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.
CLIP(Coded Layer Image Processing) 이미지 포맷은 디지털 이미징 분야에서 비교적 새로운 접근 방식으로, 이미지 코딩의 높은 효율성과 이미지 조작 및 편집의 뛰어난 유연성을 모두 제공하도록 설계되었습니다. 이 이미지 포맷은 고급 압축 기술과 고유한 레이어 기반 구조를 활용하여 이미지 품질을 유지하면서 파일 크기를 크게 줄입니다. CLIP의 등장은 반복적인 압축 및 압축 해제 주기와 일반적으로 연관된 품질 저하 없이 광범위한 편 집 기능을 포함하여 현대 디지털 그래픽의 복잡성을 지원할 수 있는 더욱 정교한 이미지 포맷에 대한 수요가 증가함에 따라 나타났습니다.
CLIP 이미지 포맷의 근본적인 원리는 혁신적인 레이어 구조 사용에 있습니다. 이미지를 픽셀의 단일 평면 배열로 처리하는 JPEG 또는 PNG와 같은 기존 이미지 포맷과 달리 CLIP은 이미지를 여러 레이어로 구성합니다. 각 레이어는 배경, 개체, 텍스트, 효과와 같은 이미지의 다른 요소를 나타낼 수 있습니다. 이 레이어 방식은 이미지의 나머지 부분에 영향을 주지 않고 복잡한 편집을 용이하게 할 뿐만 아니라 각 레이어가 콘텐츠 복잡성에 따라 독립적으로 압축될 수 있으므로 더 효율적인 압축을 가능하게 합니다.
압축은 CLIP 포맷 효율성의 핵심입니다. CLIP은 무손실 및 유손실 압축 기술을 지능적으로 결합하는 하이브리드 압축 방식을 사용합니다. 무손실 및 유손실 압축 간의 선택은 각 레이어 내 콘텐츠의 특성에 따라 레이어별로 이루어집니다. 예를 들어, 세부적인 아트워크가 포함된 레이어는 품질을 유지하기 위해 무손실 압축을 사용할 수 있는 반면, 균일한 색상이 있는 레이어는 더 높은 압축률을 달성하기 위해 유손실 압축에 더 적합할 수 있습니다. 이 선택적 접근 방식을 통해 CLIP 파일은 파일 크기를 크게 줄이면서도 고품질 이미지를 유지할 수 있습니다.
레이어 구조와 하이브리드 압축 알고리즘 외에도 CLIP 이미지 포맷은 이미지 충실도와 편집 기능을 향상시키도록 설계된 고급 기능을 통합합니다. 이러한 기능 중 하나는 HDR(High Dynamic Range) 이미징 지원으로, CLIP 이미지는 표준 동적 범위(SDR) 이미지에서 가능한 것보다 더 넓은 밝기와 색상 범위를 표시할 수 있습니다. HDR 지원을 통해 CLIP 이미지는 더욱 사실적이고 생생한 장면을 표현할 수 있으므로 이 포맷은 전문 사진, 디지털 아트, 고품질 시각적 표현이 필요한 모든 애플리케이션에 특히 적합합니다.
CLIP 이미지 포맷의 또 다른 주목할만한 기능은 비파괴적 편집 지원입니다. 레이어 구조 덕분에 CLIP 이미지에 대한 편집은 별도의 레이어로 저장하거나 기존 레이어에 대한 조정으로 저장할 수 있습니다. 즉, 원본 이미지 데이터는 손상되지 않으므로 사용자는 변경 사항을 되돌리거나 기본 품질을 손상시키지 않고 다른 편집을 적용할 수 있습니다. 비파괴적 편집은 그래픽 디자인, 사진, 디지털 아트 분야의 전문가에게 필수적인 기능으로, 저하 없이 다양한 편집을 실험할 수 있는 능력이 필수적입니다.
CLIP 포맷은 또한 호환성과 상호 운용성을 염두에 두고 설계되었습니다. 주요 그래픽 소프트웨어 및 편집 도구와 원활하게 통합되어 사용자가 기존 워크플로에 포맷을 쉽게 채택할 수 있습니다. 또한 이 포맷에는 저작권 세부 정보, 카메라 설정, 편집 기록과 같은 이미지에 대한 정보를 저장할 수 있는 메타데이터 지원이 포함됩니다. 이 메타데이터 레이어는 전문적인 용도로 CLIP 이미지의 유용성을 향상시키고 자산 관리 및 프로젝트 조정을 지원합니다.
수많은 장점에도 불구하고 CLIP 이미지 포맷 채택에는 과제가 있습니다. 가장 큰 장애물은 소프트웨어 애플리케이션과 플랫폼 전반에 걸친 광범위한 지원이 필요하다는 것입니다. CLIP이 널리 받아들여지는 표준이 되려면 이미지 편집 소프트웨어, 웹 브라우저, 그래픽 디자인 도구 개발자가 이 포맷에 대한 지원을 구현해야 합니다. 이를 위해서는 시간과 리소스가 필요하며, 특히 방대한 사용자 기반을 가진 잘 정립된 소프트웨어의 경우 이는 저해 요인이 될 수 있습니다. 게다가 사용자는 습관의 관성과 새로운 워크플로를 배우거나 새로운 도구를 채택해야 할 수 있는 잠재적 필요성으로 인해 처음에는 새로운 포맷으로의 전환에 저항할 수 있습니다.
또 다른 과제는 압축 효율성과 이미지 품질 간의 균형을 최적화하는 것입니다. CLIP의 하이브리드 압축 기술은 큰 가능성을 제공하지만 이미지 내 다양한 유형의 콘텐츠에 대해 최적의 균형을 달성하는 것은 복잡할 수 있습니다. 각 레이어의 콘텐츠를 분석하고 가장 적합한 압축 방법을 결정하려면 정교한 알고리즘이 필요합니다. 또한 압축의 효율성은 텍스처, 색상, 패턴과 같은 이미지 콘텐츠의 특정 특성에 따라 달라질 수 있으며, 이는 포맷을 더욱 개선하기 위한 지속적인 과제를 제기합니다.
이러한 과제에도 불구하고 CLIP 이미지 포맷의 미래는 밝아 보입니다. 이 포맷의 이점에 대한 인식이 높아지고 더 많은 소프트웨어 공급업체가 CLIP 지원을 통합함에 따라 더 광범위한 채택이 예상됩니다. 이 포맷은 파일 크기를 관리 가능하게 유지하면서 고품질의 유연한 편집 옵션을 제공할 수 있는 능력은 오늘날 디지털 이미징의 핵심 요구 사항을 해결합니다. 게다가 디지털 카메라와 디스플레이가 지속적으로 발전하여 더 높은 해상도와 더 넓은 색 영역을 제공함에 따라 품질이나 편집 기능을 손상시키지 않고 이러한 발전을 효율적으로 처리할 수 있는 이미지 포맷에 대한 수요는 더욱 커질 것입니다.
결론적으로 CLIP 이미지 포맷은 디지털 이미징 기술의 상당한 도약을 나타내며, 높은 효율성, 뛰어난 편집 기능, 현대 이미지 요구 사항에 대한 견고한 지원을 결합한 새로 운 솔루션을 제공합니다. 레이어 구조, 유연한 압축 방법, HDR 및 비파괴적 편집과 같은 기능 지원은 특히 사진, 그래픽 디자인, 디지털 아트 분야의 전문가에게 매력적입니다. 광범위한 채택에 대한 과제가 있지만 지속적인 개발과 소프트웨어 커뮤니티의 지원 증가는 CLIP이 디지털 이미지의 미래에서 중요한 역할을 할 수 있음을 시사합니다. 디지털 환경이 계속해서 진화함에 따라 CLIP 이미지 포맷의 관련성과 유용성은 더욱 커질 것이며, 이는 더욱 정교하고 효율적인 이미지 처리 도구를 추구하는 과정에서 중추적인 혁신으로 자리매김할 것입니다.
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.