OCR이란?
스캔한 페이지는 하나의 그림입니다. 사람은 읽을 수 있지만 컴퓨터에는 점으로만 보여서, 검색하거나 문장을 복사하거나 화면 낭독기로 읽게 할 수 없습니다. OCR(광학 문자 인식)은 그림 속 글자를 찾아 실제 텍스트로 바꿔 줍니다.
검색 가능한 PDF를 선택하면 페이지 이미지는 그대로 두고 그 아래에 보이지 않는 텍스트 레이어를 추가합니다. 문서의 모양은 같지만 Ctrl+F로 검색하고, 텍스트를 선택해 복사할 수 있으며, 컴퓨터나 문서 시스템의 검색으로도 찾을 수 있습니다. 일반 텍스트(.txt)를 선택하면 인식된 텍스트만 받아 이메일이나 문서에 바로 붙여넣을 수 있습니다.
언어
언어를 알려 주면 인식 정확도가 훨씬 높아집니다. 문서에 나오는 언어를 모두 선택하세요(최대 4개). 언어 수가 적을수록 인식이 더 빠르고 정확합니다. 지원하는 언어는 다음과 같습니다.
영어, 스페인어, 포르투갈어, 프랑스어, 독일어, 이탈리아어, 네덜란드어, 스웨덴어, 덴마크어, 폴란드어, 체코어, 슬로바키아어, 헝가리어, 루마니아어, 그리스어, 러시아어, 터키어, 인도네시아어, 베트남어, 태국어, 중국어(간체), 중국어(번체), 일본어, 한국어.
인식 결과를 높이는 옵션
- 기울어진 페이지 바로잡기(기본 켜짐): 약간 비스듬히 스캔된 페이지를 똑바로 돌려 줍니다. 인식률이 좋아지고 문서도 더 깔끔해 보입니다.
- 스캔 노이즈 제거: 품질이 낮은 스캔본의 점과 얼룩을 인식 전에 깨끗이 정리합니다.
- 이미 텍스트가 있는 페이지: 그대로 유지는 텍스트가 없는 페이지만 인식하며 대부분의 스캔본에 적합합니다. OCR 다시 실행은 오래되었거나 품질이 나쁜 텍스트 레이어를 교체합니다. 모두 이미지로 변환 후 OCR은 모든 페이지를 이미지로 바꿔 처음부터 다시 인식하며, 기존 텍스트가 깨져 있을 때 사용하세요.
OCR 결과를 좋게 하려면
가장 중요한 것은 스캔 품질입니다. 300 DPI로 스캔하세요. 일반 텍스트는 200 DPI가 최소이며, 작은 글씨는 더 높은 해상도가 필요합니다. 텍스트에는 흑백이나 회색조로 충분합니다. 휴대폰 사진도 페이지가 평평하고 선명하며 조명이 고르고 바로 위에서 찍었다면 사용할 수 있습니다. 인쇄된 텍스트는 매우 정확하게 인식되지만, 손글씨는 대개 인식되지 않습니다. 표의 내용은 유지되지만, 단이 많은 복잡한 레이아웃은 텍스트 파일에서 읽는 순서가 달라질 수 있습니다.
서버 처리, 제한 및 개인정보
OCR은 많은 연산이 필요해 자체 서버에서 널리 알려진 오픈소스 도구인 OCRmyPDF와 Tesseract로 처리합니다. 파일은 암호화된 HTTPS 연결로 전송되어 처리된 직후 삭제되며, 결과 파일은 15분 이내에 삭제됩니다. 문서는 최대 300페이지, 100 MB까지 가능합니다. 용량이 큰 스캔본은 시간이 걸릴 수 있으며, 페이지에 진행 상황과 대기 순서가 표시됩니다.
이 사이트의 다른 도구에서도 OCR을 사용합니다. PDF를 Word로와 PDF를 Excel로는 스캔한 페이지를 자동으로 인식하고, DjVu를 PDF로는 결과를 검색 가능하게 만들 수 있습니다. OCR 후 용량이 큰 스캔 PDF를 줄이려면 PDF 압축을 사용하세요.