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.
PAL 이미지 포맷은 텔레비전 방송 표준(Phase Alternating Line)과 혼동해서는 안 되며, 컴퓨터 그래픽과 디지털 아트 분야에서 특히 다양한 애플리케이션에서 사용되는 컬러 팔레트 파일 포맷입니다. PAL 파일은 일반적으로 색인된 이미지에 적용하거나 다양한 디지털 자산 간의 일관성을 유지하는 데 사용할 수 있는 색상 컬렉션을 저장합니다. 이 포맷은 색상 수가 256개로 제한되고 원하는 시각적 결과를 얻으려면 컬러 팔레트를 정밀하게 제어해 야 하는 8비트 그래픽을 처리할 때 특히 유용합니다.
PAL 파일의 구조는 비교적 간단하며, 포맷과 버전을 지정하는 헤더와 팔레트 데이터 자체로 구성됩니다. 팔레트 데이터는 각 항목이 단일 색상을 정의하는 컬러 항목 배열입니다. 대부분의 경우 각 색상은 색상의 빨강, 초록, 파랑(RGB) 구성 요소에 해당하는 3바이트로 표현됩니다. PAL 포맷의 일부 변형에는 색상의 투명도 수준을 나타내는 알파 채널에 대한 추가 바이트가 포함될 수 있지만, 이는 덜 일반적입니다.
PAL 파일의 헤더는 소프트웨어가 나머지 파일을 올바르게 해석하는 데 도움이 되는 정보를 포함하고 있으므로 중요합니다. 일반적으로 파일을 PAL 포맷으로 식별하는 시그니처 또는 매직 넘버, 포맷 버전, 때로는 팔레트에 포함된 색상 수가 포함됩니다. 버전 정보는 PAL 포맷의 다른 반복을 지원할 수 있는 다양한 소프트웨어와의 호환성을 보장하는 데 중요합니다.
헤더 다음에 팔레트 데이터가 순차적으로 구성됩니다. 각 컬러 항목은 일반적으로 길이가 3바이트이며, 기본 컬러 구성 요소(빨강, 초록, 파랑) 각각에 대해 1바이트가 있습니다. 각 구성 요소의 값은 0~255 범위이며, 총 16,777,216개의 가능한 색상을 허용합니다. 그러나 PAL 파일은 종종 색인된 이미지와 함께 사용되므로 이러한 색상 중 일부만 팔레트에 포함되며, 일반적으로 최대 256개의 색상입니다.
색인된 이미지 포맷은 픽셀 데이터 내에 색상 정보를 직접 저장하는 대신 이미지의 각 픽셀을 팔레트의 색상에 매핑하여 작동합니다. 이는 팔레트 내에서 색상의 위치에 해당하는 숫자인 인덱스를 사용하여 수행됩니다. 예를 들어, 인덱스 0은 팔레트의 첫 번째 색상을 나타내고, 인덱스 1은 두 번째 색상을 나타내는 식입니다. 이러한 색상 참조 방법을 사용하면 파일 크기를 크게 줄일 수 있으며, 특히 저장 공간과 메모리가 제한되었던 초기 컴퓨팅 시대에 중요했습니다.
PAL 파일을 사용하는 주요 이점 중 하나는 이미지 데이터 자체를 수정할 필요 없이 팔레트를 변경하여 색인된 이미지의 모양을 변경할 수 있다는 것입니다. 이를 사용하여 다양한 시각적 테마를 만들거나, 다양한 조명 조건을 시뮬레이션하거나, 색상 보정을 수행할 수 있습니다. 예를 들어, 비디오 게임에서 동일한 스프라이트 그래픽을 다양한 팔레트와 함께 재사용하여 다양한 환경을 표현하거나 게임 상태의 변화(예: 데미지 또는 파워업)를 나타낼 수 있습니다.
PAL 포맷은 여러 이미지 또는 자산 간의 일관성을 보장하는 데도 유리합니다. 공통 팔레트를 공유하면 이미지 세트가 동일한 색상 세트를 사용하도록 보장할 수 있으며, 이는 일관된 모양과 느낌을 유지하는 데 중요합니다. 이는 여러 프레임이 순서대로 재생될 때 일관되게 보여야 하는 애니메이션이나 다양한 요소가 애플리케이션의 전체 색상 구성과 일치해야 하는 사용자 인터페이스 디자인과 같은 애플리케이션에서 특히 유용합니다.
이러한 장점에도 불구하고 PAL 포맷은 색인된 컬러 이미지와의 연관성으로 인해 한계가 있습니다. 디스플레이 기술과 그래픽 하드웨어가 발전함에 따라 색인된 컬러와 제한된 팔레트에 대한 필요성이 줄어들었습니다. 최신 그래픽 시스템은 수백만 개의 색상을 동시에 표시할 수 있어 풀 컬러 이미지를 사용하는 것이 더 실용적이고 바람직해졌습니다. 그 결과 PAL 파일의 사용은 PNG 또는 JPEG와 같이 트루 컬러를 지원하는 더 다목적적인 이미지 포맷에 밀려 감소했습니다.
그러나 PAL 포맷은 여전히 특정 틈새 애플리케이션에서 사용됩니다. 예를 들어, 스타일상의 이유로 컬러 팔레트를 의도적으로 제한하는 복고풍 게임 개발, 픽셀 아트, 기타 예술적 노력에서는 PAL 파일을 활용할 수 있습니다. 또한 PAL 포맷을 염두에 두고 설계된 일부 레거시 시스템과 소프트웨어는 호환성을 위해 여전히 PAL 파일을 사용해야 할 수 있습니다.
PAL 파일을 만들고 편집하는 것은 팔레트와 색인된 이미지 작업을 위해 설계된 특수 소프트웨어 도구를 사용하여 수행할 수 있습니다. 이러한 도구를 사용하면 아티스트와 개발자는 색상을 수동으로 또는 기존 이미지에서 선택하여 사용자 지정 팔레트를 만들 수 있습니다. 또한 색상 순서를 변경하고, 색상 값을 조정하고, PAL을 포함한 다양한 포맷으로 팔레트를 가져오거나 내보내서 팔레트를 조작할 수도 있습니다.
PAL 파일을 사용할 때는 대상 플랫폼 또는 소프트웨어의 특정 요구 사항을 인식하는 것이 중요합니다. 일부 시스템은 사용할 수 있는 색상 수에 제한이 있거나 팔레트를 특정 방식으로 구성해야 할 수 있습니다. 또한 색상이 해석되는 방식은 색상 공간 또는 감마 설정의 차이로 인해 시스템마다 다를 수 있으며, 이는 표시될 때 색상의 최종 모양에 영향을 미칠 수 있습니다.
파일 포맷 사양 측면에서 PAL 포맷은 PNG 또는 JPEG와 같은 포맷과 동일한 방식으로 표준화되지 않았습니다. 즉, PAL 파일이 구조화되고 다양한 소프트웨어에서 해석되는 방식에 차이가 있을 수 있습니다. 일부 애플리케이션은 PAL 포맷의 독점적 확장 또는 변형을 사용할 수 있으며, 이는 다른 프로그램 간에 파일을 교환할 때 호환성 문제를 일으킬 수 있습니다. PAL 파일을 만 들거나 편집하는 데 사용되는 소프트웨어가 의도된 사용 사례와 호환되는지 확인하는 것이 중요합니다.
PAL 포맷의 한계를 해결하기 위해 확장 및 대안이 개발되었습니다. 예를 들어, Adobe Color Table(.ACT) 포맷은 PAL과 유사하지만 Adobe 소프트웨어에서 사용하도록 특별히 설계되었습니다. Windows에서 사용하는 Microsoft Palette(PAL) 파일 포맷은 Windows 애플리케이션과의 호환성을 향상시키기 위한 추가 메타데이터를 포함하는 또 다른 변형입니다. 이러한 대안적 포맷은 PAL 포맷과 유사한 기능을 제공하지만 특정 소프트웨어 생태계와 더 잘 통합됩니다.
결론적으로 PAL 이미지 포맷은 색인된 이미지에서 컬러 팔레트를 관리하기 위한 간단하면서도 강력한 도구입니다. 최신 그래픽 기술의 출현으로 사용이 감소했지만 컬러 팔레트 관리가 중요한 특정 맥락에서 여전히 관련성이 있습니다. PAL 파일의 구조와 응용을 이해하는 것은 레거시 시스템, 복고풍 스타일 그래픽, 또는 제한된 컬러 팔레트를 정밀하게 제어해야 하는 모든 프로젝트를 사용하는 모든 사람에게 중요합니다. 다른 파일 포맷과 마찬가지로 호환성 및 표준화 문제를 고려하여 다양한 소프트웨어 도구와 플랫폼
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.