PDF를 무료 온라인 OCR — 스캔 PDF를 검색 가능하게 변환하고, OCR로 텍스트를 추출하고, 이미지에서 검색 가능한 PDF를 만듭니다. 모든 것이 브라우저에서 실행됩니다. 함께 보기: PDF 편집기 | 보안 | 압축 | 유틸리티.
성능 참고: OCR은 처음 사용 시 약 12MB의 언어 데이터를 다운로드합니다. 처리는 CPU 집약적이며 완전히 브라우저에서 일어납니다. 큰 문서(>10페이지)는 몇 분의 처리를 예상하세요. 결과는 스캔 품질과 언어에 달려 있습니다.
0%
0%
0%
0%
스캔→검색가능: 각 PDF 페이지를 이미지로 렌더링하고, OCR로 텍스트를 인식한 뒤, 페이지 이미지 위에 보이지 않는 텍스트 레이어를 얹은 새 PDF를 만듭니다. 결과 PDF는 검색·선택 가능합니다.
이미지→PDF: 하나 이상의 이미지를 받아 각각 OCR을 실행하고, 각 이미지를 페이지로 하며 인식된 텍스트를 보이지 않는 오버레이로 하는 PDF를 만듭니다. 문서 사진에 딱입니다.
OCR 텍스트: PDF 또는 이미지 파일을 받습니다. PDF는 각 페이지를 이미지로 렌더링해 OCR을 실행합니다. 복사할 수 있는 인식 텍스트를 표시합니다. 스캔 문서에서 텍스트를 뽑아내기에 가장 좋습니다.
표 추출: PDF 페이지를 이미지로 렌더링해 OCR을 실행하고, 텍스트 위치에서 표 구조를 식별하려 시도합니다. 결과는 근사치입니다 — 복잡한 표는 완벽히 재구성되지 않을 수 있습니다. 정밀한 표에는 전용 추출 도구를 쓰세요.
OCR이란 무엇인가?
스캔 PDF는 본질적으로 페이지의 사진입니다. 컴퓨터에게는 픽셀 격자이고 그 어느 것도 텍스트가 아닙니다. OCR(광학 문자 인식)은 그 픽셀들을 보고 어떤 문자를 그리는지 알아내는 기술입니다. 결과는 복사해 내는 일반 텍스트(OCR 텍스트 모드)이거나 페이지 이미지 위에 얹힌 보이지 않는 텍스트 레이어(스캔→검색가능 및 이미지→PDF 모드)이며, 후자가 스캔 문서를 어느 PDF 뷰어에서나 검색 가능하게 만드는 것입니다.
한 줄 요약: OCR은 잉크의 모양에서 텍스트를 추측합니다. 읽기가 아니라 인식입니다 — 출력은 신뢰도 점수가 붙은 최선의 추측이지, 디지털로 만들어진 원본 PDF가 담은 진실이 아닙니다.
OCR 파이프라인
모든 OCR 엔진은 대략 같은 단계를 거칩니다. 먼저 페이지가 이미지로 렌더링되고(PDF는 페이지마다 래스터화), 다음이 이진화입니다. 픽셀이 잉크인지 종이인지 분류되어 엔진이 흑백 도형을 다루게 됩니다. 도형들은 줄·단어·개별 문자로 분할되고, 마지막으로 각 후보가 분류됩니다 — 현대 엔진은 단일 문자가 아니라 텍스트 줄 전체를 보는 훈련된 신경망을 써서 흐릿하거나 약간 기운 입력을 구형 단일 문자 매처보다 훨씬 잘 다룹니다. 언어도 중요합니다. 엔진은 언어별 사전과 문자 집합을 쓰므로 위 선택기에서 올바른 언어를 고르면 정확도가 올라갑니다.
보이지 않는 텍스트 레이어
"검색 가능한 PDF"는 쌓인 두 겹입니다. 보이는 원본 페이지 이미지와 그 뒤에 배치된 보이지 않는 텍스트 레이어. 뷰어에서 텍스트를 선택하면 실제로는 그 숨은 레이어를 선택하는 것입니다. 보이는 스캔은 아무것도 바뀌지 않습니다 — 이미지는 그대로이므로 품질과 모양은 결코 변하지 않습니다. 대가는 복사·붙여넣기와 검색 결과가 밑바닥의 OCR 패스만큼만 정확하다는 것입니다. 단어가 잘못 인식되면 올바른 철자로 검색해도 찾지 못합니다. 숨은 레이어에 오류가 들어 있기 때문입니다.
DPI가 모든 것을 결정하는 이유
인식 정확도는 문자 하나가 받는 픽셀 수에 달려 있습니다. PDF 페이지는 포인트(인치당 72)로 배치되지만 낮은 해상도로 렌더링된 10 pt 문자는 몇 픽셀로 무너집니다 — 150 DPI에서 10 pt 문자는 높이 약 21픽셀, 300 DPI에서 약 42픽셀입니다. 대략 20픽셀 아래에서는 세리프가 맞물리고 글자가 뭉개져 정확도가 급락합니다. 오래된 스캔 지침이 OCR에는 300 DPI인 이유입니다. 작은 문자에 충분한 픽셀 디테일을 주면서 파일 크기를 낭비하지 않습니다. 훨씬 높게 올려도 인식에는 거의 도움이 되지 않습니다 — 대체로 스캔이 커지고 OCR이 느려질 뿐입니다.
OCR이 잘 못하는 것
필기체, 양식화된 전시 글꼴, 복잡한 배경 위의 텍스트는 여전히 약점입니다. 표는 특수 사례입니다. OCR은 문자와 위치를 보지만 행과 열을 진정으로 이해하지 못합니다 — 표 추출 모드가 정렬에서 구조를 추론하므로 복잡한 표는 근사치로 나옵니다. 그리고 PDF에 이미 진짜 텍스트가 있다면(스캔이 아니라 Word에서 내보낸 것) OCR이 전혀 필요 없습니다. 텍스트는 PDF 내보내기 도구로 더 정확하게 직접 추출할 수 있습니다.
흔한 오해
"검색 가능한 PDF는 Word에서 만든 PDF와 같다." 아닙니다. 텍스트 레이어는 인식된 일반 텍스트입니다. 단락을 복사하면 레이아웃이 사라질 수 있고, 인식 오류는 숨은 레이어에 구워집니다.
"OCR은 원본 텍스트를 복원한다." 최선의 추측을 재구성합니다. 99% 정확한 페이지에도 대략 100자당 한 글자가 틀립니다 — 검색에는 괜찮고, 법적·숫자 내용에는 위험합니다.
"DPI가 높으면 항상 낫다." 대략 400–600 DPI를 넘으면 정확도 이득은 미미해지는 반면 파일 크기와 처리 시간은 계속 오릅니다. 일반 문서의 적정점은 300 DPI입니다.
"휴대폰 사진도 스캔만큼 된다." 기울기, 고르지 않은 조명, 카메라 흔들림이 모두 정확도를 깎습니다. 페이지를 평평하게, 정면으로, 밝게 찍거나 중요한 문서에는 진짜 스캐너를 쓰세요.
