스캔 문서와 OCR: 사진으로 찍은 종이를 검색 가능한 문서로 만들기
예상 읽는 시간 약 6분
작성 · Milk PDF 편집팀발행 2026-02-11 · 최종 수정 2026-03-04종이 서류를 사진으로 찍어 두면 보관은 되지만 검색은 되지 않습니다. OCR은 그 사진 속 글자를 컴퓨터가 읽을 수 있는 텍스트로 바꿔 주는 기술입니다. 인식률을 좌우하는 조건과 실무 요령을 정리했습니다.
1. OCR이란 무엇인가
OCR(Optical Character Recognition, 광학 문자 인식)은 이미지 속 글자의 모양을 분석해 문자 코드로 변환하는 기술입니다. 초기 OCR은 미리 등록된 글자 모양과 픽셀 패턴을 비교하는 방식이었기 때문에 인쇄체 영문에만 겨우 쓸 만했습니다. 이후 딥러닝이 도입되면서 글꼴 변형, 기울어진 촬영, 흐릿한 화질에도 대응할 수 있게 되었고, 한글처럼 조합이 복잡한 문자도 실용적인 수준으로 인식됩니다.
OCR의 결과물은 두 가지 형태로 활용됩니다. 하나는 순수 텍스트를 뽑아내는 것이고, 다른 하나는 원본 이미지는 그대로 두고 그 위에 보이지 않는 텍스트 층을 덧씌우는 것입니다. 후자를 '검색 가능한 PDF'라고 부르며, 눈에 보이는 모습은 스캔본 그대로지만 본문 검색과 복사가 가능해집니다. 계약서나 증빙 서류처럼 원본 모습이 중요한 문서에 특히 유용합니다.
이해를 돕기 위한 참고 수치입니다.
2. 인식률을 결정하는 것은 촬영 단계
OCR 품질의 8할은 입력 이미지에서 결정됩니다. 실무에서 인식률을 크게 끌어올리는 조건은 다음과 같습니다. 첫째, 해상도는 300dpi 안팎을 확보합니다. 화면에서 글자를 확대했을 때 획이 뭉개지면 OCR도 읽지 못합니다. 둘째, 그림자가 지지 않도록 조명을 고르게 합니다. 창가에서 한쪽만 밝게 찍힌 문서는 어두운 쪽 글자가 통째로 사라지기도 합니다. 셋째, 카메라를 종이와 평행하게 두어 사다리꼴 왜곡을 줄입니다. 넷째, 스캔이 기울어졌다면 회전으로 수평을 먼저 맞춥니다.
3. 전처리: 회색조와 대비 조정
컬러 스캔본은 배경의 미세한 색 얼룩 때문에 오히려 인식률이 떨어질 수 있습니다. 회색조로 변환하고 대비를 살짝 높이면 글자와 배경의 경계가 뚜렷해져 결과가 좋아집니다. 형광펜 표시나 도장처럼 글자 위에 겹친 색은 인식을 방해하므로, 중요한 문서라면 표시가 없는 원본을 따로 스캔해 두는 것이 좋습니다. 접힌 자국이나 스테이플 자국도 선으로 인식되어 표 구조를 오인하게 만드는 원인이 됩니다.
4. 언어 설정과 후처리
OCR 엔진은 지정한 언어의 사전을 활용해 애매한 글자를 추정합니다. 한글 문서에 영어 설정을 두면 정확도가 크게 떨어지므로, 문서 언어를 반드시 지정하세요. 한글과 영문이 섞인 문서라면 두 언어를 함께 지정하는 편이 낫습니다. 인식 후에는 숫자 0과 알파벳 O, 숫자 1과 소문자 l, 쉼표와 마침표처럼 혼동되기 쉬운 문자를 우선 확인합니다. 금액과 날짜, 계좌번호는 자동 인식 결과를 그대로 믿지 말고 반드시 사람이 검수해야 합니다.
5. OCR을 실무에 쓰는 방법
영수증과 명세서를 촬영해 텍스트로 뽑으면 회계 정리 시간이 크게 줄어듭니다. 과거 계약서를 일괄 OCR 처리해 검색 가능한 PDF로 보관하면, 몇 년 뒤 조항 하나를 찾을 때 파일을 하나씩 열어 볼 필요가 없어집니다. 학습 자료나 논문을 텍스트로 변환하면 요약과 번역 같은 후속 작업으로 자연스럽게 이어집니다.
6. 개인정보가 담긴 스캔본을 다룰 때
신분증, 등본, 통장 사본처럼 민감한 문서는 OCR 처리 위치가 중요합니다. 파일이 외부 서버로 전송되면 그 과정 자체가 유출 경로가 될 수 있기 때문입니다. 브라우저 안에서 처리되어 기기 밖으로 파일이 나가지 않는 방식이라면 위험을 근본적으로 줄일 수 있습니다. 인식 후 텍스트에도 개인정보가 그대로 담기므로, 저장 위치와 공유 범위를 함께 관리하는 습관이 필요합니다.
촬영 조건별 인식률 비교 감각 익히기
같은 문서라도 촬영 조건에 따라 OCR 결과가 크게 달라집니다. 정면에서 그림자 없이 찍은 사진은 인식 오류가 거의 없는 반면, 비스듬한 각도나 한쪽만 밝은 조명 아래 찍은 사진은 특정 줄 전체가 누락되기도 합니다. 여러 장을 한 번에 찍어야 한다면 첫 장을 촬영한 뒤 바로 확대해 글자 획이 선명한지 확인하고, 이후 장들도 같은 조건으로 맞추는 것이 효율적입니다.
표와 서식이 섞인 문서의 OCR 후처리
표가 포함된 문서를 OCR로 처리하면 셀 경계가 텍스트 순서에 영향을 줘 값이 뒤섞여 나오는 경우가 흔합니다. 이런 문서는 OCR 이후 결과를 표 형태로 다시 옮기기보다, 표 영역만 별도로 잘라내 이미지로 보존하고 나머지 서술형 텍스트만 OCR 결과를 사용하는 방식이 실무에서 더 적은 수정으로 끝납니다.
다국어·특수기호 인식 설정
한글과 영문 숫자가 섞인 견적서나 송장은 언어 설정을 한글 단일로 두면 영문 모델명이나 코드가 엉뚱하게 바뀌는 경우가 많습니다. 이런 문서는 두 언어를 함께 인식하도록 설정하고, 결과에서 알파벳과 숫자가 섞인 코드값은 우선적으로 재검토하세요. 통화 기호나 퍼센트 같은 특수기호는 인식률이 낮은 편이라 금액 항목은 항상 원본과 대조하는 습관이 필요합니다.
대량 스캔 문서의 폴더 관리
수백 장의 서류를 OCR 처리할 때는 처리 전후 파일을 구분하는 폴더 구조를 미리 만들어 두는 것이 좋습니다. 원본 스캔, 전처리 완료본, OCR 완료본을 각각 다른 폴더에 두면 특정 단계에서 문제가 생겼을 때 어느 단계로 되돌아가야 할지 바로 알 수 있고, 전처리를 거치지 않은 파일이 실수로 섞여 들어가는 것도 방지할 수 있습니다.
다음 단계
OCR로 검색 가능한 문서를 만들었다면 페이지 관리 기능으로 관련 문서를 하나로 병합해 보관하거나, 민감한 내용이 포함된 경우 보안 가이드에 따라 접근 제한을 설정한 뒤 저장소에 올리는 순서를 권합니다.
