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.
PCT 이미지 포맷은 Macintosh PICT 포맷으로도 알려져 있으며, 주로 Macintosh 컴퓨터에서 사용된 그래픽 파일 포맷입니다. 원래는 1980년대에 메타파일 포맷으로 설계되었으며, 이는 비트맵과 벡터 데이터를 모두 포함할 수 있음을 의미합니다. 이러한 다목적성으로 인해 간단한 일러스트레이션부터 복잡한 이미지까지 다양한 그래픽 유형을 저장하고 전송하는 데 널리 사용되었습니다. PCT 포맷은 Apple Inc.에서 개발하여 다양한 애플리케 이션 간에 그래픽을 전송하고 초기 Macintosh 운영 체제의 그래픽 사용자 인터페이스 기반이었던 QuickDraw 그래픽 라이브러리의 그래픽 덤프 포맷으로 사용하기 위해 개발했습니다.
PCT 포맷은 벡터와 비트맵 정보를 모두 저장할 수 있다는 점에서 독특합니다. 벡터 그래픽은 수학적 방정식으로 정의된 경로로 구성되어 있어 품질 저하 없이 확장할 수 있습니다. 반면 비트맵 그래픽은 픽셀로 구성되어 확장하면 세부 정보가 손실될 수 있습니다. 이 두 가지 유형의 데이터를 결합함으로써 PCT 파일은 텍스트, 선형 아트, 사진 요소가 있는 일러스트레이션과 같은 복잡한 이미지를 효율적으로 저장할 수 있으며, 이미지의 특정 부분을 저하 없이 확장할 수 있습니다.
PCT 파일은 512바이트 헤더로 시작하는 방식으로 구성되어 있으며, 일반적으로 0으로 채워지고 PCT 포맷 자체에서는 사용되지 않습니다. 그 다음에는 버전 번호와 이미지 크기와 같은 중요한 정보가 포함된 PCT 파일 헤더가 나옵니다. 헤더 다음에는 이미지를 렌더링하는 방법을 지시하는 옵코드(작업 코드)로 구성된 이미지 데이터가 나옵니다. 이러한 옵코드는 선, 모양, 색상 및 기타 그래픽 요소를 정의할 수 있으며, 래스터 이미지의 비트맵 데이터도 정의할 수 있습니다.
PCT 포맷에는 PICT1과 PICT2라는 두 가지 주요 버전이 있습니다. PICT1은 기본적인 그리기 명령과 제한된 수의 색상을 지원하는 원래 버전입니다. Macintosh II와 함께 도입된 PICT2는 24비트 색상, 그라디언트, JPEG 압축과 같은 더욱 정교한 이미징 기능을 지원합니다. PICT2는 또한 '영역'이라는 개념을 도입하여 더욱 복잡한 클리핑 작업을 가능하게 했습니다. 이를 통해 정의된 영역을 기반으로 이미지의 특 정 부분만 그릴 수 있습니다.
PCT 포맷의 주요 특징 중 하나는 이미지 데이터를 압축하는 기능입니다. PCT 파일은 RLE(Run-Length Encoding)을 사용하는데, 이는 동일한 데이터 값의 시퀀스를 원래 실행이 아닌 단일 값과 개수로 저장하는 간단한 형태의 데이터 압축입니다. 이는 균일한 색상의 넓은 영역이 있는 이미지에 특히 효과적입니다. PICT2는 사진 이미지를 압축하는 데 더 효율적인 JPEG 압축을 지원하여 이 기능을 향상시켰습니다.
PCT 포맷에는 당시로서는 첨단이었던 여러 가지 다른 기능도 포함되어 있습니다. 다중 해상도를 지원하므로 출력 장치의 기능에 따라 이미지를 다양한 수준의 세부 정보로 렌더링할 수 있습니다. 이는 일반적으로 해상도 요구 사항이 매우 다른 화면과 프린터에 동일한 이미지를 표시해야 할 때 특히 유용합니다. 또한 PCT 파일에는 벡터 데이터의 작은 비트맵 표현인 미리보기 이미지가 포함될 수 있습니다. 이를 통해 애플리케이션은 전체 벡터 그래픽을 렌더링하지 않고도 이미지의 썸네일을 빠르게 표시할 수 있습니다.
그 기능에도 불구하고 PCT 포맷에는 몇 가지 한계가 있습니다. 가장 중요한 것 중 하나는 투명성을 지원하지 않는 것입니다. GIF 및 PNG와 같은 포맷과 달리 PCT는 투명한 배경이나 반투명 요소가 있는 이미지를 만들 수 없습니다. 이러한 한계는 이미지를 레이어링하거나 이미지를 다양한 색상이나 패턴의 배경 위에 배치해야 할 때 문제가 될 수 있습니다.
PCT 포맷의 또 다른 한계는 플랫폼 의존성입니다. PCT는 Macintosh 운영 체제와 QuickDraw를 위해 설계되었으므로 다른 플랫폼에서는 기본적으로 지원되지 않습니다. Windows 및 기타 운영 체제에서 PCT 파일을 읽고 쓸 수 있는 타사 도구 와 라이브러리가 있지만, 이 포맷은 Macintosh 커뮤니티 외부에서는 널리 채택되지 않았습니다. 이로 인해 호환성 문제가 발생했으며, 특히 Macintosh 전용 소프트웨어 사용이 시간이 지남에 따라 감소했습니다.
PCT 포맷에는 보안 문제도 있습니다. 과거에는 일부 애플리케이션이 PCT 파일을 처리하는 방식에 취약점이 발견되어 악성 코드가 실행될 수 있었습니다. 이는 복잡성과 이전 버전과의 호환성으로 인해 보안 감독이 발생할 수 있는 많은 파일 포맷에서 흔히 발생하는 문제입니다. 그 결과 일부 최신 애플리케이션은 PCT 포맷 지원을 중단했거나 더 안전한 샌드박스 환경에서 처리합니다.
파일 확장자 측면에서 PCT 파일은 일반적으로 '.pct' 또는 '.pict' 확장자로 저장됩니다. 그러나 Macintosh 파일 시스템의 대소문자 구분되지 않는 특성으로 인해 이러한 확장자는 상호 교환 가능합니다. PCT 파일을 Linux와 같이 대소문자를 구분하는 파일 시스템이 있는 시스템으로 전송할 때는 호환성을 위해 올바른 파일 확장자를 유지하는 데 주의해야 합니다.
PCT 포맷은 PNG, JPEG, SVG와 같은 더욱 최신의 이미지 포맷으로 대체되었습니다. 이러한 포맷은 더 나은 압축, 더 넓은 플랫폼 지원, 투명성 및 애니메이션과 같은 추가 기능을 제공합니다. 그러나 PCT 파일은 여전히 특정 레거시 시스템과 애플리케이션, 특히 이전 Macintosh 운영 체제용으로 설계된 애플리케이션에서 사용되고 있습니다. 이러한 이유로 PCT 포맷을 이해하는 것은 보관 그래픽 자료를 다루거나 이전 Macintosh 소프트웨어와 인터페이스할 때 중요할 수 있습니다.
PCT 파일을 사용하는 개발자와 사용자를 위해 이러한 이미지를 보거나, 변환하거나, 편집하는 데 사용할 수 있는 여러 가지 도구가 있습니다. GraphicConverter는 PCT 파일을 비롯한 여러 가지 포맷을 처리할 수 있는 인기 있는 Macintosh 애플리케이션입니다. Adobe Photoshop도 PCT 파일을 열고 변환할 수 있는 기능이 있지만, 포맷의 관련성이 낮아져 최신 버전에서는 지원이 중단되었을 수 있습니다. 사용자가 PCT 파일을 JPEG 또는 PNG와 같은 더 일반적인 포맷으로 변환할 수 있는 온라인 도구도 몇 가지 있습니다.
프로그래밍 분야에서는 ImageMagick 및 Python Imaging Library(PIL)와 같은 라이브러리를 사용하여 PCT 파일을 프로그래밍 방식으로 조작할 수 있습니다. 이러한 라이브러리는 PCT 파일을 읽고, 쓰고, 변환하는 함수를 제공하며, 이미지 처리 작업을 수행합니다. 그러나 개발자는 이러한 라이브러리에서 PCT 파일 지원이 더 최신 포맷에 비해 제한적일 수 있으며, PCT 파일을 올바르게 처리하려면 추가적인 노력이 필요할 수 있음을 알아야 합니다.
결론적으로 PCT 이미지 포맷은 Macintosh 컴퓨팅 초기 시절에 그래픽을 저장하고 조작하는 유연하고 강력한 방법을 제공하여 중요한 역할을 했습니다. 이 포맷은 대체로 더 새로운 포맷으로 대체되었지만, 한때 유비쿼터스한 이 포맷에 여전히 의존하는 레거시 콘텐츠와 애플리케이션의 형태로 그 유산은 계속되고 있습니다. 구조와 기능부터 한계와 보안 문제까지 PCT의 기술적 측면을 이해하는 것은 보관 작업에서 이 포맷을 접하거나 이전 Macintosh 시스템과 상호 작용할 때 이 포맷을 만날 수 있는 전문가에게 필수적입니다.
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.