tesseract-ocr/tesseract

Tesseract Open Source OCR Engine (main repository)

GitHub에서 열기 ↗ hacktoberfestlstmmachine-learningocrocr-enginetesseracttesseract-ocr

75,224

GitHub 스타

10,684

포크

C++

언어

Apache-2.0

라이선스

2026.07.09

최근 푸시

2026.07.04

별표한 날

AI 분석

설치 난이도: 보통

큐레이터 노트

Tesseract는 오픈소스 OCR 엔진의 사실상 표준으로, 다양한 언어와 출력 형식을 지원하며 안정적입니다. 문서 인식, 이미지 텍스트 추출, 자동화된 데이터 입력 등 OCR이 필요한 거의 모든 프로젝트에 적합합니다.

강점

오랜 역사와 안정성: 1985년부터 개발되어 현재까지 활발히 유지보수되는 성숙한 OCR 엔진입니다.
다양한 언어 지원: 100개 이상의 언어를 즉시 인식할 수 있으며, 유니코드(UTF-8)를 완벽 지원합니다.
다양한 출력 형식: 일반 텍스트, hOCR, PDF, TSV, ALTO, PAGE 등 여러 형식으로 결과를 출력할 수 있어 유연합니다.
LSTM 기반 신경망 엔진: 최신 딥러닝 기술을 적용하여 인식 정확도를 높였습니다.

약점

GUI 미포함: 명령줄 기반으로 동작하며, GUI가 필요하면 별도의 서드파티 도구를 찾아야 합니다.
이미지 전처리 필요: 최상의 결과를 얻으려면 입력 이미지의 품질을 개선해야 하는 경우가 많습니다.
PDF 문서 직접 지원 안 함: PDF 파일을 직접 입력으로 받지 못하며, Leptonica를 통해 이미지 형태로만 처리 가능합니다.

주의사항

설치 시 의존성 주의: Leptonica 라이브러리와 함께 빌드해야 하며, zlib, png, tiff 지원이 필요할 수 있습니다.
레거시 모드 사용 시 traineddata 파일 필요: LSTM 기반 엔진과 레거시 엔진은 별도의 traineddata 파일이 필요하므로 주의해야 합니다.
이슈 제출 전 가이드라인 확인: 버그가 아닌 질문은 메일링 리스트를 이용하고, 이슈 트래커는 버그 보고용으로 사용해야 합니다.

시작 가이드

공식 문서를 읽고 설치 방법(바이너리 패키지 또는 소스 빌드)을 결정합니다.
사용하려는 언어의 traineddata 파일을 tessdata 저장소에서 다운로드합니다.
기본 명령어로 테스트 이미지를 인식해 보고, 필요에 따라 --oem 및 --psm 옵션을 조정합니다.
API를 사용하려면 libtesseract의 C/C++ 헤더와 라이브러리를 프로젝트에 연결합니다.

README 한국어 번역

이 번역은 AI가 원문 README를 옮긴 것입니다. 원문이 항상 우선합니다.

Tesseract OCR

소개

이 패키지는 OCR 엔진인 libtesseract와 명령줄 프로그램인 tesseract를 포함합니다.

Tesseract 4는 라인 인식에 초점을 맞춘 새로운 신경망(LSTM) 기반 OCR 엔진을 추가했지만, 문자 패턴을 인식하는 Tesseract 3의 레거시 Tesseract OCR 엔진도 계속 지원합니다. Tesseract 3와의 호환성은 레거시 OCR 엔진 모드(--oem 0)를 사용하여 활성화됩니다. 또한 레거시 엔진을 지원하는 traineddata 파일(예: tessdata 저장소의 파일)이 필요합니다.

Stefan Weil이 현재 리드 개발자입니다. Ray Smith는 2017년까지 리드 개발자였습니다. 관리자는 Zdenko Podobny입니다. 기여자 목록은 AUTHORS와 GitHub의 기여자 로그를 참조하세요.

Tesseract는 유니코드(UTF-8) 지원이 있으며, 100개 이상의 언어를 "즉시" 인식할 수 있습니다.

Tesseract는 PNG, JPEG, TIFF를 포함한 다양한 이미지 형식을 지원합니다.

Tesseract는 다양한 출력 형식을 지원합니다: 일반 텍스트, hOCR (HTML), PDF, 보이지 않는 텍스트만 있는 PDF, TSV, ALTO 및 PAGE.

많은 경우 더 나은 OCR 결과를 얻으려면 Tesseract에 제공하는 이미지의 품질을 개선해야 한다는 점에 유의해야 합니다.

이 프로젝트는 GUI 애플리케이션을 포함하지 않습니다. GUI가 필요하다면 3rdParty 문서를 참조하세요.

Tesseract는 다른 언어를 인식하도록 훈련시킬 수 있습니다. 자세한 내용은 Tesseract Training을 참조하세요.

간략한 역사

Tesseract는 원래 1985년부터 1994년까지 Hewlett-Packard Laboratories Bristol UK와 Hewlett-Packard Co, Greeley Colorado USA에서 개발되었으며, 1996년에 Windows로 포팅하기 위한 몇 가지 추가 변경과 1998년에 일부 C++화 작업이 있었습니다. 2005년에 Tesseract는 HP에 의해 오픈 소스화되었습니다. 2006년부터 2017년 8월까지 Google에 의해 개발되었습니다.

주요 버전 5는 현재 안정 버전이며 2021년 11월 30일 릴리스 5.0.0부터 시작되었습니다. 새로운 부 버전 및 버그 수정 버전은 GitHub에서 사용할 수 있습니다.

최신 소스 코드는 GitHub의 main 브랜치에서 사용할 수 있습니다. 열린 이슈는 이슈 트래커에서 찾을 수 있으며, 계획 문서도 있습니다.

릴리스에 대한 자세한 내용은 릴리스 노트와 변경 로그를 참조하세요.

Tesseract 설치

사전 빌드된 바이너리 패키지를 통해 Tesseract를 설치하거나 소스에서 빌드할 수 있습니다.

소스에서 Tesseract를 빌드하기 전에 시스템에 지원되는 컴파일러 중 하나가 있는지 확인하세요.

Tesseract 실행

기본 명령줄 사용법:

tesseract imagename outputbase [-l lang] [--oem ocrenginemode] [--psm pagesegmode] [configfiles...]

다양한 명령줄 옵션에 대한 자세한 내용은 tesseract --help 또는 man tesseract를 사용하세요.

예제는 문서에서 찾을 수 있습니다.

개발자를 위한 정보

개발자는 libtesseract C 또는 C++ API를 사용하여 자신의 애플리케이션을 빌드할 수 있습니다. 다른 프로그래밍 언어를 위한 libtesseract 바인딩이 필요하면 AddOns 문서의 래퍼 섹션을 참조하세요.

소스 코드에서 doxygen으로 생성된 Tesseract 문서는 tesseract-ocr.github.io에서 찾을 수 있습니다.

지원

이슈를 제출하기 전에 이 저장소의 가이드라인을 검토하세요.

지원을 받으려면 먼저 문서, 특히 FAQ를 읽어 문제가 해결되는지 확인하세요. 그렇지 않은 경우 Tesseract 사용자 포럼, Tesseract 개발자 포럼 및 과거 이슈를 검색하고, 여전히 찾을 수 없으면 메일링 리스트에서 지원을 요청하세요.

메일링 리스트:

tesseract-ocr - Tesseract 사용자용.
tesseract-dev - Tesseract 개발자용.

질문이 아닌 버그에 대해서만 이슈를 보고해 주세요.

의존성

Tesseract는 입력 이미지(예: pdf와 같은 문서가 아님)를 열기 위해 Leptonica 라이브러리를 사용합니다. zlib, png 및 tiff(다중 페이지 tiff용)에 대한 내장 지원이 있는 leptonica를 사용하는 것이 좋습니다.

README 최신 버전

README.md의 최신 온라인 버전은 다음에서 확인하세요:

원본 저장소: tesseract-ocr/tesseract

라이선스: Apache-2.0

게재 제외를 원하시면 삭제 요청을 보내주세요.