광학 문자 인식(OCR)은 텍스트 이미지(스캔, 스마트폰 사진, PDF)를 기계가 읽을 수 있는 문자열로, 그리고 점점 더 구조화된 데이터로 변환합니다. 최신 OCR은 이미지를 정리하고, 텍스트를 찾고, 읽고, 풍부한 메타 데이터를 내보내는 파이프라인으로, 다운스트림 시스템이 필드를 검색, 색인 또는 추출할 수 있도록 합니다. 널리 사용되는 두 가지 출력 표준은 hOCR, 텍스트 및 레이아웃을 위한 HTML 마이크로포맷, 및 ALTO XML, 도서관/기록 보관소 지향 스키마입니다. 둘 다 위치, 읽기 순서 및 기타 레이아웃 단서를 보존하며 다음과 같은 인기 있는 엔진에서 지원됩니다. Tesseract.
전처리. OCR 품질은 이미지 정리부터 시작됩니다: 그레이스케일 변환, 노이즈 제거, 임계값 처리(이진화) 및 기울기 보정. 표준 OpenCV 튜토리얼은 전역, 적응형 및 Otsu 임계값 처리를 다룹니다. 이는 불균일한 조명이나 이중 모드 히스토그램이 있는 문서의 필수 요소입니다. 페이지 내에서 조명이 달라지면 (휴대폰 사진을 생각해보세요), 적응형 방법이 단일 전역 임계값보다 성능이 뛰어난 경우가 많습니다. Otsu는 히스토그램을 분석하여 자동으로 임계값을 선택합니다. 기울기 보정도 마찬가지로 중요합니다: Hough 기반 기울기 보정(Hough 라인 변환)과 Otsu 이진화를 함께 사용하면 프로덕션 전처리 파이프라인에서 일반적이고 효과적인 방법입니다.
탐지 대 인식. OCR은 일반적으로 텍스트 탐지(텍스트는 어디에 있는가?)와 텍스트 인식(무슨 내용인가?)으로 나뉩니다. 자연스러운 장면과 많은 스캔에서 완전 컨볼루션 탐지기 같은 EAST 는 무거운 제안 단계 없이 단어 또는 줄 수준의 사각형을 효율적으로 예측하며 일반적인 툴킷(예: OpenCV의 텍스트 탐지 튜토리얼)에 구현되어 있습니다. 복잡한 페이지(신문, 양식, 책)에서는 줄/영역의 분할과 읽기 순서 추론이 중요합니다:Kraken 은 전통적인 영역/줄 분할과 신경망 기준선 분할을 구현하며, 다양한 스크립트와 방향(LTR/RTL/수직)을 명시적으로 지원합니다.
인식 모델. 고전적인 오픈 소스 주력 제품인 Tesseract (HP에서 시작하여 Google이 오픈 소스로 공개)는 문자 분류기에서 LSTM 기반 시퀀스 인식기로 발전했으며 검색 가능한 PDF, hOCR/ALTO 친화적인 출력등을 CLI에서 내보낼 수 있습니다. 최신 인식기는 미리 분할된 문자 없이 시퀀스 모델링에 의존합니다. 연결주의적 시간 분류(CTC) 는 입력 특징 시퀀스와 출력 레이블 문자열 간의 정렬을 학습하는 기본으로 남아 있으며, 필기 및 장면 텍스트 파이프라인에서 널리 사용됩니다.
지난 몇 년 동안 Transformer는 OCR을 재구성했습니다. TrOCR 은 비전 Transformer 인코더와 텍스트 Transformer 디코더를 사용하며, 대규모 합성 코퍼스에서 훈련한 다음 실제 데이터로 미세 조정하여 인쇄, 필기 및 장면 텍스트 벤치마크에서 강력한 성능을 보입니다(참조: Hugging Face 문서). 병행하여 일부 시스템은 다운스트림 이해를 위해 OCR을 건너뜁니다: Donut(문서 이해 Transformer) 은 문서 이미지에서 직접 구조화된 답변(키-값 JSON 등)을 출력하는 OCR 없는 인코더-디코더입니다(리포지토리, 모델 카드), 별도의 OCR 단계가 IE 시스템에 공급될 때 오류 누적을 방지합니다.
많은 스크립트에서 바로 사용할 수 있는 텍스트 읽기를 원한다면 EasyOCR 은 80개 이상의 언어 모델과 함께 간단한 API를 제공하여 상자, 텍스트 및 신뢰도를 반환하므로 프로토타입과 비라틴 스크립트에 유용합니다. 역사적 문서의 경우 Kraken 은 기준선 분할 및 스크립트 인식 읽기 순서로 뛰어납 니다. 유연한 줄 수준 훈련을 위해 Calamari 는 Ocropy 계보를 기반으로 합니다(Ocropy) (다중)LSTM+CTC 인식기와 사용자 지정 모델 미세 조정을 위한 CLI가 있습니다.
일반화는 데이터에 달려 있습니다. 필기의 경우 IAM 필기 데이터베이스 는 훈련 및 평가를 위해 다양한 필체의 영어 문장을 제공합니다. 이는 줄 및 단어 인식을 위한 오랜 참조 세트입니다. 장면 텍스트의 경우 COCO-Text 는 MS-COCO 위에 광범위한 주석을 계층화했으며, 인쇄/필기, 읽기 가능/읽기 불가능, 스크립트 및 전체 전사에 대한 레이블이 있습니다(원본 프로젝트 페이지참조). 이 분야는 또한 합성 사전 훈련에 크게 의존합니다: SynthText in the Wild 는 사실적인 기하학과 조명으로 사진에 텍스트를 렌더링하여 사전 훈련 탐지기 및 인식기를 위한 방대한 양의 데이터를 제공합니다(참조: 코드 및 데이터).
ICDAR의 강력한 읽기 산하의 대회는 평가를 현실에 기반하게 합니다. 최근 과제는 종단 간 탐지/읽기를 강조하며 단어를 구문으로 연결하는 것을 포함하며, 공식 코드 보고 정밀도/재현율/F-점수, 교차 오버 유니온 (IoU) 및 문자 수준 편집 거리 메트릭—실무자가 추적해야 할 사항을 반영합니다.
OCR은 일반 텍스트로 끝나는 경우가 거의 없습니다. 아카이브 및 디지털 도서관은 ALTO XML 을 선호합니다. 왜냐하면 콘텐츠와 함께 물리적 레이아웃(좌표가 있는 블록/줄/단어)을 인코딩하고 METS 패키징과 잘 어울리기 때문입니다. hOCR 마이크로포맷은 대조적으로 ocr_line 및 ocrx_word와 같은 클래스를 사용하여 동일한 아이디어를 HTML/CSS에 포함시켜 웹 도구로 쉽게 표시, 편집 및 변환할 수 있도록 합니다. Tesseract는 둘 다 노출합니다. 예를 들어 CLI에서 직접 hOCR 또는 검색 가능한 PDF 생성(PDF 출력 가이드); pytesseract 와 같은 Python 래퍼는 편의성을 더합니다. 리포지토리에 고정된 수집 표준이 있을 때 hOCR과 ALTO 간에 변환하는 변환기가 있습니다. 이 선별된 목록을 참조하십시오. OCR 파일 형식 도구.
가장 강력한 추세는 융합입니다: 탐지, 인식, 언어 모델링, 심지어 작업별 디코딩까지 통합된 Transformer 스택으로 통합되고 있습니다. 대규모 합성 코퍼스 에서의 사전 훈련은 여전히 힘의 승수입니다. OCR 없는 모델은 대상이 글자 그대로의 전사가 아닌 구조화된 출력인 곳이면 어디에서나 공격적으로 경쟁할 것입니다. 하이브리드 배포도 기대하십시오: 긴 형식 텍스트를 위한 경량 탐지기 + TrOCR 스타일 인식기, 그리고 양식 및 영수증을 위한 Donut 스타일 모델.
Tesseract (GitHub) · Tesseract 문서 · hOCR 사양 · ALTO 배경 · EAST 탐지기 · OpenCV 텍스트 탐지 · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · IAM 필기 · OCR 파일 형식 도구 · EasyOCR
광학 문자 인식 (OCR)은 스캔된 종이 문서, PDF 파일 또는 디지털 카메라로 촬영된 이미지와 같은 다양한 유형의 문서를 편집 가능하고 검색 가능한 데이터로 변환하는데 사용되는 기술입니다.
OCR은 입력 이미지 또는 문서를 스캔하고, 이미지를 개별 문자로 분할하고, 패턴 인식 또는 특징 인식을 사용하여 각 문자를 문자 모양의 데이터베이스와 비교하는 방식으로 작동합니다.
OCR은 인쇄된 문서를 디지털화하고, 텍스트를 음성 서비스를 활성화하고, 데이터 입력 과정을 자동화하며, 시각 장애 사용자가 텍스트와 더 잘 상호작용하도록 돕는 등 다양한 부문과 응용 프로그램에서 사용됩니다.
OCR 기술에는 큰 발전이 있었지만, 완벽하지는 않습니다. 원본 문서의 품질과 사용 중인 OCR 소프트웨어의 특정사항에 따라 정확성이 달라질 수 있습니다.
OCR은 주로 인쇄된 텍스트에 대해 설계되었지만, 일부 고급 OCR 시스템은 분명하고 일관된 필기 를 인식할 수도 있습니다. 그러나 일반적으로 필기체 인식은 개개인의 글씨 스타일에 있는 넓은 차이 때문에 덜 정확합니다.
네, 많은 OCR 소프트웨어 시스템은 여러 언어를 인식할 수 있습니다. 그러나, 특정 언어가 사용 중인 소프트웨어에 의해 지원되는지 확인하는 것이 중요합니다.
OCR은 광학 문자 인식을 의미하며 인쇄된 텍스트를 인식하는데 사용되는 반면, ICR은 Intelligent Character Recognition의 약자로서 필기 텍스트를 인식하는데 사용되는 더 고급스러운 기술입니다.
OCR은 명확하고 읽기 쉬운 글꼴과 표준 텍스트 크기와 가장 잘 작동합니다. 다양한 글꼴과 크기로 작업할 수 있지만, 특이한 글꼴이나 매우 작은 텍스트 크기를 처리할 때 정확도가 떨어질 수 있습니다.
OCR은 해상도가 낮은 문서, 복잡한 폰트, 인쇄 상태가 좋지 않은 텍스트, 필기체, 텍스트와 방해되는 배경을 가진 문서 등에 대해 어려움을 겪을 수 있습니다. 또한, 많은 언어를 처리할 수 있지만 모든 언어를 완벽하게 커버하지는 않을 수 있습니다.
네, OCR은 컬러 텍스트와 배경을 스캔할 수 있지만, 일반적으 로 검은색 텍스트와 흰색 배경과 같은 높은 대비 색상 조합에서 더 효과적입니다. 텍스트와 배경색이 충분히 대비를 이루지 못할 때 정확성이 감소할 수 있습니다.
마이크로소프트 윈도우 운영 체제와 관련된 CUR 이미지 형식은 마우스 커서 사용을 위해 특별히 설계되었습니다. 이는 아이콘에 주로 사용되는 ICO 파일 형식의 변형입니다. CUR과 ICO 형식의 주요 차이점은 CUR 형식에 핫스팟이 존재한다는 것입니다. 핫스팟은 좌표로 정의된 특정 지점으로, 커서의 클릭 동작이 정확히 이루어지는 부분을 나타냅니다. 이 고유한 기능은 그래픽 사용자 인터페이스(GUI)와의 정확한 상호 작용을 보장하는 데 필수적입니다.
내부적으로 CUR 파일 형식은 ICO 형식과 유사한 구조를 가지고 있어, 아이콘 디렉터리, 파일 내 각 이미지의 디렉터리 항목, 그리고 실제 비트맵 데이터로 구성됩니다. 아이콘 디렉터리는 CUR 파일에 포함된 이미지의 수를 지정하고, 각 디렉터리 항목에는 이미지의 크기, 색 깊이, 파일 내 비트맵의 오프셋 등의 정보가 포함됩니다. 이 형식을 통해 CUR 파일은 여러 개의 이미지를 포함할 수 있으며, 애니메이션 커서 또는 다양한 해상도의 커서 구현이 가능합니다.
CUR 파일의 중요한 측면 중 하나는 다양한 픽셀 형식과 색 깊이를 지원한다는 것입니다. 이러한 유연성을 통해 개발자들은 성능을 희생하지 않고도 시각적으로 복잡하고 미적으로 매력적인 커서를 만들 수 있습니다. CUR 형식은 모노크롬(1비트)부터 32비트 트루 컬러와 알파 채널까지 다양한 색 깊이를 지원합니다. 알파 채널은 반투명 커서의 렌더링을 가능하게 하여 부드러운 가장자리와 그림자를 구현할 수 있게 함으로써 전반적인 사용자 인터페이스의 모습과 느낌을 향상시킵니다.
앞서 언급한 핫스팟은 CUR 파일에서 실제 비트맵 데이터에 앞서 나오는 DIB(Device Independent Bitmap) 헤더에 정의됩니다. 핫스팟의 좌표는 일반적으로 커서 이미지의 왼쪽 상단 모서리에서 픽셀 단위로 지정됩니다. 이러한 정확한 정의를 통해 운영 체제는 커서의 '활성' 부분이 어디인지 해석할 수 있으며, 사용자가 클릭할 때 올바른 영역이 반응하도록 합니다. 이는 작지만 중요한 세부 사항으로, 커서 기능의 정확성과 예측 가능성을 높여 사용자 경험을 크게 개선합니다.
CUR 파일을 생성하고 편집하려면 핫스팟 좌표 설정과 다양한 색 깊이 관리와 같은 형식의 고유한 측면을 처리할 수 있는 전문 소프트웨어가 필요합니다. 커서 생성을 위한 다양한 상용 및 무료 애플리케이션이 있지만, CUR 형식의 기술 사양을 이해하는 것은 Windows 애플리케이션 또는 웹사이트를 위한 사용자 정의 커서를 개발하고자 하는 전문가에게 필수적입니다. 이러한 지식을 통해 개발자들은 CUR 형식의 기능을 충분히 활용하여 기능적이면서도 시각적으로 매력적인 커서를 만들 수 있습니다.
CUR 형식의 또 다른 주목할 만한 특징은 Windows 운영 체제 내에서의 향후 호환성과 통합입니다. 최초의 Windows 버전 이래로 CUR 형식은 커서의 표준이 되어 왔습니다. 이러한 통합으로 인해 추가 소프트웨어나 드라이버 없이도 CUR 파일의 커서를 올바르게 렌더링할 수 있습니다. 이러한 원활한 통합은 CUR 형식의 강건한 설계와 Windows 내 에서의 일관성 있고 사용자 친화적인 인터페이스를 유지하는 데 있어서의 중요성을 보여줍니다.
CUR 형식은 또한 다양한 해상도에 대한 커서 디자인 최적화를 장려합니다. CUR 파일에는 서로 다른 크기의 이미지를 포함할 수 있기 때문에, 소프트웨어 개발자들은 다양한 디스플레이 해상도와 크기에서도 날카롭고 선명한 커서를 설계할 수 있습니다. 이 기능은 전통적인 모니터에서 고해상도 노트북과 태블릿에 이르는 다양한 디스플레이 기술과 해상도가 공존하는 현대 컴퓨팅 환경에서 점점 더 중요해지고 있습니다. 단일 CUR 파일에 여러 크기의 커서를 포함함으로써 개발자들은 모든 장치에서 커서가 시각적으로 매력적이고 기능적으로 유지되도록 사용자 경험을 향상시킬 수 있습니다.
장점에도 불구하고 CUR 형식에는 제한 사항이 있습니다. 가장 중요한 제한 사항은 Windows 운영 체제 내 커서 사용에 특화되어 있다는 것입니다. 이러한 특화로 인해 CUR 파일은 PNG 또는 JPEG와 같은 기타 이미지 형식만큼 범용적이지 않습니다. 또한 CUR 파일을 생성하고 편집하기 위한 특정 소프트웨어에 의존해야 한다는 점이 일부 사용자들에게 장벽이 될 수 있습니다. 그러나 Windows 환경 내에서의 용도를 위해서는 CUR 형식이 기능성과 통합 면에서 이에 필적하는 것이 없습니다.
커서 사용과 디자인에 대한 기술적 발전으로 CUR 파일에 대한 표준과 모범 사례가 개발되었습니다. 예를 들어, 윤곽, 채우기, 그림자와 같은 커서 미학에 대한 세심한 주의는 사용자가 상호 작용의 활성 지점을 신속하고 정확하게 식별할 수 있게 하는 데 큰 영향을 미칩니다. 또한 다양한 배경 색상과 텍스처에 걸쳐 커서의 가시성을 보장하는 것도 중요합니다. 이를 위 해 동일한 커서에 대해 다른 색상 체계나 디자인을 사용하는 것이 필요할 수 있습니다.
소프트웨어 개발 및 사용자 인터페이스 디자인 분야에서 CUR 형식은 전문화된 도구이지만, 그래픽 인터페이스와의 사용자 상호 작용에 있어 핵심적인 역할을 합니다. 핫스팟 정의 및 다양한 색 깊이와 해상도 지원 기능은 개발자들이 직관적이고 시각적으로 매력적인 커서를 만들 수 있게 해줍니다. 우수한 디자인 관행과 결합되면 CUR 파일은 소프트웨어 애플리케이션과 웹사이트의 사용성 및 미적 매력을 크게 향상시킬 수 있습니다.
기술이 발전함에 따라 CUR 파일 기능성 및 지원에 대한 미래의 발전 가능성도 존재합니다. 형식의 기본 사항은 여러 해 동안 상대적으로 안정적이었지만, 고 DPI 디스플레이 및 가상 현실 환경과 같은 새로운 기술은 CUR 형식의 개선이나 전혀 새로운 커서 형식의 개발을 필요로 할 수 있습니다. 이러한 발전에는 더 높은 해상도 지원, 향상된 애니메이션 기능, 또는 새로운 유형의 인터페이스와 몰입형 환경에서의 사용자 상호 작용을 향상시키기 위한 3D 커서 디자인 등이 포함될 수 있습니다.
결론적으로, CUR 이미지 형식은 Windows의 사용자 인터페이스 디자인 및 기능성에 있어 핵심적인 역할을 합니다. 핫스팟 정의와 다양한 해상도 및 색 깊이 지원과 같은 전문화된 설계 기능은 기능적이면서도 시각적으로 매력적인 커서 생성을 가능하게 합니다. 용도 제한과 전문 소프트웨어 필요성과 같은 제한 사항이 있지만, CUR 형식은 Windows 사용자 경험에 있어 필수적입니다. CUR 형식의 기술적 측면을 이해하고 활용하는 것은 사용자 상호 작용 향상을 위한 커서 디자인 기회를 제공함으로써 소프트웨어 개발에 상당한 영 향을 미칠 수 있습니다.
이 변환기는 완전히 브라우저에서 작동합니다. 파일을 선택하면 메모리에 읽혀 선택한 형식으로 변환됩니다. 그 후 변환된 파일을 다운로드할 수 있습니다.
변환은 즉시 시작되며 대부분의 파일은 1초 이내에 변환됩니다. 큰 파일은 더 오래 걸릴 수 있습니다.
파일은 우리 서버에 업로드되지 않습니다. 브라우저에서 변환되고 변환된 파일이 다운로 드됩니다. 우리는 파일을 볼 수 없습니다.
JPEG, PNG, GIF, WebP, SVG, BMP, TIFF 등 모든 이미지 형식을 변환할 수 있습니다.
이 변환기는 완전히 무료이며 항상 무료입니다. 브라우저에서 작동하기 때문에 서버 비용이 들지 않아서 고객님께 비용을 청구할 필요가 없습니다.
네! 원하는 만큼 많은 파일을 동시에 변환할 수 있습니다. 파일을 추가할 때 여러 파일을 선택하세요.