스캔한 이미지에 불과한 PDF가 있습니다. 모든 페이지는 종이 한 장의 사진입니다. 편집하고, 검색하고, 서식을 지정할 수 있는 실제 Word 문서로 변환해야 합니다. 복사할 텍스트가 없기 때문에 복사 및 붙여넣기가 작동하지 않습니다. 40페이지를 손으로 다시 입력하는 것은 심각한 선택이 아닙니다. 유일한 실용적인 경로는 OCR, 광학 문자 인식 및 원본 레이아웃을 존중하는 변환입니다.
프로세스는 잘 확립되어 있고 도구는 성숙하지만 출력 품질은 입력 품질과 변환 중 선택에 따라 크게 달라집니다. 단순하게 입력된 문서를 깨끗하고 고해상도로 스캔하면 거의 완벽에 가까운 정확도로 편집 가능한 Word 파일로 변환됩니다. 표, 열, 손으로 쓴 메모가 포함된 복잡한 레이아웃의 저해상도 스캔은 변환 후 정리가 필요합니다. 각 품질 수준에서 무엇을 기대할 수 있는지 알면 OCR 엔진이 제대로 처리할 수 없을 정도로 입력이 너무 저하되어 도구가 실패했다고 생각하는 좌절감을 방지할 수 있습니다.
스캔을 Word로 변환할 때 OCR이 실제로 수행하는 작업
OCR 변환은 2단계 프로세스입니다. 첫 번째 단계에서 OCR 엔진은 스캔한 이미지를 분석하고 텍스트, 이미지, 표 및 기타 콘텐츠 유형이 포함된 영역을 식별합니다. 이 레이아웃 분석 단계는 출력 문서의 읽기 순서와 구조를 결정하므로 매우 중요합니다. 엔진이 단일 열에 대한 2열 레이아웃을 착각하면 출력은 왼쪽 및 오른쪽 열의 문장을 횡설수설로 인터리브합니다.
두 번째 단계에서 엔진은 각 텍스트 영역을 문자별로 처리하여 픽셀 패턴을 알려진 문자 형식과 일치시킵니다. PDF 협회의 2025년 벤치마크에서는 입력된 텍스트의 깨끗한 300 DPI 스캔에 대한 OCR 정확도가 테스트된 엔진 전체에서 95%에서 99% 이상인 것으로 나타났습니다(PDF 협회, "OCR 정확도 벤치마크 보고서", 2025). 이러한 정확도에서는 2,500자의 일반적인 페이지에 25~125개의 오류가 포함됩니다. 이러한 오류의 대부분은 시각적으로 모호한 문자(예: 숫자 1 대 문자 l, 문자 조합 rn 대 단일 m 또는 스캔 아티팩트에 의해 부분적으로 가려진 구두점)에서 발생합니다.
가능한 최상의 전환을 위한 설정
변환 품질을 향상시키기 위해 할 수 있는 가장 영향력 있는 일은 OCR 소프트웨어를 사용하기 전에 발생합니다. 바로 300 DPI 이상으로 스캔하는 것입니다. 2018년 라스베이거스 네바다 대학교의 연구에 따르면 300 DPI 스캔의 OCR 정확도는 평균 97.5%인 반면, 동일한 문서의 150 DPI 스캔은 평균 87.2%였습니다(UNLV, "OCR 정확도에 대한 이미지 해상도의 영향", 2018). 10포인트 정확도 차이는 빠른 맞춤법 검사로 정리할 수 있는 문서와 광범위한 수동 수정이 필요한 문서 간의 차이입니다.
해상도 외에도 몇 가지 사전 스캔 습관이 도움이 됩니다. 기울어지지 않도록 문서를 평평하게 놓고 스캐너 베드에 직각으로 정렬합니다. OCR 엔진은 흑백 입력을 더 빠르고 정확하게 처리하므로 텍스트 문서에는 컬러 모드보다는 회색조 또는 흑백 모드를 사용합니다. 그림자를 드리우거나 텍스트를 가리는 스테이플, 종이 클립, 스티커 메모를 제거하십시오. 책이나 제본된 문서를 스캔하는 경우, OCR 엔진이 종종 문자나 단어 경계로 잘못 해석하는 어두운 여백 그림자를 최소화하기 위해 책등을 유리에 대고 평평하게 누르십시오.
스캔한 PDF를 단계별로 Word로 변환
이제 OCR 기술이 성숙해졌으므로 변환 자체를 실행하는 데 몇 단계만 거치면 됩니다. WukongPDF를 사용하면 스캔한 PDF를 업로드하고 OCR 옵션을 선택한 다음 출력 형식으로 Word를 선택합니다. 이 도구는 스캔한 페이지에서 OCR을 수행하고 인식된 텍스트를 .docx 파일로 내보냅니다. 전체 프로세스가 브라우저에서 실행되므로 소프트웨어를 설치할 필요가 없으며 파일이 원격 서버에서 처리되기 위해 장치를 떠나지 않습니다.
데스크톱 소프트웨어를 선호하는 경우 Adobe Acrobat Pro의 PDF 내보내기 기능이 비슷하게 작동합니다. 즉, 스캔한 PDF를 열고 다음으로 내보내기를 선택한 다음 Microsoft Word를 선택하면 Acrobat이 Word 파일을 생성하기 전에 자동으로 OCR PDF을 실행합니다. 데스크톱 접근 방식은 일괄 처리라는 장점이 있습니다. 밤새 변환을 위해 스캔한 PDF 폴더 전체를 대기열에 추가하고 아침에 Word 문서로 가득 찬 폴더로 돌아올 수 있습니다.
무료 도구도 이 작업을 처리할 수 있습니다. Google 드라이브는 업로드된 모든 이미지나 PDF를 자동으로 OCR하지만 출력은 .docx 파일이 아닌 Google 문서입니다. 간단한 레이아웃에서는 변환 품질이 허용되지만 표, 열 및 혼합 콘텐츠에서는 종종 어려움을 겪습니다. 그런 다음 Google 문서를 .docx 파일로 다운로드하여 Word에서 편집할 수 있습니다. 이 2단계 경로는 효과가 있고 비용도 들지 않지만 스캔을 Google Doc으로, Google Doc을 Word로 변환하는 두 번의 변환에서 누적된 형식 드리프트로 인해 최종 문서의 형식을 다시 지정하는 데 시간이 소요될 것으로 예상됩니다.
출력에서 기대할 수 있는 사항 및 정리 방법
기대치를 미리 설정하세요. 당신은 좌절의 시간을 절약할 수 있습니다. OCR 엔진은 텍스트를 인식합니다. 원본 문서의 서식을 다시 생성하지 않습니다. 원본 PDF의 글꼴은 유사한 시스템 글꼴로 대체됩니다. 단락 간격, 여백 및 들여쓰기는 픽셀 단위까지 완벽하게 재현하는 것이 아니라 원본 레이아웃에 대한 OCR 엔진의 최선의 추측을 반영합니다. 표는 실제 Word 표 개체가 아닌 탭으로 구분된 텍스트로 도착할 수 있습니다. 원본 스캔의 이미지는 생략되거나 소스 영역의 잘린 스크린샷으로 포함됩니다.
구조부터 시작한 다음 화장품을 다루세요. 그 순서가 가장 많은 시간을 절약해 줍니다. 문서를 훑어보고 열이나 사이드바가 본문에 병합되는 읽기 순서 문제를 해결하세요. 제목이 굵은 글씨로 본문 텍스트에 표시되지 않고 제목으로 인식되었는지 확인하세요. 번호가 매겨진 목록과 글머리 기호 목록이 목록으로 남아 있는지 확인합니다. 구조적 문제가 해결된 후 맞춤법 검사를 실행하여 OCR 오류를 찾아냅니다. 대부분의 워드 프로세서는 인식할 수 없는 단어에 자동으로 플래그를 표시하므로 OCR 오류를 쉽게 찾아 수정할 수 있습니다. 마지막으로 구조적으로 깔끔한 문서에 원하는 서식, 글꼴, 여백 및 스타일을 적용합니다.
OCR 변환에 어려움을 겪는 경우 및 해결 방법
특정 유형의 문서는 사용하는 도구에 관계없이 OCR 엔진에 안정적으로 도전합니다. 손으로 쓴 텍스트는 여전히 가장 어려운 경우입니다. 최근 몇 년 동안 AI 기반 필기 인식이 크게 향상되었지만, 입력한 텍스트와 필기 텍스트 간의 정확성 격차는 여전히 상당합니다. 스캔된 PDF에 대부분 손으로 쓴 내용이 포함되어 있는 경우 변환 후 상당한 수동 수정을 수행하거나 단순히 검색 가능한 이미지 PDF가 필요한지 편집 가능한 텍스트가 필요한지 고려하십시오.
레이아웃이 복잡한 문서, 여러 열로 구성된 학술 논문, 신문 페이지, 레이블이 지정된 상자에 텍스트가 흩어져 있는 양식도 일관성 없는 결과를 생성합니다. OCR 엔진은 읽기 순서를 결정해야 하며, 복잡한 페이지에서는 해당 순서가 사람이 의도한 읽기 순서와 일치하지 않을 수 있습니다. 한 가지 실용적인 해결 방법은 OCR을 실행하기 전에 스캔을 더 작은 단일 열 영역으로 자르거나 마스크한 다음 별도의 출력을 다시 조립하는 것입니다. 사전에 시간이 더 많이 걸리지만 최종 문서가 훨씬 더 깔끔해집니다.
색상이 있거나 질감이 있는 용지에 인쇄된 문서 또는 워터마크, 스탬프 또는 두꺼운 배경 패턴이 있는 문서는 텍스트를 배경에서 분리하는 임계값 알고리즘을 혼동시킵니다. 결과적으로 인공물, 병합된 문자 또는 배경 요소가 텍스트로 잘못 식별된 허위 구두점으로 뒤덮인 텍스트가 생성됩니다. OCR을 실행하기 전에 이미지 편집기에서 스캔을 디지털 방식으로 정리하는 것처럼 더 높은 대비 설정이나 회색조로 다시 스캔하는 것이 도움이 되는 경우가 많습니다. 텍스트를 어두운 검정색으로 유지하면서 배경을 순백색으로 만들기 위해 밝기와 대비를 높이면 OCR 엔진에 가능한 가장 깨끗한 입력이 제공됩니다.