Skip to content

ch_05

Directory actions

More options

Directory actions

More options

Latest commit

 

History

History

ch_05

README.md

Chapter 05 이미지 속 텍스트 번역하기

📋 실습 개요

이번 장에서는 OCR(Optical Character Recognition) 기술을 활용하여 이미지 속 텍스트를 인식하고 번역하는 흥미로운 프로젝트를 진행합니다.

  • EasyOCR을 사용하여 이미지에서 한국어/영어 텍스트를 정확하게 추출
  • DeepL API를 활용한 고품질 자동 번역
  • PIL을 통해 인식된 텍스트 위치를 직관적으로 시각화
  • Streamlit으로 사용자 친화적인 웹 애플리케이션 구축

🐍 파이썬 3.12.x 버전 필수!

이번 챕터에서 사용하는 EasyOCR 딥러닝 모델이 안정적으로 작동하기 위해서는 반드시 파이썬 3.12.x 버전이 필요합니다. 또한 numpy, torch, torchvision 패키지의 버전도 아래 명령어에 명시된 버전과 정확히 일치시켜야 합니다.

⚙️ 패키지 설치

실습을 원활하게 진행하기 위해 비주얼 스튜디오 코드 터미널에서 아래 명령어를 실행하여 필요한 파이썬 패키지들을 설치해주세요.

pip install "numpy<=1.26.4" "torch<=2.5.1" "torchvision<=0.20.1" "easyocr<=1.7.2" "pillow<=10.4.0" deepl streamlit

⚠️ 설치 오류가 발생하는 경우: 패키지 설치 중 오류가 발생한다면 아래 안내를 참고하여 파이썬 버전을 3.12.x로 변경한 후 다시 시도해 주세요. 터미널에서 다음 명령어로 현재 파이썬 버전을 확인할 수 있습니다.

python -V

🔽 파이썬 3.12.x 설치 가이드

Windows 사용자

  1. Python 공식 웹사이트에 접속하세요
  2. 페이지 하단의 Windows installer (64-bit)를 클릭하여 다운로드합니다
  3. 다운로드된 파일을 실행하여 설치를 완료하세요

macOS 사용자

  1. Python 공식 웹사이트에 접속하세요
  2. 페이지 하단의 macOS 64-bit universal2 installer를 클릭하여 다운로드합니다
  3. 다운로드된 .pkg 파일을 실행하여 설치를 완료하세요

🔑 DeepL API 키 준비하기

세 번째 단계인 번역 실습을 위해서는 DeepL API 키가 필요합니다. 다음 단계를 따라 준비해주세요:

  1. DeepL API 웹사이트에서 무료 계정을 생성하세요
  2. 발급받은 API 키를 복사하여 step_3_1.py와 step_3_2.py 파일의 DEEPL_KEY 변수에 입력하세요
  3. 무료 계정은 월 50만 문자까지 번역이 가능합니다 (자세한 내용은 공식 웹사이트를 참고하세요)

🚨 중요한 변경 사항

EasyOCR 패키지 사용 시 주의사항: 일부 CPU 환경에서 오류 메시지 없이 프로그램이 갑자기 종료되는 현상이 발생할 수 있습니다. 이는 GitHub 이슈로 등록되어 있으나 아직 완전히 해결되지 않은 상태입니다.

만약 EasyOCR로 실습이 어려우시다면 PaddleOCR을 대안으로 사용해 주세요. 이 저장소의 ch_05_paddleocr 폴더에 PaddleOCR 버전의 실습 코드가 준비되어 있습니다.

주요 변경 파일:

💡 PaddleOCR 소개: 중국의 Baidu에서 개발한 OCR 패키지로, EasyOCR과 유사한 성능을 제공하면서도 다양한 언어를 지원하고 설치가 간편합니다.

🚀 실습 단계별 가이드

  • step_1.py: 실습에 필요한 input, output 폴더를 생성하여 기본 작업 환경을 구성합니다.

  • step_2_1.py: easyocr 라이브러리를 사용하여 이미지(ocr.jpg)에서 텍스트를 인식하고, 인식된 텍스트와 좌표, 신뢰도를 포함한 결과를 출력하는 기본 예제입니다.

  • step_2_2.py: OCR 로직을 재사용 가능한 read_text 함수로 구조화하여, 이미지 경로를 입력받으면 인식된 텍스트 결과를 반환하도록 개선합니다.

  • step_2_3_poly.py: Pillow의 draw.polygon 함수를 활용하여 두꺼운 외곽선을 가진 사각형을 그리는 방법을 학습하는 간단한 예제입니다.

  • step_2_3.py: OCR로 텍스트를 인식한 후, 원본 이미지 위에 인식된 텍스트 영역을 사각형(bounding box)으로 표시합니다. 신뢰도에 따라 사각형의 색상을 다르게 적용하여 직관적으로 시각화합니다.

  • step_2_4_widgets.py: streamlit의 핵심 위젯들인 버튼(st.button), 텍스트 입력창(st.text_input), 파일 업로더(st.file_uploader)의 사용법을 익히는 예제입니다.

  • step_2_4.py: streamlit을 사용하여 사용자가 이미지를 업로드하면 OCR을 수행하고, 원본 이미지와 텍스트 영역이 표시된 결과 이미지를 나란히 보여주는 간편한 웹 앱을 제작합니다.

  • step_3_1.py: deepl 라이브러리를 활용하여 "Hello, World!" 문장을 한국어로 번역하는 기본적인 API 사용법을 학습합니다.

  • step_3_2.py: OCR 기능과 번역 기능을 통합합니다. 이미지에서 read_text로 텍스트를 인식한 후, deepl API를 호출하여 각 텍스트 조각을 한국어로 번역하는 과정을 구현합니다.

  • step_3_3.py: 번역된 텍스트를 이미지 위에 시각화합니다. OCR로 인식된 영역을 반투명한 배경으로 채우고, 그 위에 번역된 텍스트를 덮어써서 자연스럽게 표시합니다.

  • step_3_4.py: 이미지 업로드, OCR, 번역, 결과 시각화 기능을 모두 결합한 완성도 높은 streamlit 웹 애플리케이션을 완성합니다.

  • step_x.py: 텍스트 시각화 방법을 한층 개선한 고급 예제입니다. 인식된 텍스트의 크기를 정확히 계산하여 텍스트 바로 뒤에만 반투명 배경을 추가하고 테두리를 그려, 원본 이미지의 가시성을 유지하면서도 텍스트 가독성을 극대화합니다.