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 XL(JXL) 이미지 포맷은 JPEG, PNG, GIF와 같은 기존 포맷의 성능을 뛰어넘는 차세대 이미지 코딩 표준으로, 뛰어난 압축 효율성, 품질, 기능을 제공합니다. 이는 이미지 압축 표준 개발에 중요한 역할을 한 공동 사진 전문가 그룹(JPEG) 위원회의 협력적 노력의 결과입니다. JPEG XL은 전문 사진에서 웹 그래픽에 이르기까지 광범위한 사용 사례를 처리할 수 있는 범용 이미지 포맷으로 설계되었습니다.
JPEG XL의 주요 목표 중 하나는 시각적 품 질을 저하시키지 않고 파일 크기를 크게 줄일 수 있는 고품질 이미지 압축을 제공하는 것입니다. 이는 고급 압축 기술과 최신 코딩 프레임워크를 결합하여 달성됩니다. 이 포맷은 모듈식 접근 방식을 사용하여 색 공간 변환, 톤 매핑, 반응형 크기 조정과 같은 다양한 이미지 처리 작업을 압축 파이프라인에 직접 통합할 수 있습니다.
JPEG XL은 Google의 PIK와 Cloudinary의 FUIF(Free Universal Image Format)라는 두 가지 이전 이미지 코덱을 기반으로 구축되었습니다. 이러한 코덱은 이미지 압축에 몇 가지 혁신을 도입했으며, 이는 더욱 개선되어 JPEG XL에 통합되었습니다. 이 포맷은 로열티 없이 설계되어 이미지 저장 및 배포를 위한 비용 효율적인 솔루션이 필요한 소프트웨어 개발자와 콘텐츠 제작자 모두에게 매력적인 옵션이 되었습니다.
JPEG XL의 압축 효율성의 핵심은 ANS(비대칭 숫자 시스템)라는 최신 엔트로피 코딩 기술을 사용하는 것입니다. ANS는 이미지 데이터의 통계적 분포를 효율적으로 인코딩하여 거의 최적의 압축률을 제공하는 산술 코딩의 한 형태입니다. 이를 통해 JPEG XL은 원래 JPEG 포맷에서 사용되는 허프만 코딩과 같은 기존 방식보다 더 나은 압축을 달성할 수 있습니다.
JPEG XL은 또한 인간의 시각적 인식에 더 잘 맞도록 설계된 XYB(eXtra Y, Blue-yellow)라는 새로운 색 공간을 도입합니다. XYB 색 공간은 인간의 눈에 더 중요한 이미지 구성 요소를 우선시하여 더 효율적인 압축을 가능하게 합니다. 이를 통해 파일 크기가 더 작을 뿐만 아니라 미묘한 색상 변화가 있는 영역에서 압축 아티팩트가 더 적은 이미지가 생성됩니다.
JPEG XL의 또 다른 주요 기능은 HDR(High Dynamic Range) 및 WCG(Wide Color Gamut) 이미지에 대한 지원입니다. 디스플레이 기술이 발전함에 따라 이러한 새로운 디스플레이에서 생성할 수 있는 확장된 밝기와 색상 범위를 처리할 수 있는 이미지 포맷에 대한 수요가 증가하고 있습니다. JPEG XL의 HDR 및 WCG에 대한 기본 지원은 추가 메타데이터나 사이드카 파일 없이도 최신 화면에서 이미지가 생생하고 실감나게 보이도록 합니다.
JPEG XL은 또한 점진적 디코딩을 염두에 두고 설계되었습니다. 즉, 이미지는 다운로드 중에도 낮은 품질로 표시될 수 있으며, 더 많은 데이터가 사용 가능해짐에 따라 품질이 점진적으로 향상될 수 있습니다. 이 기능은 인터넷 속도가 다양할 수 있는 웹 브라우징에 특히 유용합니다. 전체 파일을 다운로드할 때까지 기다릴 필요 없이 이미지 미리보기를 제공하여 더 나은 사용자 경험을 제공합니다.
역호환성 측면에서 JPEG XL은 'JPEG 재압축'이라는 고유한 기능을 제공합니다. 이를 통해 기존 JPEG 이미지를 품질 손실 없이 JPEG XL 포맷으로 재압축할 수 있습니다. 재압축된 이미지는 크기가 더 작을 뿐만 아니라 모든 원래 JPEG 데이터를 유지하므로 필요한 경우 원래 JPEG 포맷으로 다시 변환할 수 있습니다. 이를 통해 JPEG XL은 원래 파일에 되돌릴 수 있는 기능을 유지하면서 저장 요구 사항을 크게 줄일 수 있으므로 대규모 JPEG 이미지 컬렉션을 보관하는 데 매력적인 옵션이 됩니다.
JPEG XL은 또한 웹에서 반응형 이미지에 대한 요구 사항을 해결합니다. 단일 파일에 여러 이미지 해상도를 저장하는 기능을 통해 웹 개발자는 사용자의 기기와 화면 해상도에 따라 가장 적합한 이미지 크기를 제공할 수 있습니다. 이를 통해 다른 해상도에 대한 별도의 이미지 파일이 필요하지 않고 반응형 웹 디자인을 만드는 과정이 간소화 됩니다.
전문 사진가와 그래픽 디자이너의 경우 JPEG XL은 원본 이미지 데이터의 모든 비트를 보존하는 무손실 압축을 지원합니다. 이는 의료 영상, 디지털 아카이브, 전문 사진 편집과 같이 이미지 무결성이 가장 중요한 애플리케이션에 필수적입니다. JPEG XL의 무손실 모드는 또한 매우 효율적이며, 종종 PNG 또는 TIFF와 같은 다른 무손실 포맷에 비해 파일 크기가 더 작습니다.
JPEG XL의 기능 세트는 GIF 및 WebP 포맷과 유사하지만 훨씬 더 나은 압축과 품질을 제공하는 애니메이션 지원으로 확장됩니다. 이를 통해 웹에서 GIF를 대체하는 데 적합하며, 더 넓은 색상 팔레트와 GIF의 256색 제한이 없는 더 부드러운 애니메이션을 제공합니다.
이 포맷에는 EXIF, XMP, ICC 프로필을 포함한 견고한 메타데이터 지원이 포함되어 압축 중에 이미지에 대한 중요한 정보가 보존됩니다. 이 메타데이터에는 카메라 설정, 저작권 정보, 색상 관리 데이터와 같은 세부 정보가 포함될 수 있으며, 이는 전문적인 사용과 디지털 유산 보존에 필수적입니다.
보안과 프라이버시도 JPEG XL 설계에서 고려됩니다. 이 포맷은 실행 가능한 코드를 포함하는 것을 허용하지 않으므로 이미지를 통해 악용될 수 있는 보안 취약성의 위험을 줄입니다. 또한 JPEG XL은 온라인으로 이미지를 공유할 때 사용자 프라이버시를 보호하는 데 도움이 될 수 있는 민감한 메타데이터 제거를 지원합니다.
JPEG XL은 새로운 기능과 기술이 등장함에 따라 지원할 수 있도록 확장할 수 있는 유연한 컨테이너 포맷을 사용하여 미래에 대비하도록 설계되었습니다. 이를 통해 이 포맷은 변화하는 요구 사항에 적응하고 앞으로 수년 동안 범용 이미지 포맷으로 계속 사용될 수 있습니다.
채택 측면에서 JPEG XL은 아직 초기 단계이며, 웹 브라우저, 운영 체제, 이미지 편집 소프트웨어에 대한 지원을 통합하기 위한 노력이 진행 중입니다. 더 많은 플랫폼이 이 포맷을 채택함에 따라 향상된 효율성, 품질, 기능을 결합하여 이전 이미지 포맷을 대체하는 데 견인력을 얻을 것으로 예상됩니다.
결론적으로 JPEG XL은 이미지 압축 기술의 상당한 발전을 나타냅니다. 높은 압축 효율성, 최신 이미징 기능 지원, 역호환성을 결합하여 이미지 저장 및 전송을 위한 새로운 표준이 될 강력한 후보로 자리매김합니다. 이 포맷이 더 널리 채택됨에 따라 디지털 이미지를 만들고, 공유하고, 소비하는 방식을 혁명시킬 수 있으며, 모든 사람이 더 쉽고 즐겁게 이용할 수 있게 됩니다.
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.