차이

문서의 선택한 두 판 사이의 차이를 보여줍니다.

--- pdf:ocrmypdf [2023/10/23 14:47]
kwon37xi
+++ pdf:ocrmypdf [2024/01/26 16:15] (현재)
kwon37xi [PDF 용량 최적화]
@@ 줄 4: / 줄 4: @@
   * [[ocr:tesseract|Tesseract OCR]]를 이용해 [[:pdf|PDF]] OCR / PDF 최적화 등을 수행해준다.
   * [[pdf:alpdf|알PDF]] : Windows 용 강력한 OCR 제공
+  * [[https://github.com/ocrmypdf/OCRmyPDF-EasyOCR|OCRmyPDF EasyOCR Plugin]] - [[ocr:easyocr|EasyOCR]] 을 엔진으로 사용하게 해준다.
-  * ''ocrmypdf''
 ===== 설치 =====
+==== homebrew ====
+  * [[linux:linuxbrew|linuxbrew]] 로 가장 최신버전 설치 가능
+<code sh>
+brew install ocrmypdf tesseract tesseract-lang
+</code>
+=== Ubuntu ===
 <code sh>
 sudo apt install ocrmypdf  tesseract-ocr-kor tesseract-ocr-kor-vert gscan2pdf
 </code>
+=== docker ===
   * docker 기반으로 사용하는게 편할지도
-  * https://hub.docker.com/r/jbarlow83/ocrmypdf-alpine
+  * https://hub.docker.com/r/jbarlow83/ocrmypdf-alpine # 더 최신 tesseract. 그러나 버그가 좀 있는듯.
-  * https://hub.docker.com/r/jbarlow83/ocrmypdf-ubuntu
+  * https://hub.docker.com/r/jbarlow83/ocrmypdf-ubuntu # 그냥 ocrmypdf 도 우분투버전임.
 ===== 사용 =====
@@ 줄 23: / 줄 33: @@
 # 이미지 보정 기능 등 추가
-ocrmypdf -l kor+eng \ # 참고 : tesseract 가 하나의 언어씩만 인식할 때 인식률이 좋다는 보고가 많음.
+ocrmypdf -l kor+eng \
     --deskew # 비틀림 보정
     --clean # 배경 깨끗하게
-    ---optimize 3  # PDF 용량 최적화
+    --optimize 3  # PDF 용량 최적화. 최적화 안하려면 0
     <원본.pdf>
     <OCR인식결과.pdf>
-# OCR 재실행. 이미 OCR 된 파일에 재실행
+# OCR 재실행. 이미 OCR 된 파일에 재실행. 최적화 등은 수행하지 않음.
-ocrmypdf -l eng --redo-ocr ...
+ocrmypdf -l eng --redo-ocr ... input.pdf output.pdf
 # OCR 없이 PDF 이미지 최적화만 실행
-ocrmypdf --tesseract-timeout=0 --optimize 3 --skip-text <파일.pdf>
+ocrmypdf --tesseract-timeout=0 --optimize 3 --skip-text input.pdf output.pdf
+</code>
+===== 인식률 높이기 =====
+  * ''%%--deskew%%'' : 비틀어진 이미지를 똑바로 세워주고 그로인해 인식률 높아짐. 무조건 해주는게 좋다.
+  * ''%%--clean%%'' : [[https://www.flameeyes.com/projects/unpaper|unpaper]] 를 이용해 책 스캔된것을 깨끗하게 보정. 그러나 OCR 인식에서만 해당 이미지를 사용하고, 실제 출력에서는 원본 대로.
+  * [[ocr:tesseract|Tesseract OCR]]가 여러 언어를 동시에 인식하면 인식률이 떨어진다는 얘기가 있으나, 그렇다고 ''ocrmypdf'' 로 언어를 따로따로 두번 인식시키면 앞서 인식한 언어 데이터는 사라지게 되므로 한 번에 모든 언어를 처리할 것.
+===== PDF 용량 최적화 =====
+  * ''%%--optimize 숫자%%''
+  * ''0'' : 최적화 안함
+  * ''1'' : 원본 손상없이 최적화
+  * ''2'', ''3'' : 원본 손상하면서 최적화 최대한
+  * 아래 docker 이미지를 통한 스크립트로 하면 ''jbig2'' 라이브러리 설치 없이 처리 가능
+<code sh>
+#!/usr/bin/env bash
+# 사용법 : pdf-opt.sh 원본.pdf
+# 결과는 원본.opt.pdf
+# alpine 버전은 버그가 많았음.
+FILE_NAME_ONLY=`basename "$1" .pdf`
+OPTIMIZED_NAME="${FILE_NAME_ONLY}.opt.pdf"
+docker run --rm -i --user "$(id -u):$(id -g)" --workdir /data -v "$PWD:/data" \
+  jbarlow83/ocrmypdf --tesseract-timeout=0 --optimize 3 --skip-text \
+  "/data/$1" "/data/$OPTIMIZED_NAME"
 </code>
+    * 현재 디렉토리에 있는 것만 처리해야함.
 ====== 참조 ======
   * [[https://superroot.tistory.com/263|PDF 문서 OCR 하는 법 | Free PDF OCR (ocrmypdf)]]

권남

사용자 도구

사이트 도구

차이

문서 도구