배경이 컬러인 문서에서는 OCR 정확도가 크게 떨어집니다. 하늘색 종이에 인쇄된 양식입니다. 크림스톡 인증서입니다. 노란색 바탕에 빨간색 텍스트가 있는 표지판입니다. 사진 위에 텍스트가 오버레이된 브로셔입니다. OCR 엔진은 흰색 배경에 검정색 텍스트를 기대합니다. 배경에 색상이 있으면 텍스트와 배경 간의 대비가 감소합니다. 문자 가장자리가 배경으로 흐릿해집니다. 인식 정확도가 떨어집니다. 컬러 배경이 OCR 정확도를 저하시키는 이유를 이해하면 처리하기 전에 올바른 수정 사항을 적용하는 데 도움이 됩니다.
배경 색상은 대비 감소, 색상 채널 혼동 및 임계값 감지 오류를 통해 OCR에 영향을 미칩니다. 각 메커니즘은 서로 다른 방식으로 정확도를 감소시킵니다. 수정 사항은 각 메커니즘을 구체적으로 해결합니다.
컬러 배경의 OCR PDF 정확도는 인식 전 배경을 정규화하는 이미지 전처리를 통해 향상될 수 있습니다.
컬러 배경이 OCR에 미치는 영향
OCR 엔진은 임계값 지정이라는 프로세스를 통해 컬러 이미지를 흑백으로 변환합니다. 모든 픽셀은 검정색이 되는 텍스트나 흰색이 되는 배경으로 분류됩니다. 컬러 배경에서 배경의 일부인 픽셀은 텍스트 픽셀과 유사한 명암 값을 가질 수 있습니다. 특히 배경이 어두운 색이거나 텍스트가 밝은 색인 경우에는 더욱 그렇습니다. 임계값 지정 알고리즘은 배경 픽셀을 텍스트로 분류하거나 텍스트 픽셀을 배경으로 분류하는 실수를 범합니다.
정확도 향상을 위한 전처리
먼저 이미지를 회색조로 변환하세요. 그런 다음 하나의 전역 임계값 대신 이미지의 여러 영역에 대해 서로 다른 임계값을 사용하는 적응형 임계값을 적용합니다. 적응형 방법은 전역 임계값보다 다양한 배경색을 더 잘 처리합니다.
WukongPDF OCR은 스캔한 문서를 처리합니다. OCR 엔진이 이미지를 수신하기 전에 컬러 배경에 대한 스캔 PDF 전처리를 적용해야 합니다.
낮은 정확도를 수용해야 하는 경우
일부 컬러 배경 문서의 경우 완벽한 OCR을 얻을 수 없습니다. 90~95%의 정확도를 수용하고 수동 수정을 계획합니다. 어려운 문서에서 99% 정확도를 달성하는 데 소요되는 시간은 95% 출력을 수동으로 수정하는 데 필요한 시간을 초과할 수 있습니다.
OCR 정확도에서 명암비의 역할
OCR 정확도는 텍스트와 배경 사이의 명암비와 직접적인 관련이 있습니다. 흰색 바탕의 검정색 텍스트는 대비가 최대입니다. 연한 파란색 바탕의 파란색 텍스트는 대비가 낮습니다. OCR 엔진은 문자 가장자리를 안정적으로 구별하기 위해 최소 대비 비율이 필요합니다.
OCR PDF 대비 요구 사항은 컬러 배경이 정확도를 감소시키는 이유를 설명합니다. 해결 방법은 전처리를 통해 대비를 높이는 것입니다.
더 나은 결과를 위해 색상 채널 분리 사용
텍스트와 배경이 주로 하나의 색상 채널에서 다른 경우 OCR을 위해 해당 채널을 분리하세요. 녹색 배경의 빨간색 텍스트는 회색조에서는 거의 보이지 않지만 빨간색 채널에서는 명확하게 구분됩니다.
스캔 PDF 색상 채널 분리 기술은 텍스트와 배경색이 다른 문서의 OCR을 향상시킵니다.
재스캔이 최선의 솔루션인 경우
원본 종이 문서를 사용할 수 있는 경우 고대비의 회색조 또는 흑백으로 다시 스캔하면 불량한 컬러 스캔을 수정하는 것보다 훨씬 더 나은 OCR 결과를 얻을 수 있습니다.
PDF 품질 재스캔 옵션은 원본에 액세스할 수 있을 때 배경 색상이 있는 OCR 문제를 해결하는 가장 효과적인 수정 방법입니다.
빛, 색상, 문자 인식의 물리학
OCR은 밝은 픽셀과 어두운 픽셀이 만나는 가장자리를 감지하여 작동합니다. 컬러 배경에서는 가장자리 대비가 감소합니다. OCR 엔진은 문자 가장자리와 배경색 전환을 구별해야 합니다. 대비가 낮을수록 가장자리 감지 오류가 더 많아집니다.
OCR PDF 대비 물리학은 대비를 최대화하는 전처리가 정확도를 향상시키는 이유를 설명합니다. 그레이스케일 변환 및 적응형 임계값은 대비 향상 기술입니다.
컬러 문서에서 최상의 OCR 결과를 얻으려면 컬러보다는 고대비의 회색조로 스캔하십시오. 스캐너는 사람의 눈으로 볼 수 있는 것보다 더 많은 대비를 포착할 수 있습니다.
다양한 색상 조합이 정확도에 미치는 영향
밝은 색상 배경의 어두운 텍스트는 어두운 배경의 밝은 텍스트보다 성능이 더 좋습니다. 연한 파란색 바탕의 검정색은 95% 정확도로 OCR될 수 있습니다. 흰색 바탕에 노란색은 50% 이하로 OCR될 수 있습니다. 특정 색상 조합에 따라 정확도 손실이 결정됩니다.
스캔된 PDF 색상 조합 분석은 어떤 문서에 가장 많은 사전 처리와 수동 수정이 필요한지 예측하는 데 도움이 됩니다.
문서 세트의 각 색상 조합 샘플에 대해 OCR을 테스트합니다. 결과를 사용하여 정확도가 가장 낮은 조합에 대한 전처리 노력의 우선순위를 지정합니다.
컬러 문서에 머신러닝 OCR 엔진 사용
다양한 문서 유형에 대해 훈련된 신경망 OCR 엔진은 기존 패턴 일치 엔진보다 색상이 있는 배경을 더 잘 처리합니다. 신경망은 대비가 낮고 색상이 다양한 조건에서 문자를 인식하는 방법을 학습했습니다.
OCR PDF 엔진 선택은 컬러 문서의 정확성에 큰 영향을 미칩니다. 기존 OCR의 결과가 좋지 않으면 신경 엔진을 사용해 보세요.
신경 OCR의 처리 시간은 일반적으로 기존 OCR보다 깁니다. 컬러 문서의 정확성 향상으로 인해 추가 시간이 소요됩니다.
혼합 색상 문서 세트에 대한 전처리 워크플로 만들기
문서 세트에는 흰색 배경, 컬러 배경 및 이미지 배경이 있는 페이지가 포함될 수 있습니다. 각 페이지 유형을 해당 유형에 대한 최적의 설정으로 처리합니다. 모든 페이지에 적용된 단일 전처리 설정이 일부 페이지에는 잘못될 수 있습니다.
PDF 품질 혼합 색상 전처리 작업 흐름은 페이지별 또는 섹션별 분석을 사용하여 각 콘텐츠 유형에 올바른 설정을 적용합니다.
각 페이지 유형에 대한 전처리 설정을 문서화합니다. 문서화를 통해 유사한 특성을 지닌 향후 문서 세트를 일관되게 처리할 수 있습니다.
낮은 정확도와 수동 수정 예산을 수용해야 하는 경우
일부 문서의 경우 높은 OCR 정확도를 달성하려는 노력이 정확도가 낮은 출력을 수동으로 수정하는 노력을 초과합니다. 85% 정확도의 OCR이 있는 500페이지 문서를 수동으로 수정하는 데 10시간이 걸릴 수 있지만 95%에 도달하려면 전처리 실험에 20시간이 걸립니다.
OCR 정확도에 대한 PDF 도구의 비용 편익 분석에서는 자동 처리 시간과 수동 수정 시간을 모두 고려합니다. 총 시간을 최소화하는 경로를 선택하십시오.
히스토그램 분석을 사용하여 대비 문제 진단
이미지 히스토그램은 픽셀 밝기 값의 분포를 보여줍니다. 두 개의 뚜렷한 피크가 있는 히스토그램은 텍스트와 배경 사이의 대비가 양호함을 나타냅니다. 단일의 넓은 피크가 있는 히스토그램은 낮은 대비를 나타냅니다.
OCR PDF 히스토그램 분석은 전처리가 시작되기 전에 대비 문제를 정량화합니다.
OCR 정확도에 대한 종이 질감의 영향
리넨이나 낱장 용지와 같은 질감이 있는 용지는 OCR 엔진이 텍스트로 해석하는 배경 소음을 생성합니다. 텍스처는 문자 인식을 혼란스럽게 하는 잘못된 가장자리를 추가합니다. 이미지를 부드럽게 하면 텍스처 노이즈가 줄어들지만 문자 가장자리도 부드러워질 수 있습니다.
스캔된 PDF 용지 질감 문제는 인쇄된 복사본이 아닌 원본 용지에서 스캔한 기록 문서에서 가장 일반적입니다.
OCR 대신 수동 전사를 사용하는 경우
심각한 색상 및 대비 문제가 있는 문서의 경우 수동 전사가 광범위한 전처리 및 수정보다 비용 효율적일 수 있습니다. 인간 전사자는 OCR 엔진이 인식할 수 없는 텍스트를 읽을 수 있습니다.
OCR 출력의 페이지당 수정 시간이 페이지당 전사 시간을 초과하면 PDF 품질 수동 전사 결정 지점에 도달합니다.
스캐너 보정이 색상 정확도에 미치는 영향
보정되지 않은 스캐너에는 OCR 정확도를 감소시키는 색상 변화가 발생합니다. 컬러 문서를 스캔하기 전에 스캐너를 보정하십시오. 색상 타겟을 사용하여 보정을 확인하세요.
OCR PDF 스캐너 보정 단계는 디지털 이미지가 원본 문서 색상을 정확하게 나타내는지 확인합니다.
어려운 문서에 다중 스펙트럼 이미징 사용
다중 스펙트럼 이미징은 여러 파장의 빛에서 문서를 캡처합니다. 다양한 파장은 표준 백색광에서는 보이지 않는 텍스트를 드러냅니다. 심각하게 품질이 저하된 컬러 문서의 경우 다중 스펙트럼 이미징이 유일하게 실행 가능한 캡처 방법일 수 있습니다.
스캔 PDF 다중 스펙트럼 접근 방식은 표준 디지털화에 저항하는 문서를 위해 주요 아카이브에서 사용됩니다.
문제가 있는 문서 유형의 참조 컬렉션 구축
일반적인 OCR 문제를 나타내는 샘플 문서 모음을 유지 관리합니다. 생산 문서에 적용하기 전에 이 참조 컬렉션에 대해 새로운 전처리 기술을 테스트해 보세요.
PDF 품질 참조 컬렉션은 시간이 지남에 따라 OCR 정확도 향상에 대한 일관된 벤치마크를 제공합니다.