PyTesseract는 Python에서 사용할 수 있는 OCR (Optical Character Recognition) 라이브러리입니다. 이 라이브러리는 이미지나 스캔된 문서에서 텍스트를 추출하는 작업을 수행하는 데 도움이 됩니다. 이번 글에서는 PyTesseract의 주요 기능과 예제 코드를 통해 간단한 사용법을 알아보겠습니다.
주요 기능
PyTesseract는 강력한 텍스트 인식 엔진인 Tesseract OCR을 Python에서 사용할 수 있도록 만들어진 래퍼입니다. 다음은 PyTesseract의 주요 기능 몇 가지입니다.
1. 이미지에서 텍스트 추출하기
PyTesseract를 사용하면 이미지나 스캔된 문서에서 텍스트를 추출할 수 있습니다. 다음은 간단한 예제 코드입니다.
import pytesseract
from PIL import Image
# 이미지 열기
image = Image.open('image.jpg')
# 이미지에서 텍스트 추출
text = pytesseract.image_to_string(image)
# 추출된 텍스트 출력
print(text)
위 코드는 'image.jpg' 파일에서 텍스트를 추출하여 출력합니다. 이미지 파일의 경로를 적절하게 변경해야 합니다.
2. 이미지 언어 지정하기
PyTesseract는 여러 언어를 인식할 수 있습니다. 기본적으로 영어로 설정되어 있지만, 다른 언어를 인식하도록 지정할 수 있습니다. 다음은 예제 코드입니다.
import pytesseract
from PIL import Image
# 이미지 열기
image = Image.open('image.jpg')
# 이미지에서 텍스트 추출 (한국어로 설정)
text = pytesseract.image_to_string(image, lang='kor')
# 추출된 텍스트 출력
print(text)
위 코드는 'image.jpg' 파일에서 한국어 텍스트를 추출하여 출력합니다. 언어 코드인 'kor'를 사용하여 한국어로 설정하였습니다.
3. 이미지 프로세싱 옵션 적용하기
PyTesseract는 이미지 프로세싱 옵션을 사용하여 텍스트 인식의 정확도를 향상시킬 수 있습니다. 다음은 예제 코드입니다.
import pytesseract
from PIL import Image
# 이미지 열기
image = Image.open('image.jpg')
# 이미지 프로세싱 옵션 설정 (예: 이진화)
image = image.convert('1')
# 이미지에서 텍스트 추출
text = pytesseract.image_to_string(image)
# 추출된 텍스트 출력
print(text)
위 코드는 'image.jpg' 파일을 이진화하여 이미지 프로세싱을 적용한 후, 텍스트를 추출합니다.
요약
PyTesseract는 이미지나 스캔된 문서에서 텍스트를 추출하는 작업을 간편하게 수행할 수 있는 Python 라이브러리입니다. 주요 기능으로는 이미지에서 텍스트 추출, 이미지 언어 설정, 이미지 프로세싱 옵션 적용 등이 있습니다. 이러한 기능을 활용하여 다양한 문서 처리 작업에 유용하게 사용할 수 있습니다.