터(Initial Dataset)와 보정 결과(Refined Dataset)를 두 개의 리스트로 나란히 확인합니다. 항목 선택, 복사, 동기화까지 — 결과를 클립보드로 한 번에 가져갈 수 있습니다.
스파이크가 있는 원본 신호에 Running Median(r=5)을 적용한 결과. 중간값 연산이 이상값을 효과적으로 제거하면서 전체 추세를 보존합니다.
Middle Median과 All Median의 차이, 경계 처리 4가지 방식을 예시와 함께 살펴보세요.
데이터 입력부터 Excel 내보내기까지 — 5단계로 완성하는 Running Median 보정 가이드.
AvocadoSmoothie는 Middle Median과 All Median, 두 가지 Running Median 보정 방식을 제공합니다. 데이터의 성질과 경계 처리 요구에 따라 선택하세요.
데이터 양 끝에서 borderCount개 만큼의 항목은 원본 값을 그대로 유지합니다. 나머지 중간 구간에만 Symmetric shrinking 방식으로 Running Median을 적용합니다. 경계 영향을 최소화하고 싶을 때 선택하세요.
데이터 전체에 Running Median을 적용합니다. 경계 처리 방식(BoundaryMode)을 선택해 배열 범위 밖 가상 샘플을 합성합니다. Symmetric·Replicate·ZeroPad·Adaptive 중 선택 가능합니다.
All Median 모드 선택 시 활성화됩니다. 커널이 배열 경계를 넘어갈 때 가상 샘플을 어떻게 생성하는지 결정합니다.
배열 끝에서 거울처럼 반사시켜 확장합니다. 주기 P = 2×(N−1)의 전체 샘플 반사. 끝 값이 중복되지 않아 경계에서 중앙값 편향을 방지합니다.
배열의 끝 값을 경계 밖으로 복제합니다. 구현이 간단하고 약간 빠르지만 경계 동작(dynamics)이 평탄해질 수 있습니다.
경계 근처에서 윈도우를 중심 기준으로 대칭적으로 축소합니다. 실제 샘플만 사용해 위상 이동 없이 처리합니다. 윈도우 폭 = 2×min(r, i, N−1−i)+1.
배열 범위 밖을 모두 0으로 채웁니다. 경계에서 에너지 감쇠(attenuation)가 발생할 수 있습니다. 특수 목적이나 신호 처리 컨벤션에 맞출 때 사용합니다.
r = 3이면 W = 7, 즉 현재 위치 앞뒤로 3개씩 총 7개의 샘플에서 중간값을 구합니다. r이 클수록 더 강한 평활화가 이루어지지만 빠른 추세 변화를 일부 놓칠 수 있습니다.
| r 값 | 윈도우 크기 | 권장 상황 |
|---|---|---|
| 1 | 3 | 약한 노이즈, 빠른 변화 |
| 3~5 | 7~11 | 일반적인 시계열 데이터 |
| 7~15 | 15~31 | 강한 노이즈, 완만한 추세 |
| 20+ | 41+ | 매우 거친 데이터 |
⚠️ windowSize ≤ dataCount 조건을 반드시 만족해야 합니다.
AvocadoSmoothie는 데이터 입력부터 결과 내보내기까지 직관적인 5단계로 Running Median 보정을 완료합니다.
엑셀이나 CSV에서 숫자 열을 복사해 Initial Dataset에 붙여넣기(Ctrl+V)하거나 드래그&드롭합니다. 직접 입력도 가능하며, 쉼표·탭·공백·줄바꿈을 자동으로 인식합니다. Word 표나 HTML 클립보드에서도 숫자만 파싱합니다.
Middle Median — 경계 borderCount개를 원본으로 유지하고 중간 구간만 보정합니다. All Median — 전체 구간을 보정하며 Boundary Mode(Symmetric·Replicate·Adaptive·Zero Padding)를 선택합니다.
Kernel Radius(r)를 선택해 윈도우 크기(W = 2r+1)를 결정합니다. Middle Median이라면 Border Count도 설정합니다. r이 클수록 더 강한 평활화가 이루어집니다.
Calibrate 버튼을 클릭하면 멀티코어 병렬 처리로 Running Median이 계산됩니다. 진행률 바로 처리 상황을 확인하고, 완료 후 Refined Dataset에서 결과를 바로 확인하세요.
Refined Dataset을 클립보드로 복사하거나 Excel(.xlsx) / CSV 파일로 내보냅니다. 내보내기 시 원본과 보정 결과가 함께 포함된 파일이 생성됩니다. 데이터셋 제목도 함께 저장됩니다.
원본 데이터가 저장되는 리스트. 추가(Add), 수정(F2), 삭제(Delete), 전체 지우기(Ctrl+Delete), 전체 선택(Ctrl+A), 복사(Ctrl+C), 붙여넣기(Ctrl+V)를 지원합니다.
Calibrate 후 Running Median 결과가 저장되는 리스트. 전체 선택, 복사, 비우기, 동기화(Init↔Refined 항목 대응) 기능을 제공합니다.
Initial과 Refined Dataset의 항목 수가 같을 때 활성화됩니다. 한 쪽 리스트에서 선택한 항목에 대응하는 다른 쪽 항목을 자동으로 선택해 비교가 편리합니다.
AvocadoSmoothie는 원본 데이터와 보정 결과를 함께 Excel 또는 CSV 파일로 내보냅니다. Calibrate 없이도 바로 내보낼 수 있습니다.
Excel COM Interop를 사용해 .xlsx 파일을 생성합니다. 원본 데이터, Running Median 결과, 그리고 Middle Median 결과 컬럼이 함께 포함됩니다.
첫 번째 셀에 사용자가 입력한 제목이 자동으로 삽입됩니다. 제목 없이는 내보내기가 비활성화됩니다.
대용량 데이터도 진행률 바로 처리 상황을 실시간 확인합니다. Microsoft Excel이 설치되어 있어야 합니다.
Excel 없이도 동작하는 범용 CSV 내보내기. 원본 데이터와 두 가지 보정 결과(All Median, Middle Median)를 컬럼으로 분리해 저장합니다.
Microsoft Excel 설치와 무관하게 동작합니다. 내보내기 후 자동으로 파일이 열립니다.
내보내기 완료 후 기본 프로그램으로 파일이 자동으로 열립니다.
| 컬럼 | 내용 | 비고 |
|---|---|---|
| Original | 원본 Initial Dataset 값 | 항상 포함 |
| All Median | All Median 방식의 Running Median 결과 | 내보내기 시 자동 계산 |
| Middle Median | Middle Median 방식의 Running Median 결과 | borderCount 반영 |
| Title Row | 데이터셋 제목 (첫 행) | Excel 전용 |
💡 팁 : Calibrate 버튼을 누르지 않아도 내보내기가 가능합니다. Export 서비스가 내부적으로 All Median과 Middle Median을 모두 계산해 파일에 포함시킵니다. 데이터셋 제목을 입력해야 내보내기 버튼이 활성화됩니다.
| 알고리즘 | Running Median (이동 중앙값) |
| 커널 반경 (r) | ≥ 0 (윈도우 W = 2r+1) |
| 보정 모드 | Middle Median · All Median |
| 경계 처리 | Symmetric · Replicate · Adaptive · Zero Padding |
| 짝수/홀수 창 | 홀수 창(2r+1) 기본 · 짝수 창 평균 처리 지원 |
| 병렬 처리 | N ≥ 1 → Parallel.For (멀티코어) |
| 입력 방식 | 직접 입력 · Ctrl+V 붙여넣기 · 드래그&드롭 |
| 구분자 인식 | 쉼표 · 탭 · 공백 · 줄바꿈 (자동) |
| 숫자 형식 | 정수 · 소수 · 과학적 표기 · 천단위 쉼표 |
| HTML/Word 지원 | 정규식 파싱으로 숫자만 추출 |
| 출력 방식 | 클립보드 복사 · Excel(.xlsx) · CSV(.csv) |
| Initial Dataset | 추가·수정·삭제·전체선택·복사·붙여넣기·동기화 |
| Refined Dataset | 복사·비우기·전체선택·동기화 |
| 편집 단축키 | F2 수정 · Delete 삭제 · Ctrl+A 전체선택 · Esc 선택해제 |
| 진행률 표시 | Calibrate · 내보내기 · 항목 작업 모두 표시 |
| 상태바 | 커널 반경 · 보정 방식 · 경계 처리 · 항목 수 실시간 표시 |
| 운영체제 | Windows 10 / 11 |
| 런타임 | .NET (WinForms) |
| GPU 요구 | 불필요 (CPU 처리) |
| Excel 내보내기 | Microsoft Excel 설치 필요 (COM Interop) |
| CSV 내보내기 | Excel 불필요 · 독립 동작 |
| 가격 | 무료 |
데이터를 붙여넣고 Calibrate — 그게 전부입니다. AvocadoSmoothie는 설치 후 바로 사용할 수 있는 직관적인 Running Median 보정 도구입니다.