서명된 계약서는 PDF로 스캔됩니다. 페이지 하단의 서명은 위에 인쇄된 텍스트와 마찬가지로 페이지 이미지의 일부입니다. 이 스캔한 문서에 대해 OCR을 실행하면 OCR 엔진이 전체 페이지를 처리합니다. 인쇄된 텍스트를 인식하여 검색 가능한 텍스트 레이어에 추가합니다. 자필 서명도 만난다. 엔진은 서명이 텍스트가 아니라는 사실을 모릅니다. 루프, 곡선 및 획을 문자로 인식하려고 시도합니다. 결과는 텍스트 레이어에서 횡설수설입니다. 즉, 서명이 나타나는 문서에 임의의 문자, 기호 및 물음표가 포함되어 있습니다.
서명이 포함된 스캔 문서의 OCR에서는 서명을 텍스트가 아닌 요소로 처리해야 합니다. OCR 엔진은 서명 영역을 완전히 무시하거나 이미지로 인식하고 건너뛰어야 합니다. 이 가이드에서는 서명이 텍스트로 잘못 읽히는 것을 방지하는 방법과 서명이 이미 처리된 경우 OCR 출력을 정리하는 방법을 다룹니다.
서명과 관련된 OCR PDF 문제는 서명이 OCR 엔진이 해석하려고 시도하는 페이지의 시각적 공간을 차지한다는 것입니다. 이를 방지하려면 전처리 또는 선택적 OCR이 필요합니다.
OCR 중 서명 처리 방법
| 방법 | 작동 방식 | 에 가장 적합 |
|---|---|---|
| 서명 제외가 포함된 선택적 OCR | 서명 영역을 제외하는 OCR 영역을 정의합니다. 서명이 처리되지 않습니다. 텍스트 영역만 인식됩니다. | 서명 위치를 예측할 수 있는 문서(일반적으로 마지막 페이지 하단) |
| OCR 후 서명 정리 | 전체 페이지에서 OCR을 실행합니다. 처리 후 서명이 생성한 횡설수설 텍스트를 검색하고 삭제합니다. | 이미 OCR 처리되었거나 영역 기반 제외를 사용할 수 없는 문서 |
| 서명을 마스크하기 위한 이미지 전처리 | OCR 전에 서명 영역을 흰색으로 디지털 방식으로 칠합니다. OCR 엔진이 공백을 인식하고 텍스트를 생성하지 않습니다. | 서명 제외가 중요하고 후처리 정리가 부족한 문서 |
서명 OCR 아티팩트 정리
OCR이 이미 서명을 처리한 경우 인식된 텍스트에서 서명 영역을 검색합니다. 임의의 문자, 특이한 문자 순서 또는 단어를 구성하지 않는 텍스트의 클러스터를 찾으십시오. 이 조각을 삭제하세요. 텍스트 레이어의 서명 영역은 비어 있어야 합니다. 시각적 서명은 페이지 이미지에 남아 있습니다. 텍스트 레이어에는 실제 문서 텍스트만 포함되어야 합니다.
WukongPDF OCR 도구는 스캔한 문서를 처리합니다. 서명이 있는 스캔 PDF은 OCR 후에 검토하여 텍스트 레이어에서 서명 아티팩트를 제거해야 합니다.
정리된 OCR 출력 확인
정리 후 문서에서 서명의 일반적인 OCR 아티팩트(순서대로 된 임의의 대문자, 반복되는 문자 또는 문장 부호 문자열)를 검색합니다. 검색 결과 발견되면 검토하고 제거하십시오. 텍스트 레이어에는 문서 콘텐츠만 포함되어야 합니다. Sign PDF 서명 영역은 검색 가능한 텍스트에 아무 것도 기여해서는 안 됩니다.
서명 제외가 포함된 올바르게 OCR된 문서에는 깨끗한 텍스트 레이어가 있습니다. 인쇄된 내용을 검색할 수 있습니다. 서명은 표시되지만 텍스트에는 표시되지 않습니다. 이는 올바른 동작입니다.
OCR 영역 선택을 사용하여 서명 제외
일부 OCR 도구를 사용하면 처리하기 전에 텍스트 영역 주위에 직사각형을 그릴 수 있습니다. OCR 엔진은 직사각형 내부 영역만 처리합니다. 모든 텍스트 내용 주위에 직사각형을 그리고 서명 영역을 선택하지 않은 상태로 둡니다. 서명이 OCR에서 완전히 제외됩니다.
OCR PDF 영역 기반 접근 방식은 서명 제외를 위한 가장 안정적인 방법입니다. 서명 영역은 인식 엔진에 제출되지 않습니다.
서명 패턴을 인식하기 위한 OCR 엔진 교육
고급 OCR 시스템은 서명과 유사한 패턴을 식별하고 자동으로 건너뛰도록 교육할 수 있습니다. 교육에는 샘플 문서에 서명 예시를 표시하는 작업이 포함됩니다. 엔진은 서명의 시각적 특성을 학습하고 향후 OCR 실행에서 유사한 패턴을 제외합니다.
서명 제외에 대한 스캔 PDF 기계 학습 접근 방식은 시간이 지남에 따라 개선됩니다. 처리된 각 문서는 다음 문서에 대한 교육 데이터를 제공합니다.
이미지 편집을 사용하여 서명 영역 사전 청소
OCR 전에 이미지 편집기에서 스캔한 페이지를 엽니다. 브러시 도구를 사용하여 서명 영역을 흰색으로 칠합니다. 정리된 이미지를 저장합니다. 정리된 이미지에 대해 OCR을 실행합니다. 이제 서명 영역이 비어 있고 OCR 아티팩트가 생성되지 않습니다. 이 방법은 서명 픽셀을 물리적으로 제거하므로 영역 기반 제외보다 더 안정적입니다.
스캔 PDF 사전 세척 접근 방식은 서명 제외를 보장합니다. 서명은 OCR이 보기 전에 이미지에서 제거됩니다. OCR 엔진이 잘못 해석할 일은 없습니다.
서명 제외 유무에 따른 OCR 출력 비교
같은 페이지에서 OCR을 두 번 실행합니다. 한 번은 서명 제외를 사용하고 한 번은 서명 제외를 사용합니다. 텍스트 출력을 비교하십시오. 제외되지 않은 버전의 경우 서명 영역에 문자가 깨져 있습니다. 제외 버전은 깨끗합니다. 비교는 서명 처리의 중요성을 보여주고 OCR 엔진이 어려움을 겪는 다른 영역을 식별합니다.
OCR PDF 비교 방법은 품질 진단입니다. 이는 서명 아티팩트뿐만 아니라 눈에 띄지 않을 수 있는 기타 인식 문제도 드러냅니다.
일괄 처리를 위한 서명 감지 자동화
대량의 서명된 문서 배치의 경우 페이지당 수동으로 서명을 제외하는 것은 비현실적입니다. 페이지의 픽셀 밀도, 획 너비 및 위치를 기반으로 시그니처와 유사한 패턴을 감지하고 OCR 전에 자동으로 마스킹하는 이미지 처리 스크립트를 사용합니다. 자동화는 서명을 식별하고 마스킹하는 반복적인 작업을 처리합니다.
자동화를 통한 PDF 양식 배치 서명 제외는 수동 방법으로는 확장할 수 없는 대용량 문서 처리에 적합합니다.