스캔 문서의 OCR 정확도를 좌우하는 조건들

먼저 답하면

OCR 정확도는 인식 엔진뿐 아니라 입력 이미지 품질에 크게 좌우됩니다. 작은 글씨가 뭉개졌거나 페이지가 기울고 그림자가 있으면 글자를 잘못 읽을 수 있어, 가능한 한 선명하고 반듯한 원본을 준비해야 합니다.

해상도보다 중요한 것은 읽을 수 있는 글자

픽셀 수가 많아도 초점이 맞지 않거나 압축 때문에 글자 획이 뭉개지면 OCR 결과는 나빠질 수 있습니다. 이미 흐린 사진을 단순히 확대해도 사라진 획 정보가 되살아나지는 않습니다. 작은 글씨는 원본을 더 선명하게 촬영하거나 다시 스캔하는 편이 효과적입니다.

문서의 가장자리와 글자 전체가 잘리지 않았는지 확인하세요. 영수증처럼 폭이 좁고 긴 문서는 일부만 잘려도 날짜나 금액의 맥락이 사라질 수 있습니다.

기울기·그림자·배경의 영향

비스듬한 페이지는 글자 줄을 잘못 구분하게 만들고, 접힌 부분의 그림자는 획으로 오인될 수 있습니다. 밝은 배경 위의 진한 글자처럼 대비가 명확한 입력이 유리하지만, 지나친 보정으로 얇은 획이 사라지지 않게 주의해야 합니다.

표와 다단 문서는 읽기 순서가 핵심입니다. 엔진이 각 칸의 글자는 알아도 열을 섞거나 오른쪽 단을 먼저 읽으면 전체 문장의 의미가 달라집니다. 이런 문서는 텍스트 정확도와 구조 정확도를 따로 검수해야 합니다.

검수 우선순위를 정하는 방법

OCR 결과를 그대로 공식 문서나 데이터베이스에 옮기지 마세요. 이름, 금액, 계좌번호, 날짜, 단위처럼 오류의 영향이 큰 항목을 먼저 원본과 대조합니다. 표에서는 행·열이 한 칸씩 밀리지 않았는지도 확인하세요.

웹오피스에서 이미지 또는 PDF OCR을 실행한 뒤에도 원본을 보관하면 문제가 발견됐을 때 다시 확인할 수 있습니다. OCR은 입력을 읽기 쉽게 만드는 보조 수단이며, 사람이 검수해야 하는 범위는 문서의 용도에 따라 달라집니다.

참고 자료와 확인 범위

공식 문서의 개념과 웹오피스의 실제 지원 범위는 다를 수 있습니다. 각 자료를 참고한 범위를 함께 표시합니다.

• Tesseract: 인식 품질 개선

  이미지 품질·해상도·기울기가 OCR에 미치는 영향