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.
JPEG 2000 이미지 포맷은 종종 JP2로 줄여서 부르며, 원래 JPEG 표준의 후속 버전으로 만들어진 이미지 인코딩 시스템입니다. 2000년대 초에 Joint Photographic Experts Group 위원회에서 개발되었으며, 기존 JPEG 포맷의 한계를 극복할 수 있는 새로운 이미지 포맷을 제공하고자 했습니다. JPEG 2000은 .jpg 또는 .jpeg 파일 확장자를 사용하는 표준 JPEG 포맷과 혼동해서는 안 됩니다. JPEG 2000은 파일 확장자로 .jp2를 사용하며, 이전 버전보다 여러 가지 측면에서 크게 개선되었습니다. 압축률이 높아도 이미지 품질이 더 좋고, 비트 심도가 더 높으며, 알파 채널을 통해 투명도를 더 잘 처리합니다.
JPEG 2000의 주요 특징 중 하나는 원래 JPEG 포맷에서 사용된 이산 코사인 변환(DCT) 대신 웨이블릿 압축을 사용한다는 것입니다. 웨이블릿 압축은 이미지 압축에 적합한 데이터 압축의 한 형태로, 품질을 희생하지 않고 파일 크기를 줄입니다. 이는 이미지를 웨이블릿 도메인으로 변환하여 이미지 정보를 다양한 수준의 세부 정보로 저장할 수 있도록 함으로써 달성됩니다. 즉, JPEG 2000은 동일한 파일 포맷 내에서 무손실 압축과 손실 압축을 모두 제공할 수 있어 사용자의 요구에 따라 유연하게 사용할 수 있습니다.
JPEG 2000의 또 다른 중요한 장점은 점진적 디코딩을 지원한다는 것입니다. 이 기능을 사용하면 파일을 다운로드하는 동안 이미지의 저해상도 버전을 표시할 수 있으며, 이는 웹 이미지에 특히 유용할 수 있습니다. 더 많은 데이터를 수신하면 이미지 품질이 점진적으로 향상되어 전체 해상도 이미지가 표시됩니다. 이는 전체 파일을 다운로드한 후에야 이미지를 표시할 수 있는 표준 JPEG 포맷과 대조적입니다.
JPEG 2000은 또한 관심 영역(ROI)의 개념을 도입합니다. 이를 통해 이미지의 다른 부분을 다른 품질 수준으로 압축할 수 있습니다. 예를 들어, 사람의 사진에서 얼굴은 배경보다 더 높은 품질로 인코딩할 수 있습니다. 이러한 선택적 품질 제어는 이미지의 특정 부분이 다른 부분보다 더 중요한 응용 프로그램에서 매우 유용할 수 있습니다.
JPEG 2000 포맷은 또한 확장성이 매우 뛰어납니다. 다양한 이미지 해상도, 색 심도, 이미지 구성 요소를 지원합니다. 이 확장성은 공간적 차원과 품질 차원 모두에 적용되므로 단일 JPEG 2000 파일에는 여러 해상도와 품질 수준을 저장할 수 있으며, 이는 다른 응용 프로그램이나 장치에 필요에 따라 추출할 수 있습니다. 이를 통해 JPEG 2000은 디지털 시네마에서 의료 영상에 이르기까지 다양한 용도에 적합한 훌륭한 선택이 됩니다. 다른 사용자에게는 다른 이미지 속성이 필요할 수 있습니다.
색 정확도 측면에서 JPEG 2000은 표준 JPEG의 채널당 8비트에 비해 채널당 최대 16비트를 지원합니다. 이렇게 비트 심도가 증가하면 훨씬 더 광범위한 색상과 그 사이의 더 미묘한 그라데이션을 사용할 수 있으며, 이는 색 충실도가 중요한 고급 사진 편집 및 인쇄에 특히 중요합니다.
JPEG 2000에는 또한 강력한 오류 복원 기능이 포함되어 무선 네트워크나 인터넷과 같이 데이터 손상 위험이 높은 네트워크를 통해 이미지를 전송하는 데 더 적합합니다. 이 포맷에는 체크섬과 기타 데이터 무결성 검사를 포함하여 전송 중에 일부 데이터 패킷이 손실된 경우에도 이미지를 재구성할 수 있도록 합니다.
JPEG 2000은 많은 장점이 있음에도 불구하고 원래 JPEG 포맷에 비해 널리 채택되지는 않았습니다. 그 이유 중 하나는 JPEG 2000 압축 알고리즘이 복잡하여 이미지를 인코딩하고 디코딩하는 데 더 많은 계산 능력이 필요하기 때문입니다. 이로 인해 속도와 단순성을 우선시하는 소비자 전자 제품과 웹 플랫폼에서는 덜 매력적으로 여겨졌습니다. 또한 원래 JPEG 포맷은 업계에 깊이 뿌리 내리고 있으며 소프트웨어와 하드웨어 지원의 거대한 생태계를 갖추고 있어 새로운 포맷이 자리를 잡기 어렵습니다.
JPEG 2000의 채택을 제한한 또 다른 요인은 특허 문제입니다. JPEG 2000 표준에는 다 양한 기관이 특허를 획득한 기술이 포함되어 있으며, 이로 인해 라이선스 수수료와 법적 제약에 대한 우려가 제기되었습니다. 이러한 특허 중 다수가 만료되었거나 합리적이고 차별 없는 조건으로 제공되었지만, 초기 불확실성으로 인해 일부 조직이 이 포맷을 채택하는 데 주저하게 되었습니다.
이러한 과제에도 불구하고 JPEG 2000은 고급 기능이 특히 가치 있는 특정 전문 분야에서 틈새 시장을 찾았습니다. 예를 들어, 디지털 시네마에서 JPEG 2000은 영화 배포 및 상영에 대한 Digital Cinema Initiatives(DCI) 사양의 일부로 사용됩니다. 고품질 이미지 표현과 확장성으로 인해 고해상도 영화 화면의 요구 사항에 적합합니다.
아카이브 및 디지털 보존 분야에서도 JPEG 2000은 무손실 압축 기능과 효율적이고 장기 보존에 적합한 방식으로 이미지를 저장하는 기능으로 인해 선호됩니다. 컬렉션의 고품질 디지털 사본이 필요한 도서관, 박물관 및 기타 기관은 종종 이러한 이유로 JPEG 2000을 선택합니다.
의료 영상 산업은 JPEG 2000이 성공적으로 구현된 또 다른 분야입니다. 이 포맷은 높은 비트 심도와 무손실 압축을 지원하여 X선 및 MRI 스캔과 같은 의료 영상이 정확한 진단 및 분석에 필요한 모든 세부 정보를 유지하도록 하는 데 필수적입니다. 또한 매우 큰 이미지 파일을 효율적으로 처리할 수 있는 기능으로 인해 JPEG 2000은 이 부문에 적합합니다.
JPEG 2000에는 또한 풍부한 메타데이터 기능이 포함되어 이미지 파일 자체에 광범위한 정보를 임베드할 수 있습니다. 여기에는 저작권 정보, 카메라 설정, 지리적 위치 데이터 등이 포함될 수 있습니다. 이 기능은 자산 관리 시스템과 이미지의 출처와 속성을 추적하는 것이 중요한 기타 응용 프로그램에 특히 유용합니다.
결론적으로 JPEG 2000 이미지 포맷은 이미지 품질, 유연성, 견고성 측면에서 상당한 이점을 제공하는 다양한 고급 기능을 제공합니다. 웨이블릿 압축을 사용하면 파일 크기가 작아도 고품질 이미지를 얻을 수 있으며, 점진적 디코딩, 관심 영역, 확장성을 지원하여 다양한 응용 프로그램에 다목적으로 사용할 수 있습니다. 주류 사용에서는 원래 JPEG 포맷을 대체하지는 못했지만 JPEG 2000은 고유한 장점이 가장 필요한 산업에서 선택 포맷이 되었습니다. 기술이 계속 발전하고 고품질 디지털 영상에 대한 요구가 증가함에 따라 JPEG 2000은 앞으로 더 널리 채택될 수 있습니다.
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. 브라우저에 서 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.