사진 글자 추출은 왜 틀릴까? 크기·흐림을 바꿔 읽어본 결과

실험에서 확인한 점

같은 글자를 축소하거나 흐리게 했습니다

1. 1

   저장소의 테스트용 PNG 두 장을 사용했습니다. 영문 원본은 720×180픽셀에 ‘HELLO TOOLIT 123’, 한글 원본은 760×190픽셀에 ‘안녕하세요 툴릿 123’이 인쇄되어 있습니다. 실제 사용자 사진이나 개인정보는 사용하지 않았습니다.

2. 2

   원본·축소본·흐림본을 만들고 도구와 같은 Tesseract 한국어+영어 모델로 각각 인식했습니다. 축소는 영문 360×90, 180×45, 90×23픽셀 및 한글 95×24픽셀로 했고, 흐림은 영문 원본에 두 강도로 적용했습니다.

3. 3

   반환된 텍스트만 비교했습니다. 스크립트는 scripts/measure-ocr-and-alpha.mjs에 있습니다. 이미지 한 장씩·한 번씩의 통제 시험이며 글자별 정확도 평균이나 실제 촬영 환경의 성공률은 아닙니다.

실제로 읽힌 문장

이 샘플에서는 적당한 축소와 약한 흐림이 결과를 바꾸지 않았습니다. 반면 더 작은 축소에서 영문과 한글 각각 한 부분 이상이 달라졌고, 강한 흐림에서는 영문 결과가 아예 비었습니다. ‘축소하면 반드시 실패한다’가 아니라, 사진마다 읽을 수 있는 최소 정보가 다르다는 관찰입니다.

사진이 작거나 흐릴 때 왜 복원이 어려울까요?

글자가 작아지면 구별에 필요한 짧은 획과 빈 공간이 몇 픽셀 안에 몰립니다. 흐림은 이 경계를 주변 배경과 섞습니다. OCR은 남은 모양과 언어 단서로 가장 그럴듯한 글자를 고르므로 비슷한 글자나 뜻밖의 기호가 나올 수 있습니다.

이미 작은 사진을 확대 저장하는 것은 줄어든 획을 되돌리지 못합니다. Tesseract 공식 품질 안내도 해상도, 기울기, 노이즈와 입력 이미지 전처리를 중요한 변수로 다룹니다. 다만 사진의 문제를 고쳐도 모든 고유명사·숫자가 정확해지는 것은 아닙니다.

다시 촬영할지, 추출 결과를 고칠지

몇 글자만 잘못되고 대부분 읽힌다면 결과 칸에서 원본과 대조하며 수정하는 편이 빠릅니다. 한 줄 전체가 비거나 반복해서 엉뚱한 글자가 나오면 촬영·캡처 원본부터 바꾸세요. 빛 반사 없이 평평하게 찍고, 글자가 잘리지 않게 하며, 필요한 언어를 선택합니다.

금액·날짜·계좌 번호처럼 한 글자의 영향이 큰 곳은 인식률이 높아 보이더라도 전부 직접 확인해야 합니다. 표의 칸 관계는 일반 TXT로 옮길 때 별도로 검토하세요.

이번 결과가 보장하지 않는 것

샘플은 짧고 뚜렷한 인쇄 문장 두 개뿐입니다. 손글씨, 명함, 회전된 영수증, 표, 그림 위 글씨, 휴대전화별 압축 방식은 시험하지 않았습니다. 축소·흐림 수치가 모든 이미지의 실패 경계라고 해석하면 안 됩니다.

실제 문서에서는 원본 이미지와 추출 결과를 나란히 두고 오류를 고치는 절차 자체가 정확도를 지키는 마지막 단계입니다.