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.
PBM(Portable Bitmap) 포맷은 단색 이미지를 저장하는 데 사용되는 가장 간단하고 초기의 그래픽 파일 포맷 중 하나입니다. 회색조 이미지용 PGM(Portable GrayMap)과 컬러 이미지용 PPM(Portable PixMap)도 포함하는 Netpbm 제품군의 일부입니다. PBM 포맷은 프로그램에서 읽고 쓰기가 매우 쉽고 명확하며 모호하지 않도록 설계되었습니다. 독립형 포맷이 아니라 다양한 이미지 포맷 간에 변환하기 위한 최소 공통 분모입니다.
PBM 포맷은 흑백(1비트) 이미지만 지원합니다. 이미지의 각 픽셀은 단일 비트로 표현되며, 흰색은 0, 검정색은 1입니다. 포맷이 간단하기 때문에 특수 이미지 처리 라이브러리가 필요하지 않고 기본 텍스트 편집 도구나 프로그래밍 언어를 사용하여 간단하게 조작할 수 있습니다. 그러나 이러한 간단성으로 인해 파일 크기를 줄이기 위한 압축 알고리즘을 사용하는 JPEG나 PNG와 같은 더 정교한 포맷보다 PBM 파일이 더 클 수 있습니다.
PBM 포맷에는 ASCII(일반) 포맷인 P1과 바이너리(원시) 포맷인 P4의 두 가지 변형이 있습니다. ASCII 포맷은 사람이 읽을 수 있으며 간단한 텍스트 편집기로 만들거나 편집할 수 있습니다. 바이너리 포맷은 사람이 읽을 수 없지만 공간 효율성이 더 높고 프로그램에서 읽고 쓰는 속도가 더 빠릅니다. 저장 방식의 차이에도 불구하고 두 포맷 모두 동일한 유형의 이미지 데이터를 나타내며 정보 손실 없이 서로 변환할 수 있습니다.
ASCII 포맷의 PBM 파일 구조는 파일 유형을 식별하는 2바이트 매직 넘버로 시작합니다. PBM ASCII 포맷의 경우 'P1'입니다. 매직 넘버 다음에는 공백(공백, 탭, CR, LF)이 있고, 그 다음에는 이미지의 열 수인 너비 사양이 있고, 그 다음에는 공백이 있고, 그 다음에는 이미지의 행 수인 높이 사양이 있습니다. 높이 사양 다음에는 공백이 있고, 그 다음에 픽셀 데이터가 시작됩니다.
ASCII PBM 파일의 픽셀 데이터는 일련의 '0'과 '1'로 구성되며, 각 '0'은 흰색 픽셀을 나타내고 각 '1'은 검정색 픽셀을 나타냅니다. 픽셀은 행으로 배열되며, 각 행의 픽셀은 새 줄에 있습니다. 2자 시퀀스 내부를 제외하고 픽셀 데이터의 어느 곳에서나 공백을 사용할 수 있습니다(시퀀스의 두 문자 사이에는 허용되지 않음). width*height 비트를 읽은 후에 파일의 끝에 도달합니다.
반면에 바이너리 PBM 포맷은 'P1' 대신 'P4'의 매직 넘버로 시작합니다. 매직 넘버 다음에는 픽셀 데이터가 시작될 때까지 파일의 포맷이 ASCII 버전과 동일합니다. 바이너리 픽셀 데이터는 바이트로 압축되며, 각 바이트의 최상위 비트(MSB)는 가장 왼쪽 픽셀을 나타내고, 각 행의 픽셀은 마지막 바이트를 채우는 데 필요한 만큼 패딩됩니다. 패딩 비트는 중요하지 않으며 값은 무시됩니다.
바이너리 포맷은 픽셀당 최소 8바이트(픽셀당 1자와 공백)를 사용하는 ASCII 포맷과 달리 8개 픽셀을 나타내는 데 전체 바이트를 사용하기 때문에 공간 효율성이 더 높습니다. 그러나 바이너리 포맷은 사람이 읽을 수 없으며 이미지를 표시하거나 편집하려면 PBM 포맷을 이해하는 프로그램이 필요합니다.
프로그래밍 방식으로 PBM 파일을 만드는 것은 비교적 간단합니다. C와 같은 프로그래밍 언어에서는 쓰기 모드로 파일을 열고, 적절한 매직 넘버를 출력하고, 공백으로 구분된 ASCII 숫자로 너비와 높이를 쓰고, 픽셀 데이터를 출력합니다. ASCII PBM의 경우 픽셀 데이터는 적절한 줄 바꿈으로 '0'과 '1'의 시퀀스로 쓸 수 있습니다. 바이너리 PBM의 경우 픽셀 데이터를 바이트로 압축하고 바이너리 모드로 파일에 써야 합니다.
PBM 파일을 읽는 것도 간단합니다. 프로그램은 매직 넘버를 읽어 포맷을 확인하고, 공백을 건너뛰고, 너비와 높이를 읽고, 더 많은 공백을 건너뛰고, 픽셀 데이터를 읽습니다. ASCII PBM의 경우 프로그램은 한 번에 한 문자씩 읽고 픽셀 값으로 해석할 수 있습니다. 바이너리 PBM의 경우 프로그램은 바이트를 읽고 픽셀 값을 얻기 위해 개별 비트로 압축 해제해야 합니다.
PBM 포맷은 압축이나 인코딩을 지원하지 않으므로 파일 크기는 이미지의 픽셀 수에 정비례합니다. 이로 인해 고해상도 이미지의 경우 매우 큰 파일이 생성될 수 있습니다. 그러나 포맷이 간단하기 때문에 이미지 처리에 대해 배우거나, 파일 크기보다 이미지 충실도가 더 중요한 상황에서 사용하거나, 이미지 변환 프로세스에서 중간 포맷으로 사용하기에 이상적입니다.
PBM 포맷의 장점 중 하나는 간단성과 조작이 쉬운 점입니다. 예를 들어, PBM 이미지를 반전하려면(모든 검정색 픽셀을 흰색으로, 그 반대의 경우도 마찬가지로) 픽셀 데이터에서 모든 '0'을 '1'로, 모든 '1'을 '0'으로 바꾸면 됩니다. 이 작업은 간단한 텍스트 처리 스크립트나 프로그램으로 수행할 수 있습니다. 마찬가지로 회전이나 미러링과 같은 다른 기본 이미지 작업도 간단한 알고리즘으로 구현할 수 있습니다.
간단함에도 불구하고 PBM 포맷은 일반적인 이미지 저장이나 교환에는 널리 사용되지 않습니다. 이는 주로 압축이 부족하기 때문이며, 이로 인해 대용량 이미지를 저장하거나 대역폭이 문제가 될 수 있는 인터넷을 통해 사용하기에는 비효율적입니다. JPEG, PNG, GIF와 같은 더 최신 포맷은 다양한 형태의 압축을 제공하며 이러한 목적에 더 적합합니다. 그러나 PBM 포맷은 여전히 일부 맥락에서 사용되며, 특히 소프트웨어 개발의 간단한 그래픽과 이미지 처리 개념에 대한 교육 도구로 사용됩니다.
PBM 포맷을 포함하는 Netpbm 제품군은 PBM, PGM, PPM 파일을 조작하기 위한 도구 모음을 제공합니다. 이러한 도구를 사용하면 Netpbm 포맷과 다른 인기 있는 이미지 포맷 간에 변환할 수 있 으며, 크기 조정, 자르기, 색상 조작과 같은 기본 이미지 처리 작업도 수행할 수 있습니다. 이 제품군은 새로운 기능을 추가하기 위한 간단한 인터페이스를 갖춘 확장성이 뛰어나도록 설계되었습니다.
결론적으로 PBM 이미지 포맷은 단색 비트맵 이미지를 저장하기 위한 간단하고 불필요한 파일 포맷입니다. 간단하기 때문에 이해하고 조작하기 쉽고, 교육 목적이나 간단한 이미지 처리 작업에 유리할 수 있습니다. 압축이 부족하고 그로 인해 파일 크기가 커서 모든 애플리케이션에 적합하지는 않지만, 강점이 가장 유익한 특정 맥락에서는 여전히 유용한 포맷입니다. PBM 포맷은 Netpbm 제품군의 나머지 부분과 함께 기본 이미지 처리 및 포맷 변환 작업을 수행하는 사람들에게 계속해서 가치 있는 도구가 될 것입니다.
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.