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 메타데이터를 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 분 할을 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 뛰어납니다. 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 필기를 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, 일반적으로 검은색 텍스트와 흰색 배경과 같은 높은 대비 색상 조합에서 더 효과적입니다. 텍스트와 배경색이 충분히 대비를 이루지 못할 때 정확성이 감소할 수 있습니다.
DirectDraw Surface(DDS) 포맷은 래스터 이미지 파일 포맷으로, 주로 비디오 게임과 기타 3D 애플리케이션에서 텍스처와 큐브맵을 저장하는 데 사용됩니다. Microsoft에서 개발한 DDS 포맷은 하드웨어 가속에 최적화되어 그래픽 처리 장치(GPU)에서 텍스처 데이터를 직접 사용할 수 있습니다. 이러한 최적화는 GPU가 압축된 텍스처 데이터에 직접 액세스할 수 있도록 하여 실시간 렌더링 애플리케이션에서 이미지 로딩 시간을 크게 줄여주며, 이로 인해 CPU에서 추가 처리나 압축 해제가 필요하지 않습니다.
DDS 포맷의 주요 특징 중 하나는 DirectX Texture Compression(DXT)을 지원한다는 것입니다. DXT는 이미지 품질을 크게 저하시키지 않고 파일 크기와 텍스처 전송에 필요한 대역폭을 줄이는 무손실 텍스처 압축 알고리즘입니다. DXT 압축은 DXT1, DXT3, DXT5 등 여러 가지 변형으로 제공되며, 각각 압축률과 품질 간에 다른 균형을 제공합니다. DXT1은 알파 채널이 없거나 단순한 이진 알파가 있는 텍스처에 사용되고, DXT3는 명시적 알파가 있는 텍스처에 사용되며, DXT5는 보간된 알파 투명도가 있는 텍스처에 사용됩니다.
DDS 포맷의 또 다른 중요한 장점은 밉매핑을 지원한다는 것입니다. 밉맵은 텍스처의 사전 계산된 최적화된 버전으로, 각각 점진적으로 낮은 해상도를 갖습니다. 이러한 작은 텍스처는 물체가 카메라에서 멀리 떨어져 있을 때 사용되어 성능을 향상시키고 앨리어싱 아티팩트를 줄입니다. 단일 DDS 파일에 전체 밉맵 체인을 저장하면 게임 엔진은 뷰어와의 거리에 따라 텍스처링 물체에 가장 적합한 세부 수준을 빠르게 선택하여 렌더링 효율성을 더욱 높일 수 있습니다.
DDS 포맷은 또한 큐브맵을 사용하여 큐빅 환경 매핑을 지원합니다. 큐브맵은 단일 지점에서 보는 환경의 반사를 나타내는 6개의 정사각형 텍스처로 구성되어 3D 세계에서 반사를 시뮬레이션합니다. 이러한 큐브맵을 DDS 포맷에 직접 저장하면 실시간 애플리케이션에서 효율적인 환경 반사가 가능해져 3D 그래픽의 몰입적 품질이 향상됩니다.
압축 및 효율성 기능 외에도 DDS 포맷은 높은 동적 범위(HDR)의 텍스처를 저장할 수 있습니다. HDR 텍스처는 더 넓은 밝기와 색상 범위를 제공하여 3D 렌더링 에서 더욱 사실적인 조명 효과를 제공합니다. 이러한 기능은 사실적인 시각적 품질을 달성하고자 하는 최신 게임 엔진과 그래픽 소프트웨어에 필수적입니다. DDS 파일에서 HDR을 지원하는 것은 고급 그래픽 애플리케이션에서 널리 사용되는 데 기여합니다.
DDS 파일 포맷 구조에는 높이, 너비, 픽셀 데이터의 포맷, 밉맵 또는 큐브맵의 존재를 나타내는 플래그와 같은 텍스처 데이터에 대한 메타데이터가 포함된 헤더와 선택적 추가 헤더가 포함됩니다. 메타데이터에 대한 이러한 구조화된 접근 방식을 통해 애플리케이션은 데이터를 광범위하게 처리하거나 조사할 필요 없이 DDS 파일 내의 텍스처 데이터를 정확하게 해석하고 활용할 수 있습니다.
수많은 장점에도 불구하고 DDS 포맷에는 한계와 과제가 있습니다. 예를 들어, DXT 압축은 파일 크기를 크게 줄이지만, 특히 세부 수준이 높거나 복잡한 알파 전환이 있는 텍스처에서는 아티팩트가 발생할 수 있습니다. 압축 수준(DXT1, DXT3, DXT5)의 선택은 텍스처의 시각적 충실도에 영향을 미치므로 텍스처 아티스트와 개발자는 프로젝트의 특정 요구 사항에 따라 적절한 압축 설정을 선택하는 것이 중요합니다.
DDS 포맷과 관련된 또 다른 과제는 게임 개발 및 3D 애플리케이션 외부에서 지원이 제한된다는 것입니다. 비디오 게임 산업과 DirectX와 같은 그래픽 API에서 널리 지원되고 사용되지만, DDS 파일은 이미지 편집 소프트웨어에서 범용적으로 지원되지 않습니다. 이러한 제한으로 인해 특수 소프트웨어 외부에서 편집하거나 보려면 DDS 파일을 더 범용적으로 지원되는 포맷으로 변환해야 하며, 이는 그래픽 아티스트의 워크플로를 복잡하게 만들 수 있습니다.
그러나 그래픽 개발 도구 와 라이브러리의 발전으로 이러한 과제 중 일부가 완화되었습니다. 최신 이미지 편집 소프트웨어 패키지에는 DDS 포맷에 대한 플러그인이나 기본 제공 지원이 도입되어 변환 없이 DDS 파일을 직접 편집할 수 있습니다. 또한 오픈 소스 라이브러리와 툴킷을 통해 개발자가 DDS 지원을 애플리케이션에 통합하기가 더 쉬워졌으며, 이로 인해 DDS 포맷의 접근성과 유용성이 기존의 비디오 게임 및 3D 애플리케이션 틈새 시장을 넘어 확장되었습니다.
DDS 포맷의 채택은 기존 비디오 게임을 넘어 가상 현실(VR), 증강 현실(AR), 전문 시각화 애플리케이션과 같은 분야로 확장되었습니다. 이러한 분야에서는 DDS 포맷의 효율성과 압축 기능이 특히 가치가 있습니다. 이를 통해 몰입적 환경에서 고품질 텍스처를 실시간으로 렌더링할 수 있습니다. 이를 통해 더욱 복잡하고 사실적인 VR 및 AR 경험과 과학 및 산업 애플리케이션을 위한 고해상도 시각화 도구가 개발되었습니다.
미래를 내다보면 그래픽 하드웨어와 소프트웨어의 지속적인 발전으로 DDS 포맷의 관련성과 기능이 더욱 향상될 가능성이 높습니다. 새로운 압축 알고리즘, 고동적 범위 이미징에 대한 더욱 발전된 지원, 새로운 렌더링 기술에 대한 향상된 지원이 DDS 사양에 통합될 수 있습니다. 이러한 발전을 통해 DDS 포맷은 최첨단 3D 그래픽 및 게임 기술 개발에서 핵심 도구로 계속 사용될 수 있습니다.
결론적으로 DDS 이미지 포맷은 실시간 렌더링의 요구 사항에 맞게 조정된 효율성, 품질, 유연성을 제공하는 3D 그래픽 및 게임 개발 분야의 중요한 기술입니다. 다양한 압축 알고리즘, 밉매핑, 큐브맵, 높은 동적 범위 이미징을 지원하기 때문에 시각적 품질과 성능의 경계를 넓히고자 하는 개발자에게 필수적인 포맷입니다. 채택과 압축을 통한 아티팩트 도입과 관련된 몇 가지 과제에도 불구하고 DDS 포맷은 현대 3D 그래픽 애플리케이션의 초석으로 남아 있으며, 지속적인 지원과 발전을 통해 업계에서 지속적인 관련성을 보장합니다.
이 변환기는 전적으로 브라우저에서 실행됩니다. 파일을 선택하면 메모리로 읽어와 선택한 형식으로 변환됩니다. 그런 다음 변환된 파일을 다운로드할 수 있습니다.
변환은 즉시 시작되며 대부분의 파일은 1초 이내에 변환됩니다. 파일이 크면 더 오래 걸릴 수 있습니다.
파일은 서버에 업로드되지 않습니다. 브라우저에서 변환된 다음 변환된 파일이 다운로드됩니다. 우리는 귀하의 파일을 절대 보지 않습니다.
JPEG, PNG, GIF, WebP, SVG, BMP, TIFF 등을 포함한 모든 이미지 형식 간의 변환을 지원합니다.
이 변환기는 완전히 무료이며 항상 무료입니다. 브라우저에서 실행되기 때문에 서버 비용을 지불할 필요가 없으므로 비용을 청구할 필요가 없습니다.
예! 한 번에 원하는 만큼 많은 파일을 변환할 수 있습니다. 추가할 때 여러 파일을 선택하기만 하면 됩니다.