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.
JPEG 2000은 일반적으로 J2K라고 하며, 2000년에 Joint Photographic Experts Group 위원회에서 만든 이미지 압축 표준 및 코딩 시스템으로, 원래 JPEG 표준을 대체하려는 의도로 만들어졌습니다. 이는 원래 JPEG 표준의 한계를 해결하고 다양한 응용 분야에서 점점 더 요구되는 새로운 기능 세트를 제공하기 위해 개발되었습니다. JPEG 2000은 단일 표준이 아니라 JPEG 2000 제품군(ISO/IEC 15444)에 포함된 표준 모음입니다.
원래 JPEG 포맷에 비해 JPEG 2000의 주 요 장점 중 하나는 이산 코사인 변환(DCT) 대신 웨이블릿 변환을 사용한다는 것입니다. 웨이블릿 변환은 JPEG 이미지에 나타날 수 있는 동일한 수준의 가시적 인공물 없이 더 높은 압축률을 허용합니다. 이는 위성 영상, 의료 영상, 디지털 시네마, 보관 저장소와 같이 이미지 품질이 가장 중요한 고해상도 및 고품질 이미지 응용 분야에 특히 유리합니다.
JPEG 2000은 단일 압축 아키텍처 내에서 무손실 및 손실 압축을 모두 지원합니다. 무손실 압축은 가역 웨이블릿 변환을 사용하여 원래 이미지 데이터를 압축된 이미지에서 완벽하게 재구성할 수 있도록 합니다. 반면에 손실 압축은 비가역 웨이블릿 변환을 사용하여 이미지 내에서 덜 중요한 정보 일부를 삭제하여 더 높은 압축률을 달성합니다.
JPEG 2000의 또 다른 중요한 기능은 점진적 디코딩이라고도 하는 점진적 이미지 전송을 지원한다는 것입니다. 즉, 이미지를 더 낮은 해상도로 디코딩하여 표시한 다음 더 많은 데이터가 사용 가능해지면 점차 전체 해상도로 늘릴 수 있습니다. 이는 웹 브라우징이나 모바일 응용 분야와 같이 대역폭이 제한된 응용 분야에 특히 유용하며, 여기에서는 이미지의 낮은 품질 버전을 빠르게 표시하고 더 많은 데이터를 수신하면서 품질을 향상시키는 것이 유리합니다.
JPEG 2000은 또한 관심 영역(ROI) 개념을 도입합니다. 이를 통해 이미지의 다른 부분을 서로 다른 품질 수준으로 압축할 수 있습니다. 예를 들어, 의료 영상 시나리오에서 진단 기능이 포함된 영역은 주변 영역보다 무손실로 또는 더 높은 품질로 압축될 수 있습니다. 이러한 선택적 품질 제어는 이미지의 특정 부분이 다른 부분보다 더 중요한 분야에서 매우 중요할 수 있습니다.
JPEG 2000 이미지의 파일 포맷은 JP2로, 이미지 데이터와 메타데이터를 모두 포함하는 표준화되고 확장 가능한 포맷입니다. JP2 포맷은 .jp2 파일 확장자를 사용하며 색 공간 정보, 해상도 수준, 지적 재산 정보를 포함한 광범위한 정보를 포함할 수 있습니다. 또한 JPEG 2000은 텍스트와 그림을 모두 포함하는 문서와 같은 복합 이미지에 대한 JPM 포맷과 비디오 파일에 유사한 동작 시퀀스에 대한 MJ2 포맷을 지원합니다.
JPEG 2000은 EBCOT(최적 절단이 있는 임베디드 블록 코딩)이라는 정교한 코딩 방식을 사용합니다. EBCOT는 향상된 오류 복원력과 이미지 품질과 파일 크기 간의 원하는 균형을 달성하기 위해 압축을 미세 조정하는 기능을 포함하여 여러 가지 장점을 제공합니다. EBCOT 알고리즘은 이미지를 코드 블록이라는 작은 블록으로 나누고 각 블록을 독립적으로 인코딩합니다. 이를 통해 데이터 손상 시 로컬화된 오류 억제가 가능하고 이미지의 점진적 전송이 용이해집니다.
JPEG 2000의 색 공간 처리 방식은 원래 JPEG 표준보다 더 유연합니다. JPEG 2000은 그레이스케일, RGB, YCbCr 등 다양한 색 공간과 바이너리 이미지에서 구성 요소당 16비트 이상까지 다양한 비트 심도를 지원합니다. 이러한 유연성 덕분에 JPEG 2000은 다양한 응용 분야에 적합하며 다양한 이미징 기술의 요구 사항을 처리할 수 있습니다.
JPEG 2000에는 파일 내에 암호화 및 디지털 워터마킹을 포함하는 기능과 같은 강력한 보안 기능도 포함되어 있습니다. 이는 저작권 보호 또는 콘텐츠 인증이 문제가 되는 응용 분야에 특히 중요합니다. 표준의 JPSEC(JPEG 2000 보안) 부분은 이러한 보안 기능을 설명하며 안전한 이미지 배포를 위한 프레임워크를 제공합니다.
JPEG 2000의 과제 중 하 나는 원래 JPEG 표준보다 컴퓨팅이 더 집약적이라는 것입니다. 웨이블릿 변환과 EBCOT 코딩 방식의 복잡성은 JPEG 2000 이미지를 인코딩하고 디코딩하는 데 더 많은 처리 능력이 필요하다는 것을 의미합니다. 이는 컴퓨팅 오버헤드가 중요한 요인이 될 수 있는 가전 제품 및 웹 응용 분야에서의 채택을 역사적으로 제한했습니다. 그러나 처리 능력이 증가하고 특수 하드웨어 지원이 보편화됨에 따라 이러한 제한은 문제가 덜 되었습니다.
장점에도 불구하고 JPEG 2000은 원래 JPEG 포맷에 비해 널리 채택되지 않았습니다. 이는 부분적으로 JPEG 포맷의 편재성과 이를 지원하는 방대한 소프트웨어 및 하드웨어 생태계 때문입니다. 또한 JPEG 2000을 둘러싼 라이선스 및 특허 문제도 채택을 방해했습니다. JPEG 2000에 사용된 기술 중 일부는 특허를 받았으며 이러한 특허에 대한 라이선스를 관리해야 했기 때문에 일부 개발자와 기업에게는 매력이 떨어졌습니다.
파일 크기 측면에서 JPEG 2000 파일은 일반적으로 동일한 품질의 JPEG 파일보다 작습니다. 이는 JPEG 2000에서 사용되는 더 효율적인 압축 알고리즘 때문이며, 이는 이미지 데이터의 중복성과 무관성을 더 효과적으로 줄일 수 있습니다. 그러나 파일 크기의 차이는 이미지의 콘텐츠와 압축에 사용된 설정에 따라 달라질 수 있습니다. 세부 사항이 많거나 노이즈 수준이 높은 이미지의 경우 JPEG 2000의 우수한 압축으로 인해 파일이 상당히 작아질 수 있습니다.
JPEG 2000은 또한 타일링을 지원하며, 이는 이미지를 더 작은 독립적으로 인코딩된 타일로 나눕니다. 이는 위성 영상이나 매핑 응용 분야에서 사용되는 것과 같이 매우 큰 이미지에 유용할 수 있습니다. 이미지의 더 효율적인 인코딩, 디코딩, 처리가 가능하기 때문입니다. 사용자는 전체 이미지를 처리할 필요 없이 개별 타일을 액세스하고 디코딩할 수 있으며, 이를 통해 메모리와 처리 요구 사항을 절약할 수 있습니다.
JPEG 2000의 표준화에는 보관 및 검색 시스템에 중요한 측면인 메타데이터 처리에 대한 조항도 포함됩니다. JP2의 확장인 JPX 포맷은 XML 및 UUID 상자를 포함하여 모든 유형의 메타데이터 정보를 저장할 수 있는 광범위한 메타데이터를 포함할 수 있습니다. 이를 통해 JPEG 2000은 디지털 라이브러리와 박물관과 같이 메타데이터 보존이 중요한 응용 분야에 적합한 선택이 됩니다.
결론적으로 JPEG 2000은 원래 JPEG 포맷에 비해 더 높은 압축률, 점진적 디코딩, 관심 영역, 강력한 보안 기능을 포함하여 수많은 장점을 제공하는 정교한 이미지 압축 표준입니다. 색 공간과 비트 심도 측면에서의 유연성과 메타데이터 지원 덕분에 광범위한 전문 응
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.