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.
Monkey's Audio 이미지 파일이라고도 알려진 MAC 이미지 포맷은 주로 압축된 오디오 데이터를 저장하는 데 사용되는 파일 포맷입니다. Macintosh 컴퓨터에서 사용되는 PICT, PNG 또는 JPEG와 같은 모든 이미지 파일 유형을 나타낼 수 있는 보다 일반적인 용어인 'Mac 이미지 포맷'과 혼동해서는 안 됩니다. MAC 이미지 포맷은 Matthew T. Ashland가 개발한 무손실 오디오 압축 코덱인 Monkey's Audio와 특별히 연관되어 있습니 다. 무손실 압축은 압축된 데이터에서 원본 데이터를 완벽하게 재구성할 수 있는 데이터 압축 알고리즘의 한 유형입니다. 이는 파일 크기를 줄이기 위해 일부 오디오 정보를 삭제하여 사운드 품질에 영향을 미칠 수 있는 MP3 또는 AAC와 같은 손실 압축 포맷과 대조적입니다.
Monkey's Audio는 품질 손실 없이 오디오를 압축하는 독점 알고리즘을 사용하여 오디오를 압축 해제하면 원본 소스와 비트 단위로 동일하다는 것을 의미합니다. 이는 고음질 오디오 재생이 필요한 오디오 애호가와 전문가에게 특히 중요합니다. MAC 포맷은 빠르게(그러나 압축률이 낮음)부터 높게(압축률이 높음)까지 다양한 압축 수준을 지원하여 사용자가 필요에 따라 파일 크기와 인코딩 시간의 균형을 맞출 수 있습니다.
MAC 파일 포맷은 압축된 오디오 데이터와 오디오 스트림에 대한 메타데이터를 보유하는 컨테이너에 캡슐화됩니다. 이 메타데이터에는 아티스트 이름, 앨범 제목, 트랙 번호 및 오디오 콘텐츠를 구성하고 식별하는 데 유용한 기타 세부 정보와 같은 정보가 포함될 수 있습니다. 이 포맷은 또한 표준 컴팩트 디스크 디지털 오디오(CDDA)의 16비트/44.1kHz를 능가하는 최대 24비트 및 96kHz의 고해상도 오디오를 처리할 수 있습니다.
MAC 포맷의 주요 특징 중 하나는 오류 감지 및 수정 기능입니다. 각 오디오 데이터 프레임에는 압축 해제 중 데이터의 무결성을 확인하는 데 사용할 수 있는 체크섬 또는 해시가 포함됩니다. 오류가 감지되면 소프트웨어는 오류를 수정하여 오디오 출력이 손상되지 않도록 할 수 있습니다. 이는 오디오 파일의 무결성이 가장 중요한 보관 목적으로 특히 유용합니다.
오디오 품질 측면에서의 장점에도 불구하고 MAC 포맷에는 몇 가지 한계가 있습니다. 가장 중요한 것 중 하나는 소프트웨어 및 하드웨어 플레이어에서 널리 지원되지 않는다는 것입니다. MP3 또는 FLAC와 같은 보다 인기 있는 포맷과 달리 Monkey's Audio 파일은 다양한 기기에서 보편적으로 재생되지 않습니다. 이는 파일을 다른 포맷으로 변환하지 않고 다양한 플랫폼에서 음악을 듣고 싶은 사용자에게는 상당한 단점이 될 수 있습니다.
또 다른 한계는 파일 크기입니다. Monkey's Audio가 무손실 압축을 제공하지만 결과 파일은 여전히 손실 파일보다 상당히 큽니다. 이는 저장 공간이 제한적이거나 대역폭이 제약될 수 있는 인터넷을 통해 오디오를 스트리밍하려는 사용자에게 문제가 될 수 있습니다. 결과적으로 MAC 포맷은 파일 크기가 작고 호환성이 더 중요한 휴대용 기기 및 스트리밍 애플리케이션에는 덜 적합합니다.
MAC 포맷에는 오디오 파일 자체에 메타데이터를 포함하는 태깅에 대한 지원도 포함됩니다. 이 태깅 시스템을 사용하면 제목, 아티스트, 앨범, 연도, 장르 및 코멘트와 같은 트랙에 대한 자세한 정보를 저장할 수 있습니다. 이러한 태그는 미디어 플레이어가 오디오 라이브러리를 사용자 친화적인 방식으로 구성하고 표시하는 데 필수적입니다. 이 포맷은 Monkey's Audio에 기본 제공되는 APE 태그와 MP3 파일에 더 일반적으로 연관되는 ID3 태그를 모두 지원합니다.
기술적 사양 측면에서 MAC 포맷은 무손실 압축을 달성하기 위해 다양한 기술을 사용합니다. 여기에는 과거 샘플을 기반으로 미래 샘플을 추정하는 선형 예측과 더 일반적인 요소를 더 적은 비트로 인코딩하여 중복을 줄이는 엔트로피 코딩이 포함됩니다. 이 포맷은 또한 압축 전에 오디오 데이터를 전처리하는 다양한 필터를 사용하여 압축 알고리즘의 효율성을 향상시킬 수 있습니다.
MAC 포맷의 압축 알고리즘은 비대칭적입니다. 즉, 오디오를 인코딩(압축)하는 프로세스가 디코딩(압축 해제)하는 것보다 CPU 집약적입니다. 이는 인코딩 프로세스에 종종 오디오 데이터를 표현하는 가장 효율적인 방법을 찾기 위한 복잡한 계산이 포함되기 때문에 많은 무손실 압축 알고리즘의 일반적인 특성입니다. 그러나 데이터가 압축되면 디코딩은 비교적 간단하고 처리 능력이 덜 필요합니다.
Monkey's Audio는 손상되거나 손상된 MAC 파일을 복구하는 데 사용할 수 있는 오류 수정 파일 생성도 지원합니다. APEv2 파일이라고 하는 이러한 수정 파일에는 데이터 손실 시 오디오를 원래 상태로 복원하는 데 사용할 수 있는 추가 데이터가 포함되어 있습니다. 이 기능은 오디오 파일에 추가적인 보안 계층을 추가하여 MAC 포맷을 오디오 아카이브의 장기 저장에 매력적인 옵션으로 만듭니다.
MAC 포맷은 많은 운영 체제에서 기본적으로 지원되지 않으므로 사용에 장애물이 될 수 있습니다. 그러나 다양한 플랫폼에서 MAC 파일의 재생, 변환 및 편집을 가능하게 하는 타사 소프트웨어 도구가 있습니다. 예를 들어, 사용자는 Foobar2000 또는 Winamp와 같은 인기 있는 미디어 플레이어용 플러그인을 찾아 Monkey's Audio 파일을 직접 재생할 수 있습니다. MAC 파일을 더 넓은 범위의 기기와 호환되도록 FLAC 또는 WAV와 같은 더 널리 지원되는 포맷으로 변환할 수 있는 변환 도구도 있습니다.
MAC 포맷의 채택이 제한적인 이유 중 하나는 FLAC, ALAC(Apple Lossless Audio Codec) 및 WAV(Waveform Audio File Format)와 같은 경쟁 무손실 오디오 코덱이 있다는 것입니다. 특히 FLAC은 오픈 소스 특성과 다양한 기기 및 소프트웨어 애플리케이션에서의 지원으로 인해 널리 받아들여졌습니다. ALAC은 Apple의 독점 소유이지만 Apple 기기 및 소프트웨어에서도 널리 지원됩니다. WAV는 압축되지 않지만 전문 오디오 산업에서 압축되지 않은 오디오의 표준 포맷이며 사실상 모든 곳에서 지원됩니다.
경쟁에도 불구하고 MAC 포맷은 오디오 품질을 무엇보다 우선시하고 더 큰 파일 크기와 제한된 호환성을 감수할 의향이 있는 사람들 사이에서 충성스러운 사용자 기반을 보유하고 있습니다. 이러한 사용자에게 MAC 포맷의 견고한 오류 수정, 고해상도 오디오 지원 및 효율적인 무손실 압축은 고품질 오디오 파일을 보관하고 듣는 데 선호되는 선택이 됩니다.
결론적으로 MAC 이미지 포맷은 무손실 오디오 압축을 위해 설계된 코덱인 Monkey's Audio와 연관된 특수 오디오 파일 포맷입니다. 고품질 오디오 재생, 오류 감지 및 수정, 고해상도 오디오 지원을 제공합니다. 그러나 더 큰 파일 크기, 기기 및 소프트웨어와의 제한된 호환성, 대안적인 무손실 코덱의 존재로 인해 채택이 방해받습니다. 일상적인 사용에 가장 실용적인 선택은 아니지만 MAC 포맷은 오디오 녹음에서 최고의 충실도를 요구하고 이를 수용하기 위한 필요한 소프트웨어 및 저장 솔루션에 투자할 의향이 있는 오디오 애호가와 전문가에게는 여전히 가치 있는 도구
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.