Tesseract 설치 방법 (이미지를 포함한 단계별 튜토리얼)

Tesseract OCR이란?

Tesseract는 Apache 라이센스 계약 하에 출시된 오픈 소스 소프트웨어 라이브러리입니다. 본래 1980년대에 Hewlett Packard에 의해 개발되었습니다. 이미지에서 텍스트를 식별하고 추출하기 위해 주로 사용되는 텍스트 인식 도구입니다. Tesseract OCR은 이 기능을 수행하기 위한 명령 프롬프트 인터페이스를 제공합니다.

Windows에서 Tesseract OCR을 다운로드하는 방법

1. Windows용 Tesseract 설치 프로그램 다운로드
2. Tesseract OCR 설치
3. 설치 경로를 환경 변수에 추가
4. Tesseract OCR 실행

1. Windows용 Tesseract 설치 프로그램 다운로드

Windows에서 Tesseract 명령어를 사용하려면 먼저 Tesseract OCR 바이너리 .exe Windows 설치 파일을 다운로드해야 합니다.

Tesseract OCR의 최신 버전을 다운로드할 수 있는 곳이 많이 있습니다. One such place is from UB Mannheim, which is forked from tesseract-ocr/tesseract (Main Repository).

Tesseract 위키

Download the tesseract-ocr-w64-setup-5.3.0.20221222.exe (64 bit) Windows Installer.

macOS 사용자의 경우, 터미널에서 다음 명령어 중 하나를 사용하여 Tesseract를 설치할 수 있습니다:

brew install tesseract

brew install tesseract

sudo port install tesseract

sudo port install tesseract

2. Tesseract OCR 설치

다음으로 이전 단계에서 다운로드한 .exe 파일을 사용하여 Tesseract를 설치하겠습니다. .exe 설치 프로그램을 실행하여 Tesseract 설치를 시작합니다.

설치 언어

설치 준비가 완료되면 설치 프로그램의 언어 데이터 대화 상자가 나타납니다. 추가 언어 팩을 선택하여 여러 언어를 사용할 수 있도록 Tesseract를 설치할 수 있지만 여기서는 영어 언어 데이터만 설치하겠습니다.

Tesseract 설치 프로그램

확인 버튼을 클릭하면 Tesseract OCR의 설치 언어가 설정됩니다.

Tesseract OCR 설치 설정

다음으로 설치 마법사가 나타날 것입니다. 이 설치 마법사는 Windows에서 Tesseract 설치를 안내합니다.

Tesseract OCR 설치 마법사

설치를 계속하려면 다음을 클릭하세요.

사용권 계약 동의

Tesseract OCR은 Apache License Version 2.0에 따라 라이선스가 부여됩니다. 오픈소스이며 무료로 사용할 수 있으므로 로열티에 대한 걱정 없이 Tesseract의 버전을 재배포 및 수정 가능합니다.

Tesseract OCR은 Apache License v2.0에 따라 라이선스가 부여됩니다. 설치를 계속하려면 이 라이선스에 동의하세요.

동의함을 클릭하여 설치를 진행하세요.

사용자 선택

하나의 사용자 또는 여러 사용자에 대해 Tesseract를 설치할 수 있습니다.

현재 사용자(당신) 또는 모든 사용자 계정에 대해 Tesseract OCR을 설치하도록 선택하세요.

Tesseract와 함께 설치할 구성 요소를 선택하려면 다음을 클릭하세요.

구성 요소 선택

설치할 구성 요소 목록에서 ScrollView, 교육 도구, 바로 가기 생성 및 언어 데이터가 기본으로 선택되어 있습니다. 기본 선택된 모든 옵션을 유지하겠습니다. 필요에 따라 구성 요소를 선택하거나 생략할 수 있습니다. 일반적으로, 모든 항목을 설치하는 것이 필요합니다.

여기에서 Tesseract OCR 구성 요소를 포함할지 제외할지 선택할 수 있습니다. 최고의 결과를 위해 기본 선택된 구성 요소로 설치를 계속하세요.

설치 위치를 선택하려면 다음을 클릭하세요.

설치 위치 선택

다음으로 Tesseract를 설치할 위치를 선택합니다. 대상 폴더 경로를 복사해두세요. 나중에 설치 위치를 머신의 경로 환경 변수에 추가해야 할 것입니다.

Tesseract OCR 라이브러리의 설치 위치를 선택하고, 나중에 기억하세요.

Tesseract의 설치를 더 설정하려면 다음을 클릭하세요.

시작 메뉴 폴더 선택

이는 시작 메뉴에 바로 가기를 생성하는 마지막 단계입니다. 폴더 이름은 원하는 대로 설정할 수 있지만, 기본값 그대로 두었습니다.

Tesseract OCR의 시작 메뉴 폴더의 이름을 선택하세요.

이제 설치를 클릭하고 설치가 완료될 때까지 기다리세요. 설치가 완료되면 다음 화면이 나타날 것입니다. 완료를 클릭하면 Windows에 Tesseract OCR 설치가 성공적으로 완료됩니다.

Tesseract OCR 설치가 완료되었습니다.

3. 시스템 환경 변수에 설치 경로 추가

이제 Windows 환경 변수에 Tesseract 설치 경로를 추가합니다.

시작 메뉴에서 "환경 변수" 또는 "고급 시스템 설정"을 입력하세요.

Windows 시스템 속성 대화 상자

환경 변수

시스템 변수 아래에서 Path 변수를 클릭하세요.

Windows의 시스템 환경 변수에 액세스

이제 편집을 클릭합니다.

환경 변수에 Tesseract OCR for Windows 설치 디렉터리 추가

환경 변수 편집 대화 상자에서 새로 만들기를 클릭합니다. 두 번째 단계에서 복사한 설치 위치 경로를 붙여넣고 확인을 클릭합니다.

Windows의 Path 시스템 환경 변수를 편집하여 Tesseract OCR 설치의 절대 경로를 포함하는 항목을 추가합니다.

그게 다예요! Windows 기계에서 Tesseract OCR을 성공적으로 다운로드, 설치, 환경 변수를 설정했습니다.

4. Tesseract OCR 실행

Windows에 Tesseract OCR이 성공적으로 설치되고 환경 변수에 추가되었는지 확인하려면, Windows 기계에서 명령 프롬프트(cmd)를 열고 "tesseract" 명령을 실행합니다. 모든 것이 잘 작동하면, OCR 및 Tesseract 버전과 같은 기타 단일 옵션과 함께 빠른 사용 가이드가 표시되어야 합니다.

Windows 명령 줄(또는 Windows PowerShell)에서 `tesseract` 명령을 실행하여 위의 설치 단계가 제대로 수행되었는지 확인하세요. 콘솔 출력은 성공한 Windows 설치의 예상 결과입니다.

축하해요! Windows에 Tesseract OCR을 성공적으로 설치했습니다.

IronOCR 라이브러리

IronOCR은 .NET 소프트웨어 개발자가 이미지 및 PDF 문서에서 텍스트를 식별하고 추출할 수 있게 하는 Tesseract 기반의 C# 라이브러리입니다. 가장 진보된 Tesseract 엔진을 사용하여 순수하게 .NET에서 구축되었습니다.

Install-Package IronOcr

Tesseract 5와 함께하는 IronOCR

다음 샘플 코드는 IronOCR Tesseract를 사용하여 이미지에서 텍스트를 읽고 C#을 사용하여 OCR을 수행하는 방법이 얼마나 쉬운지 보여줍니다.

// Import the IronOCR library
using IronOcr;

// Create an instance of IronTesseract
var Ocr = new IronTesseract();

string Text = Ocr.Read(@"test-files/redacted-employmentapp.png").Text;

// Output the extracted text to the console
Console.WriteLine(Text); // Printed text

// Import the IronOCR library
using IronOcr;

// Create an instance of IronTesseract
var Ocr = new IronTesseract();

string Text = Ocr.Read(@"test-files/redacted-employmentapp.png").Text;

// Output the extracted text to the console
Console.WriteLine(Text); // Printed text

$vbLabelText   $csharpLabel

더 견고한 코드를 원한다면, 다음이 동일한 작업을 수행하는 데 도움이 되어야 합니다:

// Import the IronOCR library
using IronOcr;

// Create an instance of IronTesseract
var Ocr = new IronTesseract();

// Using the OcrInput class to handle multiple images
using (var Input = new OcrInput()){
    // Add an image to the input collection
    Input.AddImage("test-files/redacted-employmentapp.png");
    // You can add any number of images

    // Read the OCR text from the input
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

// Import the IronOCR library
using IronOcr;

// Create an instance of IronTesseract
var Ocr = new IronTesseract();

// Using the OcrInput class to handle multiple images
using (var Input = new OcrInput()){
    // Add an image to the input collection
    Input.AddImage("test-files/redacted-employmentapp.png");
    // You can add any number of images

    // Read the OCR text from the input
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

$vbLabelText   $csharpLabel

입력 이미지

IronOCR 처리를 위한 샘플 입력 이미지

출력 이미지

출력은 다음과 같이 콘솔에 출력됩니다:

샘플 이미지에 대해 IronOCR을 실행한 결과 콘솔로 반환되었습니다.

IronOCR을 선택해야 하는 이유는 무엇일까요?

IronOCR은 설치가 매우 쉽습니다. 완전하고 잘 문서화된 .NET 소프트웨어 라이브러리를 제공합니다.

IronOCR은 추가 서드파티 라이브러리나 웹 서비스 없이도 99.8% 텍스트 감지 정확성을 달성합니다.

또한 다중 스레딩 지원을 제공합니다. 가장 중요한 점은 IronOCR이 125개 이상의 국제 언어를 잘 다루는 것입니다.

결론

이 튜토리얼에서는 Windows 기계에 Tesseract OCR을 다운로드하고 설치하는 방법을 배웠습니다. Tesseract OCR은 C++ 개발자에게 훌륭한 소프트웨어이지만, 몇 가지 제한이 있습니다. .NET에 완전히 개발되어 있지 않습니다. 스캔된 이미지 파일이나 사진 이미지는 디지털 노이즈가 없는 고해상도로 처리 및 표준화되어야 합니다. 그래야만 Tesseract가 정확하게 작동할 수 있습니다.

반대로, IronOCR은 스캔되었든 사진화되었든 제공된 모든 이미지와 단일 코드 라인으로 작업할 수 있습니다. IronOCR은 또한 Tesseract를 내부 OCR 엔진으로 사용하지만, Tesseract를 최대한 활용하기 위해 세밀하게 조정되었으며, 특히 C#용으로 빌드되어 고성능과 향상된 기능을 갖추고 있습니다.

IronOCR 소프트웨어 제품을 이 링크에서 다운로드할 수 있습니다.