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 2000 멀티 레이어(JPM) 포맷은 이미지 압축 표준 및 코딩 시스템인 JPEG 2000 표준의 확장입니다. 이는 원래 JPEG 표준을 대체하려는 의도로 2000년에 공동 사진 전문가 그룹 위원회에서 만들었습니다. JPEG 2000은 높은 압축 효율성과 그레이스케일, 컬러, 다중 구성 요소 이미지를 포함한 광범위한 이미지 유형을 처리할 수 있는 능력으로 유명합니다. JPM 포맷은 특히 텍스트, 그래픽, 이미지를 혼합하여 포함할 수 있는 복합 문서에 대한 지원을 포함하도록 JPEG 2000의 기능을 확장합니다.
JPM은 JPEG 2000 Suite(ISO/IEC 15444-6)의 6부에 정의되어 있으며, 여러 이미지와 관련 데이터를 단일 파일에 캡슐화하도록 설계되었습니다. 이를 통해 서로 다른 유형의 콘텐츠를 함께 저장해야 하는 문서 이미징, 의료 이미징, 기술 이미징과 같은 애플리케이션에 특히 유용합니다. JPM 포맷은 문서 내의 페이지를 효율적으로 저장할 수 있도록 하며, 각 페이지에는 서로 다른 특성을 가진 여러 이미지 영역과 주석이나 메타데이터와 같은 비이미지 데이터가 포함될 수 있습니다.
JPM의 주요 기능 중 하나는 기본 JPEG 2000 코드 스트림(JP2)의 확장 버전인 JPEG 2000 코드 스트림(JPX)을 사용하는 것입니다. JPX는 더 광범위한 색 공간, 더 정교한 메타데이터, 더 높은 비트 심도를 지원합니다. JPM 파일에서 각 이미지 또는 '레이어'는 별도의 JPX 코드 스트림으로 저장됩니다. 이를 통해 각 레이어를 고유한 특성에 따라 압축할 수 있으며, 이는 더 효율적인 압축과 더 높은 품질의 결과, 특히 다양한 콘텐츠 유형이 있는 복합 문서의 경우로 이어질 수 있습니다.
JPM 파일의 구조는 계층적이며 일련의 상자로 구성됩니다. 상자는 헤더와 데이터를 포함하는 자체 포함 단위입니다. 헤더는 상자의 유형과 길이를 지정하는 반면, 데이터는 실제 콘텐츠를 포함합니다. JPM 파일의 최상위 상자는 파일을 JPEG 2000 패밀리 파일로 식별하는 시그니처 상자입니다. 시그니처 상자 다음에는 파일 유형 상자, 헤더 상자, 콘텐츠 상자 등이 있습니다. 헤더 상자에는 페이지 수와 각 페이지의 속성과 같은 파일 정보가 포함되어 있는 반면, 콘텐츠 상자에는 이미지 데이터와 관련 비이미지 데이터가 포함되 어 있습니다.
압축 측면에서 JPM 파일은 무손실 및 유손실 압축 방법을 모두 사용할 수 있습니다. 무손실 압축은 원본 이미지 데이터를 압축 데이터에서 완벽하게 재구성할 수 있음을 보장하며, 의료 이미징과 같이 이미지 무결성이 가장 중요한 애플리케이션에 필수적입니다. 반면에 유손실 압축은 일부 이미지 데이터를 삭제하여 더 작은 파일 크기를 허용하며, 완벽한 충실도가 필요하지 않은 상황에서 허용될 수 있습니다.
JPM은 또한 '프로그레시브 디코딩' 개념을 지원하는데, 이는 전체 해상도 이미지가 다운로드되거나 처리되는 동안 이미지의 저해상도 버전을 표시할 수 있음을 의미합니다. 이는 대용량 이미지나 느린 네트워크 연결에 특히 유용하며, 사용자가 전체 파일이 사용 가능해질 때까지 기다릴 필요 없이 빠른 미리보기를 얻을 수 있도록 합니다.
JPM의 또 다른 중요한 측면은 메타데이터에 대한 지원입니다. JPM 파일의 메타데이터에는 작성자, 제목, 키워드와 같은 문서 정보와 캡처 날짜, 카메라 설정, 지리적 위치와 같은 각 이미지 정보가 포함될 수 있습니다. 이 메타데이터는 XML 포맷으로 저장되어 쉽게 액세스하고 수정할 수 있습니다. 또한 JPM은 이미지의 색 공간을 정의하는 ICC 프로필을 포함하는 것을 지원하여 다양한 장치에서 정확한 색 재현을 보장합니다.
JPM 파일은 또한 각각 다른 해상도 또는 품질 설정을 가진 여러 버전의 이미지를 저장할 수 있습니다. '멀티 레이어링'으로 알려진 이 기능은 애플리케이션의 특정 요구 사항이나 사용 가능한 대역폭에 따라 적절한 버전의 이미지를 선택할 수 있으므로 더 효율적인 저장 및 전송을 가능하게 합니다.
보안은 JPM이 견고한 기능을 제공하는 또 다른 영역입니다. 이 포맷은 디지털 서명과 암호화를 포함하는 것을 지원하며, 이를 사용하여 문서의 진위를 확인하고 민감한 정보를 보호할 수 있습니다. 이는 문서의 무결성과 기밀성이 가장 중요한 법률 및 의료 문서 관리와 같은 분야에서 특히 중요합니다.
많은 장점에도 불구하고 JPM 포맷은 특히 소비자 시장에서 널리 채택되지 않았습니다. 이는 부분적으로 포맷의 복잡성과 JPM 파일을 처리하는 데 필요한 컴퓨팅 리소스 때문입니다. 또한 JPM을 포함한 JPEG 2000 표준 패밀리는 특허 라이선싱 문제의 대상이 되어 일반적으로 특허에 구속되지 않는 원래 JPEG 표준에 비해 채택이 방해되었습니다.
JPM 파일을 사용하는 소프트웨어 개발자와 엔지니어를 위해 포맷에 대한 지원을 제공하는 여러 라이브러리와 도구가 있습니다. 여기에는 오픈 소스 JPEG 2000 코덱인 OpenJPEG 라이브러리와 다양한 이미징 소프트웨어 회사의 상용 제품이 포함됩니다. JPM 파일을 사용할 때 개발자는 JPEG 2000 코드 스트림 구문과 복합 문서 및 메타데이터를 처리하기 위한 특정 요구 사항을 잘 알고 있어야 합니다.
결론적으로 JPM 이미지 포맷은 복합 문서를 저장하고 관리하는 데 적합한 다양한 기능을 제공하는 JPEG 2000 표준의 강력한 확장입니다. 여러 이미지 레이어, 프로그레시브 디코딩, 메타데이터, 멀티 레이어링, 보안 기능을 지원하여 이미지 품질과 문서 무결성이 중요한 전문적 및 기술적 애플리케이션에 이상적인 선택입니다. 다른 이미지 포맷만큼 일반적으로 사용되지는 않지만, 특수 기능으로 인해 문서 이미징 및 의료 이미징과 같은 분야에서 중요한 도구로 남아 있습니다.
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.