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.
YCbCrA는 디지털 비디오 및 이미지 압축에 일반적으로 사용되는 색 공간 및 이미지 형식입니다. 루마(밝기) 정보를 크로마(색상) 정보와 분리하여 더 효율적인 인코딩을 위해 독립적으로 압축할 수 있습니다. YCbCrA 색 공간은 투명도를 위한 알파 채널을 추가한 YCbCr 색 공간의 변형입니다.
YCbCrA 색 공간에서 Y는 픽셀의 밝기 또는 강도인 루마 구성 요소를 나타냅니다. 인간의 눈이 밝기를 인식하는 방식에 따라 빨간색, 녹색, 파란 색 구성 요소의 가중 합계로 계산됩니다. 가중치는 인간 시각 인식의 평균 스펙트럼 감도를 설명하는 광도 함수를 근사하도록 선택됩니다. 루마 구성 요소는 픽셀의 인식된 밝기를 결정합니다.
Cb와 Cr은 각각 청색 차이와 적색 차이 크로마 구성 요소입니다. 이미지의 색상 정보를 나타냅니다. Cb는 루마를 파란색 구성 요소에서 빼서 계산하고, Cr은 루마를 빨간색 구성 요소에서 빼서 계산합니다. 색상 정보를 이러한 색상 차이 구성 요소로 분리함으로써 YCbCrA는 RGB보다 색상 정보를 더 효율적으로 압축할 수 있습니다.
YCbCrA의 알파(A) 채널은 각 픽셀의 투명도 또는 불투명도를 나타냅니다. 이미지를 렌더링할 때 픽셀 색상의 얼마나 많은 부분을 배경과 혼합해야 하는지 지정합니다. 알파 값이 0이면 픽셀이 완전히 투명하고, 알파 값이 1(또는 8비트 표현에서 255)이면 픽셀이 완전히 불투명합니다. 0과 1 사이의 알파 값은 배경과 다양한 정도로 혼합되는 부분적으로 투명한 픽셀을 생성합니다.
YCbCrA 색 공간의 주요 장점 중 하나는 RGB에 비해 더 효율적인 압축이 가능하다는 것입니다. 인간 시각 시스템은 색상 변화보다 밝기 변화에 더 민감합니다. YCbCrA는 루마와 크로마 정보를 분리하여 인코더가 가장 인지적으로 중요한 정보를 담고 있는 루마 구성 요소에 더 많은 비트를 할당하고 크로마 구성 요소를 더 공격적으로 압축할 수 있습니다.
압축 중에 루마와 크로마 구성 요소는 서로 다른 비율로 서브샘플링될 수 있습니다. 서브샘플링은 루마 구성 요소의 전체 해상도를 유지하면서 크로마 구성 요소의 공간 해상도를 줄입니다. 일반적인 서브샘플링 방식으로는 4:4:4(서브샘플링 없음), 4:2:2(크로마가 수평으로 2배 축소), 4:2:0( 크로마가 수평 및 수직으로 2배 축소)이 있습니다. 서브샘플링은 인간 시각 시스템의 색상 세부 사항에 대한 감도가 낮다는 점을 이용하여 인지적 품질 손실 없이 더 높은 압축률을 허용합니다.
YCbCrA 이미지 형식은 JPEG, MPEG, H.264/AVC와 같은 비디오 및 이미지 압축 표준에서 널리 사용됩니다. 이러한 표준은 크로마 서브샘플링, 이산 코사인 변환(DCT), 양자화, 엔트로피 코딩을 포함한 다양한 기술을 사용하여 YCbCrA 데이터를 압축합니다.
이미지 또는 비디오 프레임을 압축할 때 YCbCrA 데이터는 일련의 변환 및 압축 단계를 거칩니다. 이미지는 먼저 RGB에서 YCbCrA 색 공간으로 변환됩니다. 루마와 크로마 구성 요소는 일반적으로 8x8 또는 16x16픽셀 크기의 블록으로 분할됩니다. 각 블록은 공간 픽셀 값을 주파수 계수로 변환하는 이산 코사인 변환(DCT)을 거칩니다.
그런 다음 DCT 계수가 양자화되어 각 계수를 양자화 단계 크기로 나누고 결과를 가장 가까운 정수로 반올림합니다. 양자화는 인지적으로 덜 중요한 고주파 정보를 버림으로써 손실 압축을 도입합니다. 양자화 단계 크기는 압축률과 이미지 품질 간의 균형을 제어하기 위해 조정할 수 있습니다.
양자화 후 계수는 저주파 계수를 그룹화하기 위해 지그재그 패턴으로 재정렬되며, 이는 일반적으로 크기가 더 큽니다. 재정렬된 계수는 허프만 코딩 또는 산술 코딩과 같은 기술을 사용하여 엔트로피 코딩됩니다. 엔트로피 코딩은 더 자주 발생하는 계수에 더 짧은 코드워드를 할당하여 압축된 데이터의 크기를 더욱 줄입니다.
YCbCrA 이미지를 압축 해제하려면 역방향 프로세스가 적용됩니다. 엔트로피 코딩된 데이터가 디코딩되어 양자화된 DCT 계수를 검색합니다. 그런 다음 계수는 해당 양자화 단계 크기로 곱하여 양자화 해제됩니다. 양자화 해제된 계수에 역 DCT가 수행되어 YCbCrA 블록이 재구성됩니다. 마지막으로 YCbCrA 데이터는 표시 또는 추가 처리를 위해 RGB 색 공간으로 다시 변환됩니다.
YCbCrA의 알파 채널은 일반적으로 루마 및 크로마 구성 요소와 별도로 압축됩니다. 런 길이 인코딩 또는 블록 기반 압축과 같은 다양한 방법을 사용하여 인코딩할 수 있습니다. 알파 채널은 이미지 또는 비디오를 서로 다른 불투명도로 중첩하는 것과 같은 투명도 효과를 허용합니다.
YCbCrA는 다른 색 공간 및 이미지 형식에 비해 여러 가지 장점을 제공합니다. 루마와 크로마 정보를 분리하면 인간 시각 시스템이 색상 변화보다 밝기 변화에 더 민감하기 때문에 더 효율적인 압축이 가능합니다. 크로마 구성 요소의 서브샘플링은 인지적 품질에 큰 영향을 미치지 않고 압축할 데이터의 양을 더욱 줄입니다.
또한 YCbCrA는 JPEG 및 MPEG와 같은 인기 있는 압축 표준과 호환되므로 다양한 플랫폼과 기기에서 널리 지원됩니다. 투명도를 위한 알파 채널을 통합할 수 있는 기능은 이미지 합성 또는 혼합이 필요한 응용 프로그램에도 적합합니다.
그러나 YCbCrA에도 한계가 있습니다. RGB에서 YCbCrA로 변환하고 다시 변환하면 특히 크로마 구성 요소가 심하게 압축된 경우 약간의 색상 왜곡이 발생할 수 있습니다. 크로마 구성 요소의 서브샘플링은 또한 색상 전이가 심한 영역에 색상 블리딩 또는 아티팩트를 초래할 수 있습니다.
이러한 한계에도 불구하고 YCbCrA는 효율성과 광범위한 지원으로 인해 이미지 및 비디오 압축에 인기 있는 선택으로 남아 있습니다. 압축 성능과 시각적 품질 간의 균형을 맞추어 디지털 카메라 와 비디오 스트리밍부터 그래픽과 게임에 이르기까지 광범위한 응용 프로그램에 적합합니다.
기술이 발전함에 따라 YCbCrA의 한계를 해결하고 더 나은 압축 효율성과 시각적 품질을 제공하는 새로운 압축 기술과 형식이 등장할 수 있습니다. 그러나 루마와 크로마 정보 분리, 서브샘플링, 변환 코딩의 기본 원리는 향후 이미지 및 비디오 압축 표준에서도 관련성이 유지될 가능성이 높습니다.
결론적으로 YCbCrA는 루마와 크로마 정보를 분리하고 크로마 서브샘플링을 허용하여 효율적인 압축을 제공하는 색 공간 및 이미지 형식입니다. 투명도를 위한 알파 채널이 포함되어 다양한 응용 프로그램에 다목적으로 사용할 수 있습니다. 몇 가지 한계가 있지만 YCbCrA의
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.