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.
DirectX Texture(DirectXTex) 계열의 DXT1 압축 포맷은 특히 컴퓨터 그래픽을 위해 설계된 이미지 압축 기술의 상당한 도약을 나타냅니다. 이는 이미지 품질과 저장 요구 사항의 균형을 맞추는 무손실 압축 기법으로, 디스크 공간과 대역폭이 귀중한 자원인 게임과 같은 실시간 3D 애플리케이션에 매우 적합합니다. DXT1 포맷의 핵심은 실시간으로 압축 해제하지 않고도 텍스처 데이터를 원래 크기의 일부로 압축하여 메모리 사용량을 줄이고 성능을 향상시키는 것입니다.
DXT1은 개별 픽셀이 아니라 픽셀 블록에서 작동합니다. 구체적으로 4x4 픽셀 블록을 처리하여 각 블록을 64비트로 압축합니다. 이러한 블록 기반 압축 방식은 DXT1이 이미지를 나타내는 데 필요한 데이터 양을 크게 줄일 수 있도록 해줍니다. DXT1의 압축의 본질은 각 블록 내에서 색상 표현의 균형을 찾아 높은 압축률을 달성하면서도 가능한 한 많은 세부 사항을 보존하는 데 있습니다.
DXT1의 압축 프로세스는 여러 단계로 나눌 수 있습니다. 첫째, 블록의 전체 색상 범위를 가장 잘 나타내는 블록 내의 두 가지 색상을 식별합니다. 이러한 색상은 블록 내의 색상 가변성을 포괄하는 능력을 기반으로 선택되며, 두 개의 16비트 RGB 색상으로 저장됩니다. 원래 이미지 데이터에 비해 비트 심도가 낮음에도 불구하고 이 단계는 가장 중요한 색상 정보가 유지되도록 합니다.
두 가지 기본 색상을 결정한 후 DXT1은 이를 사용하여 두 가지 추가 색상을 생성하여 블록 전체를 나타낼 네 가지 색상을 만듭니다. 이러한 추가 색상은 선형 보간을 통해 계산되며, 이는 두 가지 기본 색상을 서로 다른 비율로 혼합하는 프로세스입니다. 구체적으로 세 번째 색상은 두 가지 기본 색상을 동일하게 혼합하여 생성되고, 네 번째 색상은 텍스처의 투명도 요구 사항에 따라 첫 번째 색상을 선호하는 혼합이거나 순수한 검정입니다.
네 가지 색상이 결정되면 다음 단계는 원래 4x4 블록의 각 픽셀을 생성된 네 가지 색상 중 가장 가까운 색상에 매핑하는 것입니다. 이 매핑은 원래 픽셀 색상과 네 가지 대표 색상 간의 거리를 계산하여 픽셀을 가장 가까운 일치 항목에 할당하는 간단한 최근접 이웃 알고리즘을 통해 수행됩니다. 이 프로세스는 블록의 원래 색상 공간을 효과적으로 네 가지 고유한 색상으로 양자화하여 DXT1의 압축을 달성하는 데 중요한 요인입니다.
DXT1 압축 프로세스의 마지막 단계는 블록에 대해 선택된 두 가지 원래 색상과 함께 색상 매핑 정보를 인코딩하는 것입니다. 두 가지 원래 색상은 16비트 값으로 압축된 블록 데이터에 직접 저장됩니다. 한편, 각 픽셀을 네 가지 색상 중 하나에 매핑하는 것은 2비트 인덱스 시리즈로 인코딩되며, 각 인덱스는 네 가지 색상 중 하나를 가리킵니다. 이러한 인덱스는 함께 묶여 64비트 블록의 나머지 비트를 포함합니다. 따라서 결과적으로 압축된 블록에는 압축 해제 중에 블록의 모양을 재구성하는 데 필요한 색상 정보와 매핑이 모두 포함됩니다.
DXT1의 압축 해제는 간단하고 빠른 프로세스가 되도록 설계되어 실시간 애플리케이션에 매우 적합합니다. 압축 해제 알고리즘의 단순성으로 인해 최신 그래픽 카드의 하드웨어에서 수행할 수 있어 CPU의 부하를 더욱 줄이고 DXT1 압축 텍스처의 성능 효율성에 기여합니다. 압축 해제 중에 두 가지 원래 색상이 블록 데이터에서 검색되어 2비트 인덱스와 함께 블록의 각 픽셀의 색상을 재구성하는 데 사용됩니다. 필요한 경우 선형 보간 방법이 다시 사용되어 중간 색상을 도출합니다.
DXT1의 장점 중 하나는 파일 크기가 크게 줄어들어 압축되지 않은 24비트 RGB 텍스처에 비해 최대 8:1까지 줄일 수 있다는 것입니다. 이러한 감소는 디스크 공간을 절약할 뿐만 아니라 로드 시간을 줄이고 주어진 메모리 예산 내에서 텍스처 다양성을 늘립니다. 게다가 DXT1의 성능 이점은 저장 및 대역폭 절약에만 국한되지 않습니다. GPU로 처리하고 전송해야 하는 데이터 양을 줄임 으로써 렌더링 속도도 향상되어 게임 및 기타 그래픽 집약적 애플리케이션에 이상적인 포맷이 됩니다.
장점에도 불구하고 DXT1에는 한계가 있습니다. 가장 주목할 만한 것은 색상 대비가 높거나 복잡한 세부 사항이 있는 텍스처에서 특히 눈에 띄는 아티팩트의 가능성입니다. 이러한 아티팩트는 양자화 프로세스와 블록당 네 가지 색상으로 제한된 것에서 비롯되며, 원래 이미지의 전체 색상 범위를 정확하게 나타내지 못할 수 있습니다. 또한 각 블록에 대해 두 가지 대표 색상을 선택해야 하는 요구 사항으로 인해 색상 밴딩 문제가 발생할 수 있으며, 이는 색상 간의 전환이 눈에 띄게 갑작스럽고 부자연스러워집니다.
게다가 DXT1 포맷의 투명도 처리가 복잡성을 더합니다. DXT1은 1비트 알파 투명도를 지원하므로 픽셀은 완전히 투명하거나 완전히 불투명할 수 있습니다. 투명도에 대한 이러한 이진적 접근 방식은 생성된 색상 중 하나를 투명도를 나타내도록 선택하여 구현되며, 일반적으로 첫 번째 두 가지 색상이 숫자 순서가 반대로 선택된 경우 네 번째 색상입니다. 이를 통해 텍스처에 어느 정도 투명도를 제공할 수 있지만 매우 제한적이며 투명한 영역 주변에 거친 가장자리가 생겨 세부적인 투명도 효과에는 적합하지 않습니다.
DXT1 압축 텍스처를 사용하는 개발자는 종종 이러한 한계를 완화하기 위해 다양한 기술을 사용합니다. 예를 들어, 신중한 텍스처 디자인과 디더링 사용은 압축 아티팩트와 색상 밴딩의 가시성을 줄이는 데 도움이 될 수 있습니다. 또한 투명도를 처리할 때 개발자는 투명도 데이터에 대해 별도의 텍스처 맵을 사용하거나 고품질 투명도가 중요한 텍스처에 대해 DXT3 또는 DXT5와 같이 더욱 미묘한 투 명도 처리를 제공하는 다른 DXT 포맷을 선택할 수 있습니다.
DXT1과 DirectX API에 포함된 것의 광범위한 채택은 실시간 그래픽 분야에서 그 중요성을 강조합니다. 품질과 성능 간의 균형을 유지하는 능력으로 인해 리소스의 효율적인 사용이 종종 중요한 관심사인 게임 산업에서 필수 요소가 되었습니다. 게임을 넘어서 DXT1은 가상 현실, 시뮬레이션, 3D 시각화와 같이 실시간 렌더링이 필요한 다양한 분야에서 응용 프로그램을 찾아 압축 포맷으로서의 다양성과 효율성을 강조합니다.
기술이 발전함에 따라 텍스처 압축 기술의 진화가 계속되고 있으며, 새로운 포맷은 DXT1의 한계를 해결하면서 강점을 기반으로 합니다. 하드웨어와 소프트웨어의 발전으로 인해 더 높은 품질, 더 나은 투명도 지원, 더 효율적인 압축 알고리
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.