PDF 문서 OCR 하는 법 | Free PDF OCR (ocrmypdf)

PDF 문서 OCR하는 법

 

PDF 문서 OCR 하는 법 | Free PDF OCR(ocrmypdf)

 

스캐너로 스캔 한 이미지로 PDF로 만든 경우, PDF 문서 내에서 단어로 검색할 수 없습니다. 스캔 된 이미지에서 문자를 별도로 인식시켜서 TEXT LAYER를 만들어주는 OCR 작업이 필요합니다. 주로 유료 PDF Editor 프로그램에서 제공되는 기능인데 Linux를 이용하면 쉽게 OCR이 적용된 PDF를 만들 수 있습니다.

Windows 10에 WSL2 및 Windows Store에서 Ubuntu 또는 Kali linux를 설치해서 사용 가능합니다.
혹시, 리눅스 설치법이 궁금하시면 제 블로그에서 Ubuntu 또는 Kali Linux로 검색하시면 관련 자료들을 확인하실 수 있습니다.

 

ocrmypdf 설치법

 

2가지 프로그램과 언어팩 설치가 먼저 필요합니다.
ocrmypdf 설치를 위해서 sudo apt-get install ocrmypdf를 입력해서 설치합니다.
다음으로 tesseract 설치가 필요합니다. sudo apt-get install tesseract를 입력해서 설치합니다.
apt-cache search tesseract-ocr 명령어를 입력해보면, 이용 가능한 다양한 언어팩을 확인할 수 있습니다. 

 

TESSERACT-OCR Language packs

 

tesseract 한국어 언어팩

 

tesseract-ocr-kor

 

apt-cache search tesseract-ocr | grep "kor" 명령어로 "kor"이 들어간 언어팩만 listing 했습니다. 이 2개 언어팩을 설치하시면 됩니다. 추가로 필요한 언어는 얼마든지 추가로 설치해도 됩니다.
명령어: sudo apt-get install tesseract-ocr-kor

tesseract-ocr-kor

 

명령어: sudo apt-get install tesseract-ocr-kor-vert

tesseract-ocr-kor-vert

 

tesseract 설치된 언어팩 확인

 

명령어: tesseract --list-langs

tesseract --list-langs

 

해당 명령어를 사용해서 정상적으로 eng, kor, kor_vert와 같은 언어팩의 설치 여부를 확인합니다.

 

ocrmypdf 사용법

 

ocrmypdf 명령어 사용법

 

명령어: ocrmypdf -l eng+kor input.pdf output.pdf 
위와 같이 -l 뒤에는 사용될 언어팩을 옵션으로 지정해 주고, 다음으로 원본 input.pdf 마지막에 출력시킬 output.pdf 명을 지정해서 실행하면 됩니다.

이미지의 해상도가 낮은 경우 마지막에 --oversample 300 과같이 임의로 해상도를 조금 높여줄 수 있습니다. 설명에는 OCR 인식률이 조금 올라간다고 하는데 OCR이 필요한 문서의 경우 스캔할 때부터 해상도를 300DPI 이상으로 스캔하는 것이 좋습니다.

 

ocrmypdf 실행 GIF

 

ocr 반영된 PDF에서 찾기 기능 확인

 

 

gscan2pdf (GUI) - OCR

 

리눅스 CLI 환경에서 작업하는 것이 익숙하지않은 사용자는 리눅스 GUI 환경에서 사용할 수 있는 gscan2pdf 프로그램을 설치해서 사용할 수 있습니다.


명령어: sudo apt-get install gscan2pdf

 

 

 

 

OCR Engine은 Tesseract이며, Language pack 역시 ocrmypdf에서 사용하는 것과 동일합니다. 따라서 추가적으로 언어팩이 필요한 분은 위에서 언급한 언어팩 설치 부분을 참고하시면 됩니다.