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 분할을 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/CSS 에 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.
프로그레시브 JPEG(PJPEG) 포맷은 디지털 이미지와 사진을 압축하는 효율성으로 유명한 기존 JPEG 이미지 포맷의 확장입니다. 한 번에 위에서 아래로 이미지를 로드하는 표준 JPEG와 달리 PJPEG는 여러 번에 걸쳐 이미지를 로드하여 점차 품질을 높입니다. 이 기술은 이미지 로딩 속도와 시청자 참여가 중요한 웹 디자인과 온라인 이미지 프레젠테이션에서 상당한 이점을 제공합니다. PJPEG의 기술적 복잡성을 이해하면 웹 성능을 최적화하고 사용자 경험을 향상시키는 데 도움이 될 수 있습니다.
PJPEG는 표준 JPEG와 유사하게 이산 코사인 변환(DCT) 기술을 사용합니다. DCT는 이미지를 다양한 주파수의 부분으로 분해한 다음 이러한 주파수를 양자화하여 파일 크기를 줄이는 방식으로 작동합니다. 이 과정에서 PJPEG를 표준 JPEG와 구별하는 것은 이러한 DCT 계수를 구성하고 사용하는 방식입니다. PJPEG는 이러한 계수를 이미지 품질을 점진적으로 구축할 수 있는 방식으로 저장합니다. 처음에는 가장 중요한 계수만 사용하여 전체 이미지의 거친 미리보기를 표시하고, 이후 패스에서 더 세밀한 부분을 추가합니다.
PJPEG 포맷의 중요한 측면은 손실과 무손실의 두 가지 주요 단계로 나뉘는 압축 프로세스입니다. 손실 단계는 DCT 계수를 양자화하는 것을 포함하며, 이는 이미지 세부 사항의 정밀도를 낮추지만 파일 크기를 크게 줄입니다. 이 단계에서 계수는 시각적으로 가장 중요한 정보를 우선시하도록 재정렬됩니다. 무손실 단계는 허프만 코딩 프로세스를 수반하며, 품질을 추가로 손실하지 않고 이미지를 더욱 압축합니다. 이 이중 단계 압축을 통해 PJPEG 이미지는 최종 이미지 품질을 저하시키지 않고 점진적으로 로드할 수 있습니다.
이미지를 PJPEG 포맷으로 인코딩하는 프로세스는 각각 세부 사항이 증가하는 여러 이미지 스캔을 만드는 것을 포함합니다. 첫 번째 스캔은 기본 윤곽을 소개하고 주요 색상과 모양을 표시합니다. 연속적인 스캔은 세부 사항 레이어를 추가하여 시청자가 이미지가 완전히 로드되기 전에도 이미지의 본질을 빠르게 파악할 수 있도록 합니다. PJPEG의 이러한 측면은 이미지 품질을 저하시키지 않고 콘텐츠를 효율적으로 전달하는 것이 중요한 느린 인터넷 연결을 통해 보는 이미지에 특히 유용합니다.
PJPEG 포맷으로 인코딩된 이미지를 보려면 점진적 렌더링을 지원하는 호환 웹 브라우저나 이미지 뷰어가 필요합니다. 이미지 데이터가 다운로드되면 소프트웨어는 스캔을 순서대로 해석하고 더 많은 데이터가 사용 가능해지면 이미지의 더 높은 충실도 표현으로 디스플레이를 업데이트합니다. 이를 통해 이미지가 더 빠르게 로드되는 것처럼 보이는 사용자 경험이 만들어집니다. 왜냐하면 이미지의 이전 저품질 버전이 먼저 나타나고 그 다음에 세부 사항과 선명도가 점진적으로 향상되기 때문입니다.
표준 JPEG에 비해 PJPEG의 또 다른 장점은 파일 크기입니다. 같은 이미지를 여러 번 스캔하여 저장하면 파일이 더 커질 것처럼 보일 수 있지만 PJPEG에서 사용하는 효율적인 압축 기술은 종종 동일한 시각적 품질에 대해 더 작은 파일 크기를 생성합니다. 이는 초기 스캔에 이미지를 표현하는 데 필요한 DCT 계수가 비교적 적고 추가 세부 사항이 매우 최적화된 방식으로 추가되기 때문입니다. 이러한 효율성은 PJPEG를 웹사이트 로딩 시간을 최적화하고 전반적인 웹 성능을 향상시키는 매력적인 옵션으로 만듭니다.
단점 측면에서 PJPEG의 한 가지 과제는 점진적 로딩 기능을 완전히 활용하려면 특정 소프트웨어나 브라우저 지원이 필요하다는 것입니다. 대부분의 최신 웹 브라우저는 PJPEG를 지원하지만 일부 이미지 편집 소프트웨어는 이 포맷을 올바르게 처리하지 못해 PJPEG 파일 편집에 어려움이 생길 수 있습니다. 또한 점진적 로딩 기능은 이미지가 거의 즉시 로드될 수 있는 매우 빠른 연결에서는 덜 눈에 띄어 점진적 향상을 무효화할 수 있습니다.
개발자 관점에서 웹사이트에 PJPEG를 구현하려면 인코딩 프로세스 중에 이미지 품질 설정을 신중하게 고려해야 합니다. 파일 크기와 이미지 품질 간의 균형은 매우 중요합니다. 지나치게 압축된 이미지는 빠르게 로드될 수 있지만 품질이 낮아 사용자를 실망시킬 수 있습니다. 반대로 압축이 너무 적으면 로딩 시간이 길어져 사용자 참여에 해를 끼칠 수 있습니다. 개발자는 또한 대상 청중이 사용하는 브라우저와 기기의 지원 및 렌더링 기능을 인식하여 일관된 경험을 보장해야 합니다.
PJPEG 파일을 만드는 기술적 측면에는 점진적 옵션 설정으로 JPEG 인코딩을 처리할 수 있는 특수 소프트웨어 도구가 필요합니다. 예를 들어 Adobe Photoshop은 PJPEG 포맷으로 이미지를 저장하는 옵션을 제공하여 사용자가 스캔 수와 압축 수준을 조정할 수 있도록 합니다. 웹 개발의 경우 표준 JPEG 이미지를 PJPEG로 변환하는 프로세스를 단순화하는 다양한 온라인 도구와 라이브러리가 있어 개발자가 웹 자산을 더 효율적으로 최적화할 수 있습니다.
역사적 관점에서 볼 때 JPEG 포맷과 그 점진적 변형은 1990년대 초에 의학(DICOM) 표준에서 디지털 이미징 및 통신의 일부로 공동 사진 전문가 그룹에 의해 개발되었습니다. 인터넷과 디지털 사진이 폭발적으로 증가하면서 JPEG는 효율적인 압축으로 인해 이미지를 온라인으로 공유하고 표시하는 것이 가능해져 가장 널리 사용되는 이미지 포맷 중 하나가 되었습니다. PJPEG의 도입은 당시 만연했던 대역폭과 연결 속도의 한계를 해결하여 사용자 경험을 향상시키는 역할을 했습니다.
PJPEG의 사용은 웹 이미지에 국한되지 않습니다. 효율적인 이미지 로딩과 점진적 표시가 사용자 경험을 향상시킬 수 있는 다른 영역에서도 응용됩니다. 예를 들어 온라인 게임에서 PJPEG는 대역폭 제약이 있는 경우에도 플레이어에게 원활한 경험을 제공하기 위해 게임 텍스처를 로드하는 데 사용될 수 있습니다. 마찬가지로 전자 상거래에서 점진적 이미지는 사용자가 제품 갤러리를 탐색하는 동안 참여를 유지하는 데 도움이 되어 전환 가능성을 향상시킬 수 있습니다.
또한 고해상도 디스플레이와 모바일 기기의 확산은 PJPEG의 응용에 영향을 미쳤습니다. 고해상도 화면에서는 고품질 이미지를 로드하는 데 대역폭이 많이 필요할 수 있습니다. PJPEG는 이미지를 처음에는 낮은 품질로 표시한 다음 점진적으로 향상시켜 인식되는 로딩 시간을 줄임으로써 타협을 가능하게 합니다. 이러한 접근 방식은 데이터 사용과 속도가 제한 요인이 될 수 있는 모바일 환경에서 특히 유리합니다.
환경적 고려 사항도 PJPEG 채택에 영향을 미칩니다. 파일 크기를 줄이고 로딩 시간을 최적화하면 웹사이트는 데이터 전송량을 줄일 수 있으며, 이는 데이터 센터와 네트워크 인프라의 에너지 소비를 낮출 수 있습니다. 이러한 측면은 디지털 기술의 에너지 효율성의 중요성을 강조하는 그린 컴퓨팅의 더 광범위한 목표와 일치합니다. 이미지 포맷 선택이 환경에 미치는 영향은 사소해 보일 수 있지만 인터넷 규모로 고려하면 디지털 통신의 전반적인 에너지 효율성에 기
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.