퍼스널컬러 진단

사용 방법

1. 자연광이 비치는 곳에서, 필터·보정 없이, 정면을 보고 찍은 사진을 올려요(카메라로 바로 찍어도 돼요).
2. 자동으로 얼굴을 찾아 볼·이마(피부), 눈동자(홍채), 이마 위(머리카락) 색을 찍어요.
3. 웜/쿨, 밝음/어두움, 선명함/차분함을 계산해 4계절 중 하나와 세부 톤으로 결과를 보여줘요.
4. 결과 아래 추천 색·피해야 할 색 팔레트를 보고, 색을 눌러 사진 아래 가상 드레이프 띠로 비교해요.
5. 조명이 애매하면 흰색·회색 기준점을 눌러 화이트밸런스를 보정하거나, 웜/쿨을 직접 선택해 다시 볼 수 있어요.

왜 사진만으로는 완벽할 수 없을까요

퍼스널컬러는 원래 전문가가 여러 색 천(드레이프)을 직접 얼굴 옆에 대보면서 피부·눈·머리카락과의 조화, 생기, 대비를 눈으로 비교해 판단하는 방식이에요. 사진 한 장으로는 이 과정을 똑같이 재현할 수 없어요. 카메라 센서와 자동 화이트밸런스, 실내조명의 색온도(백열등은 노란빛, 형광등은 푸른빛이 섞여요), 사진 압축 과정에서 피부색이 실제보다 더 노랗거나 더 붉게, 또는 더 창백하게 찍힐 수 있어요. 그래서 이 도구는 "정확한 진단"이 아니라 "참고할 수 있는 1차 힌트"로 안내해요. 결과를 맹신하기보다, 여러 장의 사진(가능하면 흐린 날 자연광, 맑은 날 자연광 등 다른 조건)으로 비교해보고, 화이트밸런스 보정 기능과 수동 웜/쿨 선택 기능을 적극 활용해 보세요.

판정 기준(투명하게 공개)

이 도구는 아래 네 단계로 계산해요. 모든 수치 기준은 이 문단에 그대로 공개돼 있어서, 결과가 왜 그렇게 나왔는지 직접 확인할 수 있어요.

1. 색 공간 변환: 찍은 피부색(sRGB)을 CIE Lab 색 공간으로 바꿔요. Lab의 a*는 빨강-초록, b*는 노랑-파랑 축이에요.
2. 웜/쿨 판정: 피부 Lab의 색상각 h = atan2(b*, a*)를 구해요. h가 49도보다 크면(노란 기운이 상대적으로 강하면) 웜톤, 작으면(붉거나 푸른 기운이 상대적으로 강하면) 쿨톤으로 봐요. 49도에서 ±4도 이내면 "약한 경향"으로 표시해 애매한 경계라는 걸 알려줘요.
3. 명도(밝음/어두움): 피부의 명도 L*가 63 이상이면 밝은 편, 미만이면 어두운 편으로 나눠요.
4. 선명도(선명함/차분함): 피부의 채도 C* = sqrt(a*² + b*²)가 24 이상이거나, 머리카락과 피부의 명도 차이가 38 이상으로 크면(이목구비 대비가 크면) "선명함"으로, 그렇지 않으면 "차분함"으로 분류해요.

이 네 값을 조합해 4계절로 나눠요: 웜+선명=봄(스프링), 웜+차분=가을(어텀), 쿨+선명=겨울(윈터), 쿨+차분=여름(서머). 각 계절은 명도에 따라 다시 두 가지 세부 톤(예: 라이트 봄/브라이트 봄)으로 나뉘어요. 이 규칙은 색채학에서 널리 쓰이는 4계절 퍼스널컬러 이론을 간단한 수치 기준으로 옮긴 것으로, 전문 컬러리스트의 세밀한 드레이핑 판단을 완전히 대체하지는 않아요.

얼굴 인식은 어떻게 하나요

구글의 오픈소스 AI 모델인 MediaPipe Face Landmarker가 사진 속 얼굴의 468~478개 지점(눈, 코, 입, 볼, 이마 윤곽 등)을 찾아줘요. 이 도구는 그중 볼 2곳과 이마 3곳의 평균으로 "피부색"을, 눈동자(홍채) 2곳의 평균으로 "눈동자색"을, 이마 바로 위 영역으로 "머리카락색"을 찍어요. 각 지점은 한 픽셀이 아니라 작은 사각형 안의 중앙값(median)으로 계산해서, 점이나 잡티, 반사광 같은 튀는 값의 영향을 줄였어요. 모델과 연산은 전부 이 브라우저 안의 WebAssembly로 돌아가고, 사진은 어디에도 전송되지 않아요.

사용한 오픈소스

MediaPipe Tasks Vision · Face Landmarker (Google, Apache License 2.0) — 얼굴 랜드마크 인식에 사용했어요. 모델 파일과 WASM 실행 파일을 전부 이 사이트(assets/vendor/mediapipe/)에 내려받아 직접 제공하며, 외부 서버나 CDN을 거치지 않아요. 라이선스 전문은 assets/vendor/mediapipe/LICENSE.txt에 있어요.

자주 묻는 질문