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.
PICT 이미지 형식은 1980년대 애플 Inc.에서 개발되었으며, 주로 Macintosh 컴퓨터의 그래픽 응용 프로그램을 위해 설계되었습니다. Mac OS의 그래픽 인프라의 핵심적인 부분으로, PICT는 이미지 형식일 뿐만 아니라 벡터 그래픽, 비트맵 이미지, 텍스트 등 다양한 그래픽 데이터 유형을 저장하고 조작하는 복잡한 시스템이었습니다. PICT 형식의 다재다능함은 초기 Macintosh 플랫폼에서 그래픽스 개발과 렌더링의 핵심 도구가 되었습니다.
PICT 형식의 핵심은 벡터와 래스터 그래픽을 하나의 파일에 수용할 수 있는 복잡한 구조에 있습니다. 이러한 이중성을 통해 PICT 파일은 확장 가능한 벡터와 함께 풍부한 픽셀 기반 이미지를 포함할 수 있었습니다. 그래픽 디자이너와 출판사들에게 이는 당시 유례없는 정밀도와 품질로 이미지를 생성하고 편집할 수 있는 유연성을 제공했습니다.
PICT 형식의 주요 특징은 OpCode, 즉 작업 코드를 사용한다는 점입니다. 이 OpCode는 Macintosh QuickDraw 그래픽 시스템에 특정 작업을 수행하도록 지시합니다. QuickDraw는 Mac OS에서 이미지 렌더링의 엔진이 되어 이러한 OpCode를 해석하여 도형을 그리고, 패턴을 채우며, 텍스트 속성을 설정하고, 비트맵과 벡터 요소의 구성을 관리합니다. PICT 파일에 이러한 지침이 캡슐화되어 있어 역동적인 이미지 렌더링이 가능했습니다.
PICT 형식은 1비트 모노크롬에서 32비트 컬러 이미지에 이르는 다양한 색 심도를 지원합니다. 이러한 광범위한 지원을 통해 PICT 파일은 다양한 디스플레이 기능과 사용자 요구사항에 맞게 유용하게 활용될 수 있었습니다. 또한 PICT의 QuickDraw 시스템 통합으로 Macintosh 컴퓨터의 팔레트와 디더링 기술을 효율적으로 활용할 수 있어 모든 디스플레이에서 최상의 이미지 품질을 보장할 수 있었습니다.
PICT 파일의 압축은 다양한 방법으로 이루어지며, 그중 PackBits 기법이 널리 사용되어 비트맵 이미지의 파일 크기를 크게 줄일 수 있었습니다. 또한 PICT 파일의 벡터 요소는 비트맵 이미지에 비해 저장 공간이 적게 차지하여 복잡한 그래픽을 효율적으로 처리할 수 있었습니다. 이러한 PICT의 특성은 고품질 이미지를 관리 가능한 파일 크기로 저장해야 하는 응용 프로그램에 매우 적합했 습니다.
텍스트 처리 또한 PICT 형식의 장점 중 하나입니다. PICT 파일은 텍스트를 이미지에 포함시키면서도 글꼴 스타일, 크기, 정렬 사양을 그대로 유지할 수 있습니다. 이는 OpCode를 사용하여 텍스트 렌더링을 정밀하게 제어할 수 있기 때문입니다. 이러한 능력은 그래픽 요소와 텍스트 요소를 원활하게 결합해야 하는 출판 및 디자인 응용 프로그램에 큰 장점이 되었습니다.
PICT 파일은 일반적으로 512바이트 헤더로 시작하며, 이 헤더에는 파일 시스템 정보가 저장됩니다. 그 뒤에는 실제 이미지 데이터가 나오는데, 여기에는 크기와 프레임 정의가 포함됩니다. 프레임은 이미지의 경계를 정의하여 그래픽과 텍스트가 렌더링될 영역을 설정합니다. 프레임 정의 뒤에는 각각의 OpCode와 해당 데이터가 연속되어, 다양한 그래픽 요소와 수행 작업을 정의합니다.
PICT 형식은 유연성과 기능성이 뛰어났지만 독점적인 성격과 디지털 그래픽의 발전으로 인해 점차 쇠퇴했습니다. PNG, SVG 등 보다 개방적이고 범용적인 형식이 등장하면서 복잡한 그래픽을 더 나은 압축 알고리즘과 플랫폼 호환성으로 처리할 수 있게 되었습니다. 하지만 PICT 형식은 디지털 그래픽 역사상 혁신적인 디자인과 벡터-비트맵 통합의 선구자로 중요한 이정표를 남겼습니다.
PICT 형식의 가장 매력적인 점은 스케일러빌리티와 품질 보존에 대한 선견지명적 설계였습니다. 순수 비트맵 형식과 달리 PICT 파일의 벡터 부분은 크기를 조정해도 품질이 손상되지 않았습니다. 이는 다양한 레이아웃에 맞게 이미지를 크기 조정해야 하는 인쇄물에 큰 이점이 되었습니다.
교육 및 전문 영역에서 PICT 파일은 독특한 기능이 높이 평가받았습니다. 정밀도와 품질이 중요한 데스크톱 출판과 그래픽 디자인 분야에서 PICT는 다른 형식이 제공하지 못하는 솔루션을 제공했습니다. 텍스트, 그래픽, 이미지를 고품질로 복합적으로 다룰 수 있었기 때문에 뉴스레터, 브로셔, 고급 그래픽 디자인 등 다양한 응용 프로그램에서 PICT가 선호되었습니다.
그러나 Macintosh 생태계 외부에서의 호환성과 확장성 문제가 PICT 형식의 한계로 지적되었습니다. 디지털 기술이 발전하면서 범용 호환 형식의 필요성이 커졌고, 다양한 플랫폼과 운영 환경에서 그래픽을 쉽게 공유할 수 있어야 했습니다. 또한 인터넷과 웹 출판의 부상으로 빠른 로딩 시간과 광범위한 호환성을 가진 JPEG, GIF 같은 형식이 선호되었습니다.
PICT 형식은 결국 쇠퇴했지만, 디지털 이미징과 그래픽 디자인 발전에 중요한 기여를 했습니다. 다양한 유형의 그래픽 데이터를 효율적으로 처리할 수 있는 범용 형식의 중요성을 입증했고, 특히 벡터와 비트맵 그래픽의 통합은 이후 형식과 그래픽 시스템 설계에 영향을 미쳤습니다.
PICT 형식은 더 이상 널리 사용되지 않지만, 그것이 제시한 원칙과 도입한 혁신은 여전히 그래픽 디자인 분야에 잔재하고 있습니다. 유연성, 품질, 다양한 그래픽 요소의 조화로운 결합에 대한 강조는 디지털 그래픽 발전의 밑바탕이 되었습니다. 비록 새로운 형식이 PICT를 능가했지만, PICT가 제시한 기본 아이디어는 계속해서 영향을 미치고 있습니다.
앞으로 PICT 형식 개발과 활용에서 얻은 교훈은 디지털 이미징 기술의 지속적인 발전을 보여줍니다. PICT에서 더 발전된 형식으로의 전환은 효율성, 호환성, 이미지 품질 향상을 위한 업계의 끊임없는 노력을 반영합니다. PICT의 역사와 기술적 세부 사항을 이해하는 것은 컴퓨터 그래픽스의 과거를 이해하는 것뿐만 아니라, 디지털 미디어의 미래를 향해 나아갈 때 적응력과 혁신의 중요성을 강조합니다.
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.