紙に書かれた文字をデータ化する際に、画像ではなく、テキストデータとして読み取らなければならない場面は多いです。それを実現できるツールは、OCRといいます。主に紙の書類をデータ化するために使用するので、ペーパーレス化が進んでいる現代での需要は高いです。そのため、大勢の人に使われるOCRを開発したい、と考える人は少なくないでしょう。
そのような人に向けて、OCRの種類やメリット・デメリットについて解説していきます。
▼もしAIを使った開発を検討している場合は、Automagica Labで無料の開発相談をしてみませんか？
目次
OCRとは
OCRは、紙に書かれている文字を、パソコンなどで使用するための文字データ化するためのツールです。Optical Character Readerを略して、OCRとなっています。
紙に書かれている文字をパソコンに取り込むためには、スキャナを使用する、カメラで撮影するといった方法があります。ただ、そのような方法では、できあがるのはあくまでも画像データでしかありません。書かれている文字を、ひとつずつの文字データとして扱うことは不可能です。
そこで使用されるのが、OCRです。読み取った画像データを元に、書かれている文章を文字単位まで分解し、ひとつずつの文字データに変換させます。複数の文字をまとめてデータ化できるため、効率が良いのが特徴です。
身近な例では、クレジットカードを登録する際にカメラで読み取ったり、レシートを家計簿にまとめたりするためにOCRが使用されます。また、名刺をデータとして登録する、紙のアンケートをデータ集計するなどのビジネスシーンでも活用できる場面は多いです。
OCRの種類
光学式文字認識
光学式文字認識は、比較的古くからある、オーソドックスな種類のOCRです。OCRの元であるOptical Character Recognitionを日本語訳すると、光学式文字認識となります。
基本的には、プリントアウトされたパソコンのフォントや活版印刷された新聞の文字、ハンコの字など、活字をデータ化するために使用するのが光学式文字認識です。
まずは、カメラやスキャンで文字を読み取り、その画像データから文字の集まりであるブロックを抜き出します。そのブロックを行に分解した後、一文字ずつ認識していく仕組みです。OCRのシステムには、あらかじめ文字のサンプルを大量に読み込ませてあります。そのサンプルと照らし合わせながら、元画像に合っている文字データを見つけ出します。
手書き文字認識
コンピューターを使って記載されたものではない手書きの文字を読み取る際には、手書き文字認識のOCRが必要です。機械によって入力された文字の場合、文字のフォーマットがある程度決まっています。それに対して手書きは、書いた人の癖が大きく反映されるのが特徴です。
全体のバランスが整っていなかったり、トメやハネがなかったりすることは、決して珍しくありません。場合によっては、文字ごとに上下に大きく離れていて、行の認識さえ難しいこともあります。そのような乱雑な手書き文字を認識しなければならないため、通常の光学式文字認識よりも高度な技術が必要です。
マイクロ文字認識
OCRで読み取る文字の中には、辞典のように、ひとつひとつが非常に小さいものもあります。そのような小さい文字を読み取るには、マイクロ文字認識のOCRが必要です。マイクロ文字認識では、小さな文字でもしっかり読み取れる精度や、読み取れるサイズにまで拡大する機能が重要視されます。そのような機能がなければ、小さな文字を他の文字と間違えてしまうだけでなく、認識自体ができずに空欄になってしまったり、単なる点と認識してしまったりする恐れがあります。
区切り文字認識
書類では、名前や性別、生年月日など、性質の異なる複数の項目を羅列することがあります。そして、項目の間にスペースや「,」「/」などの記号を設け、識別しやすくするのが基本です。そのスペースや記号などは、区切り文字と呼ばれます。人が文章に目を通す場合、区切り文字のおかげで、文字ごとの性質を識別できます。しかし、標準的なOCRでは、区切り文字を認識できるとは限りません。そのため、区切り文字認識が必要となります。区切り文字認識機能があるOCRを使用すれば、異なる性質の文字も効率的に読み取ることが可能です。
AI-OCR
標準的なOCRに、人工知能であるAIを組み合わせたのが、AI-OCRです。AIは、膨大な画像を元に学習をし、新たに読み取った画像の補正をすることができます。その補正機能を使用できるのが、AI-OCRです。読み取った文字画像を補正することで、より精度の高い文字の識別ができます。また、癖のある文字やバランスの悪い文字、小さいサイズを拡大したため潰れてしまった文字なども、補正可能です。よって、手書き文字認識や、マイクロ文字認識は、AI-OCRであることが多いです。
OCRのメリット
生産性の向上
OCRは、紙に書かれた文字を、効率的にデータ化することができます。現代ではペーパーレス化が進んでいるため、紙の書類をデータ化する機会は、どのような業界にもあるでしょう。そして、紙の文字をデータ化する場合、人がキーボードを使って、入力作業をしていくという方法もあります。しかし、それでは時間がかかり、入力ミスが起こるリスクもあるのでとても非効率です。OCRを使用すれば、スキャンしたり、カメラで撮影したりした後に、文字データ化するという作業だけで済みます。そして、精度の高いOCRであれば、入力ミスは起こりにくいです。人が入力作業をするよりも、短時間かつ高精度で書類をデータ化できるため、生産性は大幅に上がるでしょう。
オフライン書類のデータ化
紙に文字が書かれたオフライン書類は、特定の部分だけを抜き出してコピーしたり、一部だけを編集したりするといったことが中々できません。また、大量の書類の中から、特定の文字や記号が書かれた部分だけを検索するということも不可能です。OCRは、そのようなオフライン書類も、簡単にデータ化できるのがメリットです。書類の文字や記号が全て文字データ化されるため、コピーや編集、検索も容易になります。メールに添付して複数の人と共有したり、フォントを変えてインターネット上の媒体に掲載したりすることも、決して難しくありません。さらに、紙よりもデータの方が場所を取らないため、省スペース化にも繋がります。
OCRのデメリット
認識精度
OCRの大きなデメリットとして挙げられるのは、認識精度の低さです。特にAIを使用していないOCRは、読み取った文字画像を補正できないため、間違った文字として認識してしまう恐れがあります。特に癖が強い手書き文字や、認識が困難な小さい文字は、誤認識してしまう可能性が高いです。字体が安定している活字の場合でも、カタカナの「エ」と、漢字の「工」など、似ている文字は誤認してしまう恐れがあります。AI-OCRを使用すれば、認識精度は高くなりますが、それでも100％の精度を実現できるとは限りません。
誤認識の対処
OCRの精度が100％ではない以上、誤認識の可能性は必ず疑わなければなりません。特に重要度が高い書類で、表記ミスが許されない場合、データ化した後にチェック作業が必要になるでしょう。そのチェックの手間がかかってしまうのは、ひとつのデメリットです。また、実際に誤認識があった場合、人が修正をしなければならないというデメリットもあります。誤認識が大量にあれば、その分修正作業に時間と手間がかかります。その結果、OCRの強みである効率の良さを実感できないかもしれません。
開発前に種類ごとの特徴を把握
ひと口でOCRと言っても、種類によって活用できる場面が異なります。また、メリットやデメリットの大きさも、種類ごとに違います。そのため、どのような目的で使うOCRを作りたいのかをまず考えて、開発する種類を決めましょう。また、使用する環境次第で、読み取りの難易度や、判別しなければならない文字の数などが異なります。いずれも開発に影響を与えるため、どの種類がどういった環境に合っているのか、把握しておきましょう。
