PDF OCR 변환이란? 스캔 문서를 글자로 바꾸는 원리와 인식률 높이는 법
스캔한 PDF를 받았는데 글자를 복사할 수도, 검색할 수도 없습니다. 이럴 때 검색하면 꼭 나오는 말이 OCR입니다. 그런데 'PDF OCR 변환'을 하면 파일이 정확히 어떻게 바뀌는 걸까요?
원리를 조금만 알면 도구를 고를 때도, 결과가 엉망일 때도 무엇을 고쳐야 할지 보입니다. 어렵지 않게 정리해 보겠습니다.
저는 PDF 앱 Ghostyak Notes를 만들면서 OCR을 앱에 넣어 본 1인 개발자입니다. 글 끝에 제 앱도 짧게 소개합니다.
PDF OCR 변환이란 무엇인가요?
OCR(광학 문자 인식)은 그림 속의 글자 모양을 읽어 컴퓨터가 다룰 수 있는 글자로 바꾸는 기술입니다. 스캔본은 쪽마다 사진이 한 장씩 들어 있는 파일입니다. OCR은 그 사진을 읽어 글자와 그 글자의 자리를 찾아냅니다.
순서는 대개 이렇습니다.
- 쪽을 그림으로 준비합니다.
- 그림에서 글줄이 있는 자리를 찾습니다.
- 글줄마다 어떤 글자인지 읽습니다.
- 읽은 글자를 쪽의 자리와 함께 저장합니다.
마지막 단계가 중요합니다. 자리까지 알아야 찾은 낱말을 그 위치에 표시하고, 글자를 끌어 선택할 수 있습니다.
PDF OCR 변환 결과는 세 가지입니다
'변환'이라는 말이 같아도 결과물은 다릅니다. 이것부터 정해야 도구를 고를 수 있습니다.
| 결과 | 어떤 것 | 이럴 때 |
|---|---|---|
| 검색되는 PDF | 겉모습은 그대로, 뒤에 글자 층이 깔림 | 원본 모양을 지키며 검색과 복사 |
| Word, 한글 문서 | 글자를 편집할 수 있게 다시 만듦 | 내용을 고쳐 다시 쓸 때 |
| 앱 안의 글 | 파일은 그대로, 앱이 글을 따로 저장 | 그 앱에서 읽고 찾을 때 |
보내야 하는 파일이면 앞의 두 가지, 혼자 공부하는 자료라면 세 번째로도 충분합니다.
PDF OCR 인식률을 높이는 방법
OCR 결과가 엉망이라면 프로그램보다 원본을 먼저 의심해 보세요. 다음 다섯 가지가 결과를 크게 바꿉니다.
- 해상도: 스캔한다면 300dpi 안팎이 무난합니다. 글씨가 작으면 더 높입니다.
- 기울기: 책을 비뚤게 놓고 찍으면 글줄을 잘못 읽습니다. 바르게 놓고 스캔하세요.
- 명암: 어두운 그림자, 비치는 뒷면 글씨, 흐린 복사본은 오류의 주범입니다.
- 방향: 옆으로 누운 쪽은 먼저 돌려 놓습니다.
- 책 가운데: 양쪽을 펼쳐 찍으면 가운데가 말려 글자가 휘어집니다. 쪽을 나누고 가운데를 평평하게 눌러 찍으세요.
OCR이 어려워하는 것
- 손글씨: 인쇄 글자보다 훨씬 부정확합니다.
- 띄어쓰기: 글자는 맞아도 띄어쓰기가 다를 수 있습니다. 그래서 검색할 때는 짧은 낱말로 찾는 편이 좋습니다.
- 표와 여러 단: 글자는 읽어도 어느 칸의 글자인지 순서가 뒤섞일 수 있습니다.
- 비슷한 글자: 숫자 0과 영어 O, 한글 'ㅁ'과 'ㅇ'처럼 닮은 글자는 흐린 스캔에서 자주 틀립니다.
OCR 결과는 100%가 아닙니다. 계약서의 금액이나 시험 자료처럼 틀리면 곤란한 내용은 반드시 원본과 맞춰 보세요.
PDF OCR 변환은 어떻게 하나요?
도구는 크게 세 갈래입니다. 파일을 올려 처리하는 온라인 서비스, PC에 까는 설치형 프로그램, OCR이 들어 있는 앱입니다.
제가 만든 Ghostyak Notes는 위 표의 세 번째, '앱 안의 글' 방식입니다. 문서를 열면 글자가 없는 쪽을 PC 안에서 뒤에서 읽어, 앱에서 찾고 끌어 복사할 수 있게 합니다. 파일을 고치지 않으니 원본 PDF는 그대로이고, 대신 검색되는 PDF나 Word 파일을 만들어 주지는 않습니다. 한국어, 영어, 일본어를 읽고, 문자인식은 처음 30일만 쓸 수 있는 Pro 기능입니다.
PDF OCR, 자주 묻는 질문
OCR을 하면 원본 파일이 바뀌나요?
도구마다 다릅니다. 새 파일로 저장하는 도구가 많지만, 혹시 모르니 원본은 복사본을 남겨 두고 시작하세요.
이미 글자가 있는 PDF에도 OCR을 해야 하나요?
대개 필요 없습니다. 글자를 끌어서 선택되고 복사가 멀쩡하면 OCR을 할 이유가 없습니다. 복사하면 글자가 깨지는 파일이라면 해 볼 만합니다. 검색이 왜 안 되는지 모르겠다면 PDF 단어 검색 안될 때 글로 먼저 진단해 보세요. 글자만 몇 줄 필요하다면 무료 PDF 텍스트 추출로도 충분합니다.
사진으로 찍은 문서도 되나요?
됩니다. 다만 스캐너보다 그림자와 기울기가 많아 인식률이 떨어집니다. 밝은 곳에서 위에서 곧게 찍으세요.