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.
PNG48 이미지 포맷은 잘 알려져 있고 널리 사용되는 Portable Network Graphics(PNG) 포맷의 확장판입니다. 이전 버전의 한계를 개선하는 수단으로 개발된 PNG48은 특히 디지털 이미지에서 더 높은 색상 깊이에 대한 필요성을 해결합니다. 본질적으로 '48'은 비트 깊이를 나타내며, PNG48 이미지의 각 픽셀에 48비트의 색상 정보가 포함되어 있음을 의미합니다. 이는 표준 24비트 PNG에서 크게 향상된 것으로, 색상 정밀도를 효과적으로 두 배로 늘리고 더 풍부하고 세부적인 시각적 경험을 제공합니다.
PNG48의 아키텍처를 이해하려면 색상 깊이와 이미지 데이터를 처리하는 방식을 깊이 살펴보아야 합니다. PNG48 파일에서 각 픽셀은 빨강, 초록, 파랑(RGB)의 세 가지 구성 요소로 나뉘어 48비트로 표현됩니다. 이러한 구성 요소 각각은 표준 PNG 파일의 채널당 8비트에 비해 16비트 깊이를 갖습니다. 이러한 더 높은 비트 깊이는 각각 65,536가지의 빨강, 초록, 파랑 음영을 허용하여 이론적으로 281조 개 이상의 색상 팔레트를 만들어냅니다. 이 광범위한 스펙트럼은 색상 정확도와 그라데이션이 가장 중요한 하이엔드 그래픽 애플리케이션, 사진, 디지털 아트에 특히 유용합니다.
압축은 PNG 포맷의 중요한 측면이며, PNG48도 예외가 아닙니다. PNG는 DEFLATE라는 무손실 압축 방법을 사용합니다. 이 알고리즘은 이미지 데이터에서 중복을 찾아 제거하여 세부 정보나 품질을 희생하지 않고 파일 크기를 효과적으로 줄입니다. PNG48 파일의 과제는 색상 정보가 증가하여 본질적으로 크기가 더 크다는 것입니다. 그럼에도 불구하고 DEFLATE 알고리즘은 효율적인 압축률을 유지하여 파일 크기 증가를 가능한 한 완화하면서도 고충실도 색상 정보를 보존합니다.
투명성은 PNG 포맷의 또 다른 특징이며, PNG48에서는 이를 비슷한 우아함으로 처리합니다. PNG48은 전체 알파 투명성을 지원하여 각 픽셀에 불투명도를 지정하는 추가 구성 요소를 가질 수 있습니다. 그러나 순수한 PNG48 파일에서는 투명성이 48비트 정의에 직접 포함되지 않습니다. 투명성을 통합하려면 PNG64라는 포맷 확장을 사용하는데, 여기서 추가 16비트는 알파 채널에 전용됩니다. 이를 통해 이미지는 완전히 투명한 것에서 완전히 불투명한 것까지 다양한 수준의 투명도를 가질 수 있으며, 그래픽 디자인과 웹 개발에서 포맷의 유용성을 향상시킵니다.
PNG48 포맷은 본질적으로 이전 버전인 PNG24보다 복잡하여 하드웨어와 소프트웨어 모두에 더 많은 것을 요구합니다. 더 높은 색상 깊이는 보기와 편집 모두에 처리 능력과 메모리가 증가해야 합니다. 소프트웨어 호환성도 고려해야 하는데, 모든 이미지 뷰어와 편집기가 48비트 색상 깊이를 지원하는 것은 아닙니다. 그러나 대부분의 전문가급 소프트웨어는 시각적 콘텐츠 제작자에게 제공하는 가치를 인식하여 이러한 더 높은 품질의 이미지를 수용하도록 업데이트되었습니다.
PNG48 포맷의 중요한 장점 중 하나는 고충실도 시각적 표현이 필요한 다양한 분야에 적용할 수 있다는 것입니다. 디지털 사진에서 확장된 색상 깊이는 그림자와 하이라이트의 미묘한 차이를 훨씬 더 잘 보존하여 더 낮은 색상 깊이에서 그라데이션에서 자주 보이는 밴딩 효과를 줄입니다. 그래픽 디자이너와 디지털 아티스트에게 이 포맷은 더 넓은 색상 스펙트럼으로 작업할 수 있는 기능을 제공하여 더욱 생생하고 생동감 있는 작품을 만들 수 있습니다.
장점에도 불구하고 PNG48 포맷은 보편적으로 이상적이지는 않습니다. 무손실 압축에도 불구하고 파일 크기가 증가하여 로딩 시간과 대역폭 사용이 중요한 고려 사항인 웹에서 사용하기에 덜 적합합니다. 따라서 PNG48은 아카이브, 디지털 아트, 전문 사진에 뛰어나지만, 온라인 콘텐츠의 경우 파일 크기가 더 작고 로딩 시간이 더 빠른 표준 PNG 또는 JPEG가 더 바람직할 수 있습니다.
PNG48 포맷의 또 다른 중요한 특징은 감마 보정을 지원한다는 것입니다. 이를 통해 이미지 가 다양한 보기 장치에서 더 일관되게 표시됩니다. 감마 보정은 컴퓨터 모니터나 모바일 화면과 같은 출력 장치의 특성에 따라 이미지의 밝기와 대비를 조정합니다. 이 기능을 지원함으로써 PNG48 이미지는 다양한 플랫폼에서 자주 보이는 디지털 미디어에 필수적인 더욱 균일한 시각적 경험을 제공할 수 있습니다.
PNG48을 활용하는 데 관심이 있는 제작자와 개발자에게는 기술 사양과 소프트웨어 요구 사항을 이해하는 것이 중요합니다. Adobe Photoshop, GIMP 등의 이미지 편집 소프트웨어는 높은 비트 깊이 이미지에 대한 지원을 구현하여 PNG48 파일을 편집할 수 있도록 합니다. 그러나 정밀도가 향상되면 사용자는 최상의 출력을 보장하기 위해 색상 관리 관행을 잘 이해해야 합니다. 또한 웹 애플리케이션을 사용하는 개발자는 높은 비트 깊이 PNG 파일을 지원하지 않는 브라우저에 대한 대체 옵션을 구현하여 광범위한 접근성을 보장해야 합니다.
최적화 및 변환 도구도 PNG48 파일의 실제 사용에서 중요한 역할을 합니다. 크기가 크기 때문에 특정 사용 사례에 맞게 이러한 파일을 최적화하는 것이 필수적입니다. PNG48 파일을 품질을 떨어뜨리지 않고 더 압축하는 데 사용할 수 있는 다양한 소프트웨어 도구와 라이브러리가 있습니다. 게다가 변환 도구를 사용하면 필요한 경우 PNG48 파일을 더 널리 호환되는 포맷으로 다운스케일링하여 이러한 고품질 이미지를 사용하고 공유하는 방법에 유연성을 제공합니다.
요약하자면 PNG48 이미지 포맷은 디지털 이미지 기술의 상당한 진보를 나타내며, 탁월한 색상 깊이와 시각적 충실도를 제공합니다. 더 큰 파일 크기와 증가된 계산 요구 사항을 포함한 과제가 있지만, 이미지 품질 측면에서의 이점은 명백합니다. 기술이 계속 발전하고 더 높은 비트 깊이에 대한 지원이 더 보편화됨에 따라 전문가 및 하이엔드 소비자 애플리케이션에서 PNG48 및 유사한 포맷이 더 널리 채택되어 디지털 이미징의 경계를 더욱 넓힐 가능성이 높습니다.
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.