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.
디지털 카메라로 촬영하거나 3D 렌더링 소프트웨어로 만든 입체 사진을 저장하는 데 사용되는 파일 형식인 JPS 이미지 형식은 JPEG Stereo의 약자입니다. 이는 본질적으로 적절한 소프트웨어나 하드웨어를 통해 볼 때 3D 효과를 제공하는 단일 파일에 두 개의 JPEG 이미지를 나란히 배열한 것입니다. 이 형식은 이미지에 깊이감을 더해 호환되는 디스플레이 시스템이나 3D 안경을 가진 사용자의 시청 경험을 향상시키는 데 특히 유용합니다.
JPS 형식은 두 이미지를 저장하기 위해 잘 확립된 JPEG(Joint Photographic Experts Group) 압축 기술을 활용합니다. JPEG는 손실 압축 방식으로, 덜 중요한 정보를 선택적으로 버림으로써 파일 크기를 줄이는 방식이며, 종종 인간의 눈에는 눈에 띄는 이미지 품질 저하 없이 이루어집니다. 이를 통해 JPS 파일은 하나가 아닌 두 개의 이미지를 포함하고 있음에도 불구하고 비교적 작고 관리하기 쉽습니다.
JPS 파일은 본질적으로 특정 구조를 가진 JPEG 파일입니다. 단일 프레임 내에 두 개의 JPEG 압축 이미지를 나란히 포함합니다. 이러한 이미지는 왼쪽 눈 이미지와 오른쪽 눈 이미지라고 하며, 각각 우리 눈이 보는 것의 미묘한 차이를 모방하여 동일한 장면의 약간 다른 관점을 나타냅니다. 이러한 차이점은 이미지를 올바르게 볼 때 깊이를 인식할 수 있게 해줍니다.
JPS 이미지의 표준 해상도는 일반적으로 왼쪽과 오른쪽 이미지를 모두 수용하기 위해 표준 JPEG 이미지 너비의 두 배입니다. 예를 들어, 표준 JPEG 이미지의 해상도가 1920x1080픽셀인 경우 JPS 이미지의 해상도는 3840x1080픽셀이 되고, 나란히 배치된 각 이미지는 전체 너비의 절반을 차지합니다. 그러나 해상도는 이미지 소스와 의도된 용도에 따라 달라질 수 있습니다.
JPS 이미지를 3D로 보려면 시청자는 나란히 배치된 이미지를 해석하여 각 눈에 별도로 표시할 수 있는 호환 디스플레이 장치나 소프트웨어를 사용해야 합니다. 이는 이미지에 색상 필터를 적용하여 색상이 있는 안경으로 보는 아나글리프 3D, 이미지를 편광 필터를 통해 투사하여 편광 안경으로 보는 편광 3D, 이미지를 번갈아 표시하고 각 눈에 올바른 이미지를 보여주기 위해 빠르게 열고 닫는 셔터 안경과 동기화 하는 액티브 셔터 3D 등 다양한 방법을 통해 달성할 수 있습니다.
JPS 이미지의 파일 구조는 표준 JPEG 파일의 파일 구조와 유사합니다. SOI(Start of Image) 마커를 포함한 헤더가 포함되고, 그 뒤에 다양한 메타데이터와 이미지 데이터 자체를 포함하는 일련의 세그먼트가 이어집니다. 세그먼트에는 Exif 메타데이터와 같은 정보를 포함할 수 있는 APP(Application) 마커와 이미지 데이터 압축에 사용되는 양자화 테이블을 정의하는 DQT(Define Quantization Table) 세그먼트가 포함됩니다.
JPS 파일의 주요 세그먼트 중 하나는 파일이 JFIF 표준을 준수함을 지정하는 JFIF(JPEG File Interchange Format) 세그먼트입니다. 이 세그먼트는 광범위한 소프트웨어 및 하드웨어와의 호환성을 보장하는 데 중요합니다. 또한 빠른 미리보기에 사용할 수 있는 썸네일 이미지의 종횡비와 해상도와 같은 정보도 포함합니다.
JPS 파일의 실제 이미지 데이터는 헤더와 메타데이터 세그먼트 뒤에 오는 SOS(Start of Scan) 세그먼트에 저장됩니다. 이 세그먼트에는 왼쪽과 오른쪽 이미지 모두에 대한 압축 이미지 데이터가 포함됩니다. 데이터는 색상 공간 변환, 서브샘플링, 이산 코사인 변환(DCT), 양자화, 엔트로피 코딩을 포함한 일련의 단계를 포함하는 JPEG 압축 알고리즘을 사용하여 인코딩됩니다.
색상 공간 변환은 디지털 카메라와 컴퓨터 디스플레이에서 일반적으로 사용되는 RGB 색상 공간에서 JPEG 압축에 사용되는 YCbCr 색상 공간으로 이미지 데이터를 변환하는 프로세스입니다. 이 변환은 이미지를 밝기 수준을 나타내는 루마 구성 요소(Y)와 색상 정보를 나타내는 두 개의 크로마 구성 요소(Cb 및 Cr)로 분리합니다. 이는 인간의 눈이 색상보다 밝기 변화에 더 민감하기 때문에 압 축에 유리하며, 크로마 구성 요소를 크게 압축해도 인식되는 이미지 품질에 큰 영향을 미치지 않습니다.
서브샘플링은 인간의 눈이 색상 세부 사항에 대한 민감도가 낮다는 점을 이용하여 크로마 구성 요소의 해상도를 루마 구성 요소에 비해 낮추는 프로세스입니다. 일반적인 서브샘플링 비율은 4:4:4(서브샘플링 없음), 4:2:2(크로마의 수평 해상도를 절반으로 줄임), 4:2:0(크로마의 수평 및 수직 해상도를 절반으로 줄임)입니다. 서브샘플링 비율의 선택은 이미지 품질과 파일 크기의 균형에 영향을 미칠 수 있습니다.
이산 코사인 변환(DCT)은 이미지의 작은 블록(일반적으로 8x8픽셀)에 적용되어 공간 도메인 데이터를 주파수 도메인으로 변환합니다. 이 단계는 JPEG 압축에 필수적입니다. 이미지 세부 사항을 중요도가 다른 구성 요소로 분리할 수 있기 때문이며, 주파수가 높은 구성 요소는 종종 인간의 눈에 덜 인식되기 때문입니다. 이러한 구성 요소는 양자화되거나 정밀도가 낮아져 압축을 달성할 수 있습니다.
양자화는 값 범위를 단일 양자 값에 매핑하는 프로세스로, 실질적으로 DCT 계수의 정밀도를 낮춥니다. 이는 일부 이미지 정보가 버려지기 때문에 JPEG 압축의 손실 특성이 작용하는 부분입니다. 양자화 정도는 DQT 세그먼트에 지정된 양자화 테이블에 의해 결정되며, 이미지 품질과 파일 크기의 균형을 맞추기 위해 조정할 수 있습니다.
JPEG 압축 프로세스의 마지막 단계는 손실 없는 압축의 한 형태인 엔트로피 코딩입니다. JPEG에서 가장 일반적으로 사용되는 방법은 허프만 코딩으로, 더 빈번한 값에 더 짧은 코드를 할당하고 덜 빈번한 값에 더 긴 코드를 할당합니다. 이를 통해 추가적인 정보 손실 없이 이미지 데이터 의 전체 크기를 줄일 수 있습니다.
표준 JPEG 압축 기술 외에도 JPS 형식에는 이미지의 입체적 특성과 관련된 특정 메타데이터가 포함될 수 있습니다. 이 메타데이터에는 시차 설정, 수렴점, 3D 효과를 올바르게 표시하는 데 필요할 수 있는 기타 데이터에 대한 정보가 포함될 수 있습니다. 이 메타데이터는 일반적으로 파일의 APP 세그먼트에 저장됩니다.
JPS 형식은 3D 텔레비전, VR 헤드셋, 특수 사진 뷰어를 포함한 다양한 소프트웨어 애플리케이션과 장치에서 지원됩니다. 그러나 표준 JPEG 형식만큼 널리 지원되지 않으므로 사용자는 특정 소프트웨어를 사용하거나 더 넓은 호환성을 위해 JPS 파일을 다른 형식으로 변환해야 할 수 있습니다.
JPS 형식의 과제 중 하나는 왼쪽과 오른쪽 이미지가 올바르게 정렬되고 올바른 시차를 갖도록 하는 것입니다. 정렬 오류나 잘못된 시차는 불편한 시청 경험으로 이어질 수 있으며 눈의 피로나 두통
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.