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.
WBMP(Wireless Bitmap) 이미지 포맷은 초기 휴대전화와 PDA(Personal Digital Assistants)와 같이 그래픽 및 컴퓨팅 성능이 제한적인 모바일 컴퓨팅 기기에 최적화된 단색 그래픽 파일 포맷입니다. 1990년대 후반에 도입되었으며, 당시보다 상당히 느리고 신뢰성이 낮았던 무선 네트워크를 통해 그래픽 정보를 효율적으로 전송하는 수단을 제공하도록 설계되었습니다. WBMP는 모바일 기기가 웹 콘텐츠에 액세스할 수 있도록 하는 프로토콜 모 음인 WAP(Wireless Application Protocol)의 일부입니다.
WBMP 이미지는 그레이스케일이나 색상을 지원하지 않고 전적으로 흑백 픽셀로 구성됩니다. 이러한 엄격한 제한은 초기 모바일 기기의 제한된 디스플레이 성능과 대역폭을 절약해야 하는 필요성을 반영한 실용적인 결정이었습니다. WBMP 이미지의 각 픽셀은 흑색 또는 백색의 두 가지 상태 중 하나에만 있을 수 있습니다. 이러한 이진적 특성은 이미지 데이터 구조를 단순화하여 더욱 컴팩트하게 만들고 리소스가 제한적인 기기에서 처리하기 쉽게 만듭니다.
WBMP 포맷은 비교적 간단한 구조를 따르므로 다양한 기기에서 파싱하고 렌더링하기 쉽습니다. WBMP 파일은 이미지 인코딩 유형을 나타내는 유형 필드로 시작합니다. 표준 WBMP 파일의 경우 이 유형 필드는 0으로 설정되어 기본 단색 이미지를 지정합니다. 유형 필드 다음에 두 개의 다중 바이트 정수 필드가 이미지의 너비와 높이를 각각 지정합니다. 이러한 필드는 가변 길이 포맷을 사용하여 인코딩되며, 이 포맷은 차원을 나타내는 데 필요한 바이트만 사용하여 대역폭을 보수적으로 사용합니다.
헤더 섹션 다음에 WBMP 파일의 본문에는 픽셀 데이터가 포함됩니다. 각 픽셀은 단일 비트로 표현됩니다. 0은 백색, 1은 흑색입니다. 이 때문에 8개의 픽셀을 단일 바이트에 압축할 수 있어 WBMP 파일은 JPEG나 PNG와 같은 보다 일반적인 포맷과 비교했을 때 특히 컴팩트합니다. 이러한 효율성은 WBMP가 설계된 모바일 시대의 기기와 네트워크에 매우 중요했는데, 이러한 기기와 네트워크는 종종 데이터 저장 및 전송 속도에 엄격한 제한이 있었습니다.
WBMP 포맷의 주요 장점 중 하나는 단순성입니다. 이 포맷의 미니멀리스트적 접근 방식은 일 반적으로 로고, 간단한 그래픽, 양식화된 텍스트와 같이 전달하는 데 사용되는 기본적인 아이콘과 같은 이미지에 매우 효율적입니다. 이러한 효율성은 이미지를 표시하는 데 필요한 처리까지 확장됩니다. 파일이 작고 포맷이 간단하기 때문에 디코딩과 렌더링은 매우 제한적인 컴퓨팅 성능을 가진 하드웨어에서도 빠르게 수행할 수 있습니다. 이로 인해 WBMP는 종종 더 복잡하거나 데이터가 많은 이미지 포맷으로 어려움을 겪었던 초기 세대의 모바일 기기에 이상적인 선택이 되었습니다.
제약적인 환경에서 사용하는 데 장점이 있음에도 불구하고 WBMP 포맷에는 상당한 제한이 있습니다. 가장 명백한 것은 단색 이미지로 제한된다는 것인데, 이는 효과적으로 표현할 수 있는 그래픽 콘텐츠의 범위를 본질적으로 제한합니다. 모바일 기기 디스플레이가 풀 컬러 이미지를 지원하도록 진화하고 사용자가 더 풍부한 미디어 콘텐츠를 기대하게 됨에 따라 더 다목적적인 이미지 포맷에 대한 필요성이 명확해졌습니다. 또한 WBMP 이미지의 이진적 특성은 그레이스케일이나 컬러 이미지에서 가능한 뉘앙스와 디테일이 없다는 것을 의미하며, 이는 더욱 자세한 그래픽이나 사진에는 적합하지 않습니다.
모바일 기술과 네트워크 인프라의 발전으로 WBMP 포맷의 관련성은 감소했습니다. 최신 스마트폰은 WBMP 포맷이 원래 설계된 기기와는 거리가 먼 강력한 프로세서와 고해상도 컬러 디스플레이를 자랑합니다. 마찬가지로 오늘날의 모바일 네트워크는 데이터 전송 속도가 상당히 높아져 실시간 웹 콘텐츠의 경우에도 JPEG나 PNG와 같은 더 복잡하고 데이터가 많은 이미지 포맷을 전송할 수 있습니다. 결과적으로 WBMP의 사용은 이러한 더욱 유능한 포맷 에 찬성하여 대체로 단계적으로 중단되었습니다.
게다가 웹 표준과 프로토콜의 개발도 WBMP의 폐기에 기여했습니다. HTML5와 CSS3의 확산으로 WBMP가 제공할 수 있는 것보다 더 높은 품질과 색상 충실도의 포맷으로 벡터 그래픽과 이미지를 포함하여 훨씬 더 정교한 웹 콘텐츠를 모바일 기기에 제공할 수 있습니다. 이러한 기술을 사용하여 웹 개발자는 다양한 기기와 화면 크기에 적응하는 풍부한 디테일과 대화형 콘텐츠를 만들 수 있으며, 이는 WBMP와 같이 제한적인 포맷을 사용하는 실용성을 더욱 저하시킵니다.
폐기되었음에도 불구하고 WBMP 포맷을 이해하면 모바일 컴퓨팅의 진화와 기술적 제약이 소프트웨어와 프로토콜 설계에 어떤 영향을 미치는지에 대한 귀중한 통찰력을 얻을 수 있습니다. WBMP 포맷은 설계자와 엔지니어가 당시의 제약 내에서 기능적인 솔루션을 만드는 데 어떻게 노력했는지 보여주는 대표적인 예입니다. 그 단순성과 효율성은 대역폭, 처리 성능, 저장 용량이 매우 중요했던 시기를 반영하며, 데이터 압축과 최적화에 대한 혁신적인 접근 방식이 필요했습니다.
결론적으로 WBMP 이미지 포맷은 모바일 컴퓨팅 개발의 형성기에 중요한 역할을 했으며, 초기 모바일 기기에서 간단한 그래픽 콘텐츠를 전송하고 표시하는 데 실용적인 솔루션을 제공했습니다. 더욱 다목적적이고 유능한 이미지 포맷으로 대체되었지만 모바일 기술의 역사에서 여전히 중요한 부분으로 남아 있습니다. 이는 기술의 끊임없는 진화를 상기시키고, 변화하는 성능과 사용자 요구에 적응하며 효율적이고 적응 가능한 프로토콜과 포맷을 개발하는 데 있어서 설계 고려 사항의 중요성을 보여줍니다.
이 변환기는 전적으로 브라우 저에서 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.