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.
Photo CD(PCD) 이미지 포맷은 1990년대 초반 이스트먼 코닥에서 개발한 디지털 이미지 포맷의 한 종류입니다. PCD 포맷의 주요 목적은 사용자가 고해상도 디지털 사진을 CD에 저장하여 전용 Photo CD 플레이어를 사용하여 컴퓨터나 TV에서 볼 수 있도록 하는 것이었습니다. PCD 포맷은 전통적인 필름 사진과 새롭게 등장한 디지털 사진 시장 간의 격차를 메우려는 코닥의 광범위한 전략의 일부였습니다. 사진작가와 소비자에게 필름 이미지를 고충실도로 디 지털화하고 보관할 수 있는 편리한 방법을 제공하도록 설계되었습니다.
PCD 포맷의 핵심 기능 중 하나는 다중 스케일 해상도 구조를 사용하는 것으로, 이를 통해 단일 PCD 파일에 동일한 이미지의 여러 해상도를 포함할 수 있습니다. 이 구조는 PhotoYCC로 알려진 코닥이 개발한 독점적인 이미지 압축 기술을 기반으로 합니다. PhotoYCC 색 공간은 비디오 압축에 사용되는 YCbCr 색 공간과 유사하며, 여기서 Y는 루미넌스 구성 요소를 나타내고 Cb와 Cr은 크로미넌스 구성 요소를 나타냅니다. 이 색 공간은 밝기 정보를 색 정보와 분리하기 때문에 사진 이미지에 특히 적합하며, 이는 인간 시각 시스템이 이미지를 처리하는 방식과 잘 일치합니다.
PCD 파일의 다중 스케일 해상도 구조에는 192x128픽셀의 기본/미리보기 해상도부터 최대 3072x2048픽셀의 해상도까지 다섯 가지 해상도 수준이 포함됩니다. 이러한 해상도는 기본/16, 기본/4, 기본, 4기본, 16기본이라고 하며, 기본 해상도는 768x512픽셀입니다. 이를 통해 썸네일 미리보기에서 고품질 인쇄물까지 다양한 용도로 사용할 수 있습니다. 다양한 해상도는 계층적 형식으로 저장되어 소프트웨어와 하드웨어가 전체 이미지 파일을 처리하지 않고도 주어진 작업에 적합한 해상도 수준에 빠르게 액세스할 수 있습니다.
PCD 파일은 일반적으로 코닥 Photo CD 시스템을 사용하여 생성되며, 여기에는 고해상도 스캐너를 사용하여 필름 네거티브나 슬라이드를 스캔한 다음 디지털 이미지를 PCD 포맷의 CD에 기록하는 것이 포함됩니다. 스캔 과정은 정확한 색 재현을 보장하고 필름의 전체 동적 범위를 캡처하도록 신중하게 교정됩니다. 생성된 PCD 파일은 필름 이미지의 디지털 아카이브로, 고품질 인쇄물을 생성하고 다양한 장치에서 쉽게 공유하고 볼 수 있습니다.
PCD 포맷에는 이미지와 스캔 과정에 대한 정보를 저장하는 여러 메타데이터 필드도 통합되어 있습니다. 이 메타데이터에는 이미지가 캡처된 날짜와 시간, 사용된 필름 유형, 스캐너 설정 및 기타 관련 세부 정보가 포함될 수 있습니다. 이 정보는 보관 목적뿐만 아니라 이미지의 기술적 측면을 추적하려는 사진작가에게도 가치가 있습니다.
PCD 포맷은 고급 기능과 제공되는 고화질에도 불구하고 널리 채택되는 데 제한을 가하는 몇 가지 과제에 직면했습니다. 주요 과제 중 하나는 포맷의 독점적 특성으로, 코닥 자체 소프트웨어와 하드웨어에서만 완전히 활용할 수 있음을 의미했습니다. 타사 소프트웨어 및 장치와의 이러한 제한된 호환성으로 인해 이미 다른 이미지 포맷과 편집 소프트웨어를 사용하고 있는 소비자와 전문가에게 덜 매력적으로 보였습니다.
PCD 포맷의 또 다른 과제는 디지털 카메라 기술의 급속한 발전과 저렴한 디지털 카메라의 가용성 증가였습니다. 디지털 카메라가 더욱 강력해지고 더 높은 해상도를 제공함에 따라 많은 사용자에게 필름 이미지를 스캔해야 할 필요성이 덜 중요해졌습니다. 또한 JPEG 및 TIFF와 같이 더 개방적이고 널리 지원되는 다른 디지털 이미지 포맷의 등장으로 사용자에게 디지털 이미지를 저장하고 공유하기 위한 더 유연하고 액세스 가능한 옵션이 제공되었습니다.
이러한 과제에도 불구하고 PCD 포맷은 고화질과 필름을 고충실도로 디지털화하는 기능을 높이 평가한 일부 전문 사진작가와 애호가가 사용했습니다. 한동안 필름 스캔 및 보관 서비스를 제공하는 사진관과 서비스 제공업체에서도 사용되었습니다. 그러나 디지 털 사진 시장이 계속해서 성장하고 발전함에 따라 PCD 포맷의 사용은 점차 감소했습니다.
기술적 관점에서 볼 때 PCD 포맷은 앞서 언급한 PhotoYCC 색 공간과 다중 스케일 해상도 구조를 사용하는 것이 특징입니다. 이 포맷은 무손실 압축 알고리즘을 사용하여 파일 크기를 줄이는 동시에 높은 수준의 이미지 품질을 유지합니다. 압축은 인간 시각 시스템의 특성을 활용하여 루미넌스 세부 사항을 크로미넌스 세부 사항보다 우선적으로 보존하는 방식으로 적용되며, 이는 인간의 눈에는 덜 눈에 띕니다.
PCD 파일 구조는 헤더, 각 해상도 수준의 이미지 디렉토리, 이미지 데이터 자체를 포함한 여러 다른 섹션으로 구성됩니다. 헤더에는 파일 포맷 버전과 CD에 저장된 이미지 수에 대한 정보가 포함됩니다. 각 이미지 디렉토리에는 이미지에 대한 메타데이터와 파일 내 해당 해상도 수준의 이미지 데이터 위치에 대한 포인터가 포함됩니다.
PCD 파일의 이미지 데이터는 타일 형식으로 저장되며, 이미지는 타일이라는 작은 직사각형 섹션으로 나뉩니다. 각 타일은 독립적으로 압축되어 더 효율적인 데이터 액세스와 조작이 가능합니다. 이 타일링 시스템은 또한 다양한 해상도 수준의 계층적 저장을 용이하게 하며, 더 낮은 해상도 이미지는 더 높은 해상도 수준의 타일을 결합하고 다운샘플링하여 생성할 수 있습니다.
PCD 파일을 보거나 편집하려면 일반적으로 PCD 포맷을 읽고 다중 스케일 해상도 구조를 처리할 수 있는 특수 소프트웨어가 필요합니다. 코닥은 이러한 목적으로 자체 소프트웨어를 제공했지만 PCD 파일에 다양한 수준의 지원을 제공하는 타사 소프트웨어 솔루션도 있었습니다. 일부 최신 이미지 편집 소프트웨어는 여전히 PCD 포맷을 지원하지만 JPEG 및 TIFF와 같은 더 널리 사용되는 포맷을 지원하는 것보다 덜 일반적입니다.
파일 크기 측면에서 PCD 파일은 특히 가장 높은 해상도 수준에서는 매우 클 수 있습니다. 이는 이 포맷이 원본 필름 이미지의 품질을 보존하도록 설계되었기 때문이며, 이를 위해서는 상당한 양의 데이터가 필요합니다. 그러나 PCD 파일에 사용된 압축 알고리즘은 파일 크기를 어느 정도 완화하는 데 도움이 되어 이미지를 저장하고 전송하는 것을 더 쉽게 관리할 수 있도록 합니다.
PCD 포맷에는 'Photo CD Portfolio'라는 기능에 대한 지원도 포함되어 있으며, 이를 통해 사용자는 CD에 있는 이미지를 체계적으로 구성하고 관리할 수 있습니다. 이 기능에는 앨범 생성, 이미지 분류, 각 이미지에 설명 텍스트 추가 기능이 포함됩니다. Portfolio 기능은 사용자가 디지털 사진 컬렉션을 쉽게 탐색하고 즐길 수 있도록 하기 위한 것입니다.
결론적으로 PCD 이미지 포맷은 아날로그에서 디지털 사진으로 전환하는 과도기에 필름 사진을 디지털화하고 보관하기 위한 혁신적인 솔루션이었습니다. 다중 스케일 해상도 구조, PhotoYCC 색 공간 사용, 고화질로 인해 필름 이미지의 고충실도 디지털 사본이 필요한 전문가와 애호가에게 가치 있는 도
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.