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.
PAM(Portable Arbitrary Map) 이미지 포맷은 Netpbm 프로젝트의 엄호 아래 설계된 이미지 파일 포맷 계열에서 비교적 덜 알려진 구성원입니다. 이는 다양한 깊이와 픽셀 데이터 유형을 가진 광범위한 이미지 유형을 표현할 수 있는 매우 유연한 포맷입니다. PAM은 기본적으로 이전의 PBM(Portable Bitmap), PGM(Portable Graymap), PPM(Portable Pixmap) 포맷의 확장이며, 이들은 집합적으로 PNM(Portable Any Map) 포맷으로 알려져 있으며, 기능과 압축을 희생하 고 단순성과 사용 편의성을 위해 설계되었습니다. PAM은 이러한 포맷의 한계를 극복하면서도 단순성과 사용 편의성을 유지하기 위해 도입되었습니다.
PAM 포맷은 장치와 플랫폼에 독립적으로 설계되었으며, 이는 이 포맷으로 저장된 이미지가 호환성 문제를 걱정하지 않고 모든 시스템에서 열리고 조작될 수 있음을 의미합니다. 이는 다양한 소프트웨어에서 쉽게 읽고 쓸 수 있는 일반 텍스트 또는 바이너리 포맷으로 이미지 데이터를 저장하여 달성됩니다. 이 포맷은 또한 확장 가능하여 이전 버전과의 호환성을 깨지 않고 새로운 기능과 성능을 포함할 수 있습니다.
PAM 파일은 헤더와 그 뒤에 이미지 데이터로 구성됩니다. 헤더는 이미지의 너비, 높이, 깊이, 최대값과 컬러 공간을 정의하는 튜플 유형을 지정하는 ASCII 텍스트입니다. 헤더는 마법 숫자 'P7'로 시작하고, 필요한 메타데이터를 제공하는 줄 바꿈으로 구분된 일련의 태그가 뒤따릅니다. 이미지 데이터는 헤더 바로 뒤에 나오며 바이너리 또는 ASCII 포맷으로 저장될 수 있으며, 바이너리는 파일 크기가 더 작고 처리 시간이 더 빠르기 때문에 더 일반적인 선택입니다.
PAM 헤더에 지정된 깊이는 픽셀당 채널 또는 구성 요소의 수를 나타냅니다. 예를 들어, 깊이 3은 일반적으로 컬러 이미지의 빨강, 녹색, 파랑 채널을 나타내는 반면, 깊이 4는 투명도를 위한 추가 알파 채널을 포함할 수 있습니다. 헤더에 지정된 최대값은 모든 채널의 최대값을 나타내며, 이는 이미지의 비트 깊이를 결정합니다. 예를 들어, 최대값 255는 채널당 8비트에 해당합니다.
튜플 유형은 픽셀 데이터의 해석을 정의하기 때문에 PAM 포맷의 핵심 기능입니다. 일반적인 튜플 유형에는 'BLACKANDWHITE', 'GRAYSCALE', 'RGB', 'RGB_ALPHA' 등이 있습니다. 이러한 유연성 덕분에 PAM 파일은 단순한 흑백 이미지에서 투명도가 있는 풀 컬러 이미지에 이르기까지 다양한 이미지 유형을 표현할 수 있습니다. 또한 사용자 지정 튜플 유형을 정의할 수 있어 이 포맷을 확장하고 특수한 이미징 요구 사항에 맞게 조정할 수 있습니다.
PAM 파일에는 헤더에 '#' 문자로 시작하는 선택적 주석 줄을 포함할 수도 있습니다. 이러한 주석은 이미지 리더기에서 무시되며 사람이 읽도록 의도된 것입니다. 이는 이미지 생성 날짜, 이미지 생성에 사용된 소프트웨어 또는 표준 헤더 필드에 맞지 않는 기타 관련 정보와 같은 메타데이터를 저장하는 데 사용할 수 있습니다.
PAM 파일의 이미지 데이터는 튜플의 시퀀스로 저장되며, 각 튜플은 하나의 픽셀을 나타냅니다. 튜플은 이미지의 왼쪽 위 픽셀부터 시작하여 왼쪽에서 오른쪽, 위에서 아래로 순서대로 정렬됩니다. 바이너리 포맷에서는 튜플의 각 채널에 대한 데이터가 바이너리 정수로 저장되며, 채널당 바이트 수는 헤더에 지정된 최대값에 의해 결정됩니다. ASCII 포맷에서는 채널 값이 공백으로 구분된 ASCII 10진수로 표현됩니다.
PAM 포맷의 장점 중 하나는 단순성으로, 이는 파싱하고 생성하기 쉽습니다. 이러한 단순성은 PAM에 내장된 압축 메커니즘이 없기 때문에 파일 크기의 대가를 치릅니다. 그러나 PAM 파일은 gzip 또는 bzip2와 같은 범용 압축 알고리즘을 사용하여 외부적으로 압축할 수 있으며, 이는 저장 또는 전송을 위한 파일 크기를 크게 줄일 수 있습니다.
장점에도 불구하고 PAM 포맷은 내장된 압축을 제공하고 더 광범위한 소프트웨어와 하드웨어에서 지원되는 JPEG, PNG, GIF와 같은 다른 이미지 포맷의 지배로 인해 주류에서는 널리 사용되지 않습니다. 그러나 PAM은 특히 유연성이 높거나 이미지 처리 또는 분석 작업이 포함되어 포맷의 단순성과 정밀성이 유익한 경우와 같이 특정 애플리케이션에 대한 가치 있는 포맷으로 남아 있습니다.
소프트웨어 개발 맥락에서 PAM 포맷은 종종 이미지 처리 파이프라인에서 중간 포맷으로 사용됩니다. 간단한 구조로 인해 사용자 지정 스크립트 또는 프로그램으로 쉽게 조작할 수 있으며, 유연성 덕분에 정보 손실 없이 다양한 처리 단계의 출력을 수용할 수 있습니다. 예를 들어, 이미지를 PAM 포맷으로 변환하고, 필터 또는 변환을 적용하기 위해 처리한 다음, 표시 또는 배포를 위해 더 일반적인 포맷으로 변환할 수 있습니다.
Netpbm 라이브러리는 PAM 및 기타 Netpbm 포맷으로 작업하기 위한 기본 소프트웨어 패키지입니다. 포맷 간 변환을 위한 명령줄 도구 컬렉션과 크기 조정, 자르기, 색상 조정과 같은 기본 이미지 조작을 수행하기 위한 도구를 제공합니다. 이 라이브러리는 또한 C 및 기타 언어를 위한 프로그래밍 인터페이스를 포함하여 개발자가 애플리케이션 내에서 PAM 파일을 직접 읽고 쓸 수 있도록 합니다.
PAM 포맷으로 작업하는 데 관심이 있는 사용자와 개발자는 염두에 두어야 할 몇 가지 사항이 있습니다. 첫째, 이 포맷은 덜 일반적이기 때문에 모든 이미지 보기 및 편집 소프트웨어가 이를 기본적으로 지원하지는 않습니다. 특정 작업에는 특수 도구를 사용하거나 다른 포맷으로 변환해야 할 수 있습니다. 둘째, 압축이 없다는 것은 PAM 파일이 특히 고해상도 이미지의 경우 매우 클 수 있음을 의미하므로 이 포맷으로 작업할 때는 저장 공간과 대역폭을 고려해야 합니다.
이러한 고려 사항에도 불구하고 PAM 포맷의 강점은 특정 맥락에서 가치 있는 도구가 됩니다. 단순성과 유연성은 신속한 개발과 실험을 용이하게 하고, 확장성은 미래의 요구 사항에 적응할 수 있음을 보장합니다. 연구, 과학적 이미징 또는 이미지 데이터의 무결성과 정밀성이 가장 중요한 모든 애플리케이션에서 PAM은 견고한 솔루션을 제공합니다.
결론적으로 PAM 이미지 포맷은 Netpbm 이미지 포맷 계열의 일부인 다목적이고 간단한 파일 포맷입니다. 이는 단순하고 유연하며 플랫폼에 독립적으로 설계되어 광범위한 이미지 유형과 애플리케이션에 적합합니다. 파일 크기나 광범위한 호환성이 문제가 되는 모든 상황에 가장 적합한 선택은 아니지만, 강점은 이미지 데이터의 정확한 표현과 조작이 필요한 특수 애플리케이션에 탁월한 선택이 됩니다. 따라서 이미지 처리 및 분석 분야에서 관련성 있고 유용한 포맷으로 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.