이미지 글자 추출 (OCR)

광학 문자 인식(OCR)은 그림 속 글자를 복사하고 검색하고 고칠 수 있는 텍스트로 되돌립니다. 영수증, 슬라이드, 오류 메시지 캡처, 책 한 쪽처럼요. 이 도구는 오픈소스 Tesseract 엔진으로 한국어, 영어, 일본어, 중국어를 비롯한 12가지 언어의 이미지를 브라우저 안에서 직접 읽으므로 사진이 기기를 벗어나지 않습니다.

사용 방법

1. 이미지를 하나 이상 고릅니다. 똑바르고 밝고 대비가 뚜렷한 사진일수록 결과가 좋습니다.
2. 글자의 언어를 고릅니다. 한국어와 영어가 섞인 페이지는 ‘영어 + 한국어’를 고르세요.
3. 화면 캡처와 문서는 ‘한 단으로 된 글’ 그대로 두고, 여러 단이 있는 페이지는 ‘자동’을, 일부가 빠지면 한 줄, 한 덩어리, 흩어진 글자 중에서 고릅니다.
4. 흐린 스캔본은 ‘흑백으로 변환’을, 어두운 화면의 흰 글자는 ‘어두운 배경에 밝은 글자’를 체크합니다.
5. 버튼을 누른 뒤 추출한 텍스트를 복사합니다. 처음 실행할 때는 엔진과 언어 데이터를 내려받습니다.

계산식

평균 신뢰도 = 이미지에서 엔진이 단어마다 계산한 신뢰도(0–100%)의 평균

인식하기 전에 이미지를 2배로 확대할 수 있고(높이 약 20 px 미만의 작은 글자는 읽기 어렵습니다), Otsu 방법으로 순수한 흑백으로 바꿀 수도 있습니다. Otsu 방법은 두 픽셀 집단을 가장 잘 가르는 회색 수준(집단 간 분산이 최대가 되는 값)을 고릅니다. 중국어와 일본어는 Tesseract가 글자 사이에 넣는 공백을 제거합니다.

예시

너비 1170 px인 휴대폰 화면 캡처의 두 줄짜리 영어 오류 메시지를 영어와 기본값인 한 단 레이아웃으로 읽으면, 보통 두 줄을 한 단어도 틀리지 않고 높은 평균 신뢰도로 돌려줍니다. 같은 글을 램프 아래에서 비스듬히 찍으면 점수가 낮아지고 몇 군데를 고쳐야 할 수 있습니다. 신뢰도가 약 70% 미만이면 모든 줄을 확인하세요.

알아 둘 한계

인쇄된 글자는 손글씨보다 훨씬 잘 읽히며, 손글씨는 대부분 인식되지 않습니다. 표는 격자 없이 글줄로만 나옵니다. 아주 작거나 흐리거나 휘어졌거나 대비가 낮은 글자는 오류가 생기므로, 글자 부분만 잘라 똑바로 찍으세요. 엔진(몇 MB)과 언어별 데이터(약 1.5–3 MB)는 처음 쓸 때 내려받고 이후에는 저장된 것을 씁니다.