Tesseract OCR 사용하기 (with python on Windows)

출처: https://www.talkhelper.com/ocr-to-excel-converter-6-best-freeware/

 

 

이번에는 오픈소스 OCR 엔진으로 유명한 Tesseract OCR에 대해서 알아보고자 한다.

 

참고로 또 다른 OCR 엔진에 대한 내용은 다음을 참고하기 바란다.

 

2021.04.12 - [Development/Machine Learning] - Naver CLOVA API - OCR 사용하기 (1)

Naver CLOVA API - OCR 사용하기 (1)

2021.04.07 - [Development/Machine Learning] - Google Cloud Vision API - OCR 사용하기 (1)

Google Cloud Vision API - OCR 사용하기 (1)

---

1. Tesseract Pre-Built Binary Package 설치

Python 패키지 설치에 앞서 우선 설치해야 하는 패키지이다. 다음 링크에서 다운로드 받을 수 있으며, OS환경에 맞게 선택해 설치하면 된다. 여기서는 Windows 64비트 버전으로 설치해 진행한다.

 

github.com/UB-Mannheim/tesseract/wiki

UB-Mannheim/tesseract

 

참고로, 이 Pre-Built Binary는 현재까진 Windows와 Linux에 한해 제공되는 것으로 보인다. 따라서, Mac에서 사용하고자 할 경우 아래 GitHub 링크에서 소스를 직접 내려받아 빌드해야 하는 과정을 거쳐야 할 것이다. (아마도 될 것이다. 직접 빌드해 보진 않았다.....)

 

github.com/tesseract-ocr/tesseract

tesseract-ocr/tesseract

 

다운로드 받은 파일을 실행한다.

 

 

한국어 언어팩도 같이 설치하기 위해 'Additional script data', 'Additional language data' 를 체크한다. (아... 한국어 데이터만 선택해서 설치할 걸 그랬다. 언어팩 다운로드 및 설치 시간이 생각보다 꽤 걸린다)

 

 

 

이렇게 설치를 완료했다. (한국어 언어팩만 설치하는 걸 추천한다. 겁나 오래 걸린다ㅠ)

 

 

2. 시스템 환경 변수 등록

이제 실행 위치와 무관하게 언제든 사용할 수 있도록 시스템 환경 변수를 등록하기 위해 터미널에서 다음 명령 구문을 사용했다. (흔히 알고 있는 JAVA 설치 후 환경 변수 등록하는 방법과 동일하다)

 

# 시스템 환경 변수 'PATH'에 Tesseract OCR 설치경로 추가
> setx PATH "%PATH%;C:\Program Files\Tesseract-OCR"

 

터미널을 다시 열어 다음 구문을 통해 설치 및 환경 변수 등록이 제대로 된 것을 확인할 수 있다.

 

# Tesseract OCR 설치 및 환경 변수 등록 확인
> Tesseract

 

 

3. Python 패키지 설치 및 샘플코드 구현

3.1 Python 패키지 설치

이제 Python에서 코드를 구현하기 위해 필요한 Python 패키지를 설치하며, 필요한 패키지는 다음과 같다.

 

• pillow
• pytesseract
• jupyter

# 가상환경 만들기
> mkvirtualenv tesseract-ocr

# 가상환경 활성화(진입)
> workon tesseract-ocr

# Tesseract OCR 샘플코드 구현에 필요한 Python 패키지 설치
(tesseract-ocr) > pip install pillow
(tesseract-ocr) > pip install pytesseract
(tesseract-ocr) > pip install jupyter

 

참고로, Python 가상환경과 관련된 내용은 아래 링크를 확인하기 바란다.

 

2021.04.15 - [Development/Python] - Python 개발환경구축하기 (for Windows 10)

Python 개발환경구축하기 (for Windows 10)

 

3.2 샘플코드 구현

이제 다음과 같이 샘플코드를 구현한다. (여기서는 위에서 설치한 Jupyter Notebook을 이용했다)

 

from PIL import Image
from pytesseract import *

filename = 'images/picture3.png'
image = Image.open(filename)

text = image_to_string(image, lang='kor+eng')
print(text)

 

아래는 입력이미지와 샘플코드를 실행해 얻은 결과이다.

 

입력이미지

샘플코드 실행결과

 

Tesseract OCR을 사용하는 방법에 대한 설명은 여기까지이다.

생각보다 간단하고 쉽게 사용할 수 있는데 반해, 이미지에 대한 전처리 작업은 반드시 필요할 것으로 보인다.

---

이어서, 또다른 오픈소스 엔진인 EasyOCR에 대해서는 다음 포스트를 참고하기 바란다.

 

2021.04.15 - [Development/OCR] - EasyOCR 사용하기

EasyOCR 사용하기