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.
포터블 플로트맵(PFM) 파일 형식은 덜 알려졌지만 이미지 데이터에 높은 충실도와 정밀도가 필요한 분야에서 특히 중요한 이미지 형식입니다. 일반적인 용도와 웹 그래픽을 위해 설계된 JPEG나 PNG와 달리 PFM 형식은 특히 고동적 범위(HDR) 이미지 데이터를 저장하고 처리하도록 설계되었습니다. 즉, 기존 8비트 또는 16비트 이미지 형식보다 훨씬 더 넓은 휘도 수준을 표현할 수 있습니다. PFM 형식은 각 픽셀의 강도를 표현하기 위해 부동 소수점 숫자를 사용하여 가장 어두운 그림자에서 가장 밝은 하이라이트까지 거의 무제한의 밝기 값을 허용함으로써 이를 달성합니다.
PFM 파일은 HDR 데이터를 저장하는 데 있어 간결하고 효율적이라는 특징이 있습니다. PFM 파일은 본질적으로 헤더 섹션과 픽셀 데이터로 구성된 바이너리 파일입니다. 헤더는 사람이 읽을 수 있는 ASCII 텍스트이며 이미지에 대한 중요한 정보(예: 너비와 높이와 같은 차원)와 픽셀 데이터가 그레이스케일 또는 RGB 형식으로 저장되는지 여부를 지정합니다. 헤더에 이어 픽셀 데이터는 바이너리 형식으로 저장되며 각 픽셀의 값은 32비트(그레이스케일 이미지의 경우) 또는 96비트(RGB 이미지의 경우) IEEE 부동 소수점 숫자로 표현됩니다. 이 구조는 HDR 이미징에 필요한 정밀도를 제공하면서도 소프트웨어에서 형식을 간단하게 구현할 수 있도록 합니다.
PFM 형식의 고유한 측면 중 하나는 리틀 엔디안과 빅 엔디안 바이트 순서를 모두 지원한다는 것입니다. 이러한 유연성은 호환성 문제 없이 서로 다른 컴퓨팅 플랫폼에서 형식을 사용할 수 있도록 합니다. 바이트 순서는 형식 식별자에 의해 헤더에 표시됩니다. RGB 이미지의 경우 'PF', 그레이스케일 이미지의 경우 'Pf'입니다. 식별자가 대문자이면 파일이 빅 엔디안 바이트 순서를 사용한다는 의미이고 소문자이면 파일이 리틀 엔디안을 사용한다는 의미입니다. 이 메커니즘은 우아할 뿐만 아니라 서로 다른 바이트 순서를 가진 시스템 간에 파일을 공유할 때 부동 소수점 데이터의 정확성을 유지하는 데 필수적입니다.
HDR 이미지를 표현하는 데 있어 장점이 있음에도 불구하고 PFM 형식은 각 픽셀에 부동 소수점 표현을 사용하여 발생하 는 큰 파일 크기 때문에 소비자 애플리케이션이나 웹 그래픽에서는 널리 사용되지 않습니다. 게다가 대부분의 디스플레이 장치와 소프트웨어는 PFM 파일이 제공하는 높은 동적 범위와 정밀도를 처리하도록 설계되지 않았습니다. 결과적으로 PFM 파일은 주로 컴퓨터 그래픽 연구, 시각 효과 제작, 과학적 시각화와 같이 최고의 이미지 품질과 충실도가 요구되는 전문 분야에서 사용됩니다.
PFM 파일을 처리하려면 부동 소수점 데이터를 정확하게 읽고 쓸 수 있는 특수 소프트웨어가 필요합니다. 형식의 채택이 제한되어 있기 때문에 이러한 소프트웨어는 보다 일반적인 이미지 형식을 위한 도구보다 덜 일반적입니다. 그럼에도 불구하고 몇몇 전문가급 이미지 편집 및 처리 애플리케이션은 PFM 파일을 지원하여 사용자가 HDR 콘텐츠로 작업할 수 있도록 합니다. 이러한 도구는 종종 보거나 편집하는 것뿐만 아니라 톤 매핑 및 기타 기술을 통해 가능한 한 많은 동적 범위를 보존하면서 PFM 파일을 보다 기존의 형식으로 변환하는 기능을 제공합니다.
PFM 파일로 작업할 때 가장 중요한 과제 중 하나는 소비자 하드웨어와 소프트웨어에서 HDR 콘텐츠에 대한 광범위한 지원이 부족하다는 것입니다. 최근 몇 년간 HDR 지원이 점진적으로 증가하고 일부 최신 디스플레이와 TV가 더 넓은 휘도 수준을 표시할 수 있게 되었지만 생태계는 아직 따라잡지 못하고 있습니다. 이러한 상황은 종종 PFM 파일을 더 광범위하게 호환되는 형식으로 변환해야 하지만 전문적인 용도로 PFM 형식을 매우 가치 있게 만드는 동적 범위와 정밀도 중 일부를 희생해야 합니다.
HDR 이미지를 저장하는 주요 역할 외에도 PFM 형식은 간결함으로 유명하여 컴퓨터 그래픽 및 이미 지 처리의 교육적 목적과 실험적 프로젝트에 탁월한 선택이 됩니다. 간단한 구조를 통해 학생과 연구자는 복잡한 파일 형식 사양에 얽매이지 않고도 HDR 데이터를 쉽게 이해하고 조작할 수 있습니다. 이러한 사용 편의성은 형식의 정밀도와 유연성과 결합되어 PFM을 학술 및 연구 환경에서 귀중한 도구로 만듭니다.
PFM 형식의 또 다른 기술적 특징은 IEEE 부동 소수점 표현을 사용하여 무한수와 비정규수를 지원한다는 것입니다. 이 기능은 과학적 시각화와 특정 유형의 컴퓨터 그래픽 작업에서 특히 유용하며, 여기에서는 극단적인 값이나 데이터의 매우 미세한 그라데이션을 표현해야 합니다. 예를 들어, 물리적 현상을 시뮬레이션하거나 매우 밝은 광원이 있는 장면을 렌더링할 때 매우 높거나 매우 낮은 강도 값을 정확하게 표현하는 기능이 중요할 수 있습니다.
그러나 PFM 형식의 부동 소수점 정밀도의 이점은 특히 대규모 이미지의 경우 이러한 파일을 처리할 때 계산 요구 사항이 증가한다는 것입니다. 각 픽셀의 값이 부동 소수점 숫자이므로 이미지 크기 조정, 필터링 또는 톤 매핑과 같은 작업은 기존 정수 기반 이미지 형식보다 계산적으로 더 집약적일 수 있습니다. 더 많은 처리 능력에 대한 이러한 요구 사항은 실시간 애플리케이션이나 기능이 제한된 하드웨어에서 제한이 될 수 있습니다. 그럼에도 불구하고 최고의 이미지 품질이 가장 중요한 애플리케이션의 경우 이러한 계산적 과제보다 이점이 훨씬 더 큽니다.
PFM 형식에는 또한 헤더에 스케일 팩터와 엔디안을 지정하는 조항이 포함되어 다목성을 더욱 높입니다. 스케일 팩터는 파일이 파일의 픽셀 값의 숫자 범위로 표현된 물리적 밝기 범위를 나타낼 수 있도록 하 는 부동 소수점 숫자입니다. 이 기능은 PFM 파일이 서로 다른 프로젝트에서 사용되거나 협업자 간에 공유될 때 픽셀 값이 실제 휘도 값과 어떻게 상관관계가 있는지 명확하게 이해하는 데 필수적입니다.
PFM 형식의 기술적 이점에도 불구하고 틈새 전문 및 학술 환경을 넘어 더 널리 채택하는 데 상당한 과제가 있습니다. PFM 파일을 처리하는 데 필요한 특수 소프트웨어와 대규모 파일 크기 및 계산 요구 사항이 결합되어 더 유비쿼터스한 형식에 비해 사용이 제한됩니다. PFM 형식이 더 널리 받아들여지려면 HDR 콘텐츠를 표시할 수 있는 사용 가능한 하드웨어와 고충실도, 고동적 범위 이미지에 대한 소프트웨어 생태계 지원에 상당한 변화가 필요합니다.
앞으로 PFM 형식과 HDR 이미징의 미래는 전반적으로 디스플레이 기술과 이미지 처리 알고리즘의 발전과 관련이 있습니다. 더 넓은 휘도 수준을 표현할 수 있는 디스플레이가 보편화되고 계산 리소스가 더 쉽게 접근할 수 있게 되면 PFM과 같은 HDR 형식을 사용하는 데 따른 장애물이 줄어들 수 있습니다. 게다가 부동 소수점 이미지 데이터를 처리하는 데 더 효율적인 알
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.