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.
JPEG는 Joint Photographic Experts Group의 약자로, 디지털 사진에서 생성된 이미지를 비롯한 디지털 이미지에 손실 압축을 적용하는 일반적인 방법입니다. 압축률을 조정하여 저장 크기와 이미지 품질 간의 균형을 선택적으로 조절할 수 있습니다. JPEG는 일반적으로 이미지 품질에 거의 눈에 띄지 않는 손실로 10:1 압축을 달성합니다. JPEG 압축 알고리즘은 JPEG 파일 형식의 핵심이며, 이는 공식적으로 JPEG Interchange Format(JIF)로 알려져 있습니다. 그러나 'JPEG'라는 용어는 실제로 JPEG File Interchange Format(JFIF)로 표준화된 파일 형식을 지칭하는 데 자주 사용됩니다.
JPEG 형식은 다양한 색 공간을 지원하지만 디지털 사진과 웹 그래픽에서 가장 일반적으로 사용되는 것은 24비트 색상으로, 빨간색, 녹색, 파란색(RGB) 구성 요소에 각각 8비트가 포함됩니다. 이를 통해 1,600만 개 이상의 다양한 색상을 사용할 수 있어 광범위한 응용 분야에 적합한 풍부하고 생생한 이미지 품질을 제공합니다. JPEG 파일은 그레이스케일 이미지와 YCbCr과 같은 색 공간도 지원할 수 있으며, 이는 종종 비디오 압축에 사용됩니다.
JPEG 압축 알고리즘은 이산 코사인 변환(DCT)을 기반으로 하며, 이는 푸리에 변환의 한 유형입니다. DCT는 일반적으로 8x8픽셀의 이미지의 작은 블록에 적용되어 공간 도메인 데이터를 주파수 도메인 데이터로 변환합니다. 이 과정은 이미지의 에너지를 이미지의 전반적인 모양에 더 중요한 몇 가지 저주파 구성 요소에 집중시키는 경향이 있기 때문에 유리하며, 인지된 품질에 거의 영향을 미치지 않고 제거할 수 있는 미세한 세부 사항에 기여하는 고주파 구성 요소는 감소합니다.
DCT가 적용된 후 결과 계수는 양자화됩니다. 양자화는 큰 입력 값 집합을 더 작은 집합에 매핑하는 과정으로, DCT 계수의 정밀도를 효과적으로 줄입니다. 이는 JPEG의 손실적인 측면이 작용하는 부분입니다. 양자화 정도는 양자화 테이블에 의해 결정되며, 이는 이미지 품질과 압축률의 균형을 맞추기 위해 조정할 수 있습니다. 양자화 수준이 높을수록 압축률이 높아지고 이미지 품질이 낮아지며, 양자화 수준이 낮을수록 압축률이 낮아지고 이미지 품질이 높아집니다.
계수가 양자 화되면 8x8 블록을 통해 왼쪽 상단 모서리에서 시작하여 지그재그 패턴을 따라 지그재그 순서로 직렬화됩니다. 이 단계는 저주파 계수를 블록의 시작 부분에, 고주파 계수를 끝 부분에 배치하도록 설계되었습니다. 많은 고주파 계수가 양자화 후 0이나 0에 가까울 가능성이 높으므로 이러한 순서는 유사한 값을 그룹화하여 데이터를 더욱 압축하는 데 도움이 됩니다.
JPEG 압축 과정의 다음 단계는 엔트로피 코딩으로, 이는 무손실 압축 방법입니다. JPEG에서 사용되는 가장 일반적인 엔트로피 코딩 형식은 허프만 코딩이지만 산술 코딩도 옵션입니다. 허프만 코딩은 더 빈번한 값에 더 짧은 코드를, 덜 빈번한 값에 더 긴 코드를 할당하여 작동합니다. 양자화된 DCT 계수는 0과 저주파 값을 그룹화하는 방식으로 정렬되므로 허프만 코딩은 데이터 크기를 효과적으로 줄일 수 있습니다.
JPEG 파일 형식은 카메라 설정, 촬영 날짜 및 시간, 기타 관련 세부 정보에 대한 정보를 포함하는 Exif 데이터와 같은 메타데이터를 파일에 저장할 수도 있습니다. 이 메타데이터는 JPEG 파일의 응용 프로그램별 세그먼트에 저장되며, 다양한 소프트웨어에서 읽어 이미지 정보를 표시하거나 처리할 수 있습니다.
JPEG 형식의 주요 특징 중 하나는 점진적 인코딩을 지원한다는 것입니다. 점진적 JPEG에서는 이미지가 세부 사항이 증가하는 여러 패스로 인코딩됩니다. 즉, 이미지가 완전히 다운로드되지 않은 경우에도 전체 이미지의 대략적인 버전을 표시할 수 있으며, 더 많은 데이터가 수신됨에 따라 품질이 점차 향상됩니다. 이는 웹 이미지에 특히 유용하며, 사용자가 전체 파일이 다운로드될 때까지 기다릴 필요 없이 이미지 콘텐츠를 파악할 수 있습니다.
널리 사용되고 많은 장점이 있음에도 불구하고 JPEG 형식에는 몇 가지 한계가 있습니다. 가장 중요한 것 중 하나는 손실 압축의 결과로 발생할 수 있는 왜곡 또는 시각적 이상인 아티팩트 문제입니다. 이러한 아티팩트에는 블러링, 블록성, 가장자리 주변의 '링잉'이 포함될 수 있습니다. 아티팩트의 가시성은 압축 수준과 이미지 콘텐츠의 영향을 받습니다. 부드러운 그라디언트나 미묘한 색상 변화가 있는 이미지는 압축 아티팩트가 나타날 가능성이 더 높습니다.
JPEG의 또 다른 한계는 투명도나 알파 채널을 지원하지 않는다는 것입니다. 즉, JPEG 이미지는 투명한 배경을 가질 수 없으며, 이는 서로 다른 배경에 이미지를 오버레이하는 것이 일반적인 웹 디자인과 같은 특정 응용 분야에 단점이 될 수 있습니다. 이러한 목적을 위해서는 투명도를 지원하는 PNG 또는 GIF와 같은 형식이 대신 자주 사용됩니다.
JPEG는 또한 레이어나 애니메이션을 지원하지 않습니다. 레이어용 TIFF나 애니메이션용 GIF와 같은 형식과 달리 JPEG는 단일 이미지 형식입니다. 이로 인해 레이어로 편집하거나 애니메이션 이미지를 만드는 데 필요한 이미지에는 적합하지 않습니다. 레이어나 애니메이션으로 작업해야 하는 사용자는 편집 과정에서 다른 형식을 사용해야 하며, 필요한 경우 배포를 위해 JPEG로 변환할 수 있습니다.
이러한 한계에도 불구하고 JPEG는 효율적인 압축과 사실상 모든 이미지 보기 및 편집 소프트웨어와의 호환성으로 인해 가장 인기 있는 이미지 형식 중 하나로 남아 있습니다. 연속적인 톤과 색상이 있는 사진과 복잡한 이미지에 특히 적합합니다. 웹 사용의 경우 JPEG 이미지는 품질과 파일 크기의 균형을 맞추도록 최적화할 수 있어 시각적으로 만족스러운 결과를 제공하면서도 빠른 로딩 시간에 이상적입니다.
JPEG 형식은 또한 JPEG 2000 및 JPEG XR과 같은 변형의 개발로 시간이 지남에 따라 진화했습니다. JPEG 2000은 향상된 압축 효율성, 이미지 아티팩트 처리 개선, 투명도 처리 기능을 제공합니다. 반면에 JPEG XR은 더 높은 품질 수준에서 더 나은 압축을 제공하고 더 넓은 범위의 색 심도와 색 공간을 지원합니다. 그러나 이러한 새로운 형식은 아직 원래 JPEG 형식과 동일한 수준의 보편성을 달성하지 못했습니다.
결론적으로 JPEG 이미지 형식은 이미지 품질과 파일 크기 간의 균형을 맞추는 다목적이고 널리 지원되는 형식입니다. DCT와 양자화를 사용하면 이미지 품질에 맞춤형 영향을 미치면서 파일 크기를 크게 줄일 수 있습니다. 투명도, 레이어, 애니메이션 지원이 부족하다는 몇 가지 한계가 있지만 호환성과 효율성 측면에서의 장점은 디지털 이미징에서 필수 요소가 됩니다. 기술이 발전함에 따라 새로운 형식이 개선될 수 있지만 JPEG의 유산과 광범위한 채택으로 인해 가까운 미래에도 디지털 이미징의 기본적인 부분으로 남을 것입니다.
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. 브라우저 에서 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.