Paper2Audio의 스캔 PDF 회전 감지·교정 파이프라인 설계

작성자는 파이프라인 설계와 경험치를 공유하면서 다른 도구나 최적화 사례를 문의했으며 댓글에서는 유사한 문제를 겪었다는 경험과 함께 타일링·프로파일·OCR 신뢰도 기반 접근법이 현실성이 있다는 반응이 다수 나타났다. 일부 사용자는 더 경량화된 회전 감지 모델이나 레이아웃 인식 도구를 권했고 다른 일부는 세부 파라미터(타일 크기, 에지 임계값, 샘플 페이지 수)에 대해 질문하며 구현상의 민감도를 지적했다. 전반적으로 실무적 경험 공유와 구체적 튜닝 질문이 결합된 생산적인 토론이 형성됐다.

• 처음에는 전체 페이지를 처리하지 말고 대표 페이지 몇 개만 샘플링해 회전 의심 문서를 선별하는 게 효과적이다. 이 방식은 정상 문서에 쓸데없는 레이턴시를 부과하지 않으며, 샘플 수를 늘리거나 줄여서 비용과 민감도 사이의 균형을 조절할 수 있다. 작성자는 최대 5페이지 샘플링을 채택해 실무에서 충분한 분류 성능을 확보했다.
• 페이지를 2배로 래스터화한 뒤 타일 단위로 Canny 에지 밀도를 계산해 텍스트 밀집 영역만 OCR로 보내면 연산량을 크게 줄일 수 있다. 타일 크기와 에지 임계값은 스캔 해상도와 문서 유형에 따라 민감하므로 소규모의 라벨 실험으로 최적치를 찾는 것이 바람직하다. 또한 타일 기반 접근은 표나 이미지가 많은 페이지에서는 거짓 양성이 늘어날 수 있으므로 추가 필터를 고려해야 한다.
• 프로젝션 프로파일로 먼저 텍스트 라인 방향을 판별해 테스트할 회전 후보를 절반으로 줄이면 OCR 호출 횟수를 줄일 수 있다. 후보마다 이미지 샤프닝을 적용한 뒤 EasyOCR의 신뢰도 점수로 비교해 최고점을 택하면 단일 신호 기반 판단의 효과를 실무 수준으로 끌어올릴 수 있다. 확신이 낮을 때는 페이지를 변경하지 않는 보수적 정책이 잘못된 자동 교정으로 인한 피해를 줄인다.

Rasterization

— 벡터나 페이지 형식의 문서를 픽셀 이미지로 변환하는 처리로, OCR 전처리에서 해상도와 세부 정보에 영향을 준다. 이 글에서는 PyMuPDF로 페이지를 2배 확대해 래스터화하여 작은 글자나 스캔 잡음에서 텍스트 증거를 더 명확하게 만드는 용도로 사용되었다. 래스터화 결과의 해상도는 에지 기반 패치 선택과 OCR 인식 신뢰도에 직접적인 영향을 준다.

Canny Edge Detection

— 이미지에서 강한 에지(경계)를 검출하는 알고리즘으로, 텍스트 영역은 많은 에지를 포함하므로 텍스트 밀집 구간을 찾는 힌트로 이용된다. 글에서는 페이지를 타일로 나눈 뒤 각 타일의 에지 밀도를 계산해 텍스트가 집중된 패치만 OCR로 처리함으로써 불필요한 연산을 줄였다. 에지 밀도는 스캔 품질과 문서 레이아웃에 따라 민감하게 변하므로 임계값 튜닝이 필요하다.

Projection Profile

— 이미지의 행 또는 열 방향으로 픽셀 강도를 합산해 텍스트 라인의 방향성을 추정하는 기법으로, 텍스트가 수평인지 수직인지 빠르게 판별하는 데 사용된다. 본 사례에서는 프로젝션 프로파일로 페이지가 '0/180' 계열인지 '90/270' 계열인지 먼저 좁혀 두 가지 회전 후보만 OCR로 평가했다. 이 사전 판별은 테스트해야 할 회전 수를 절반으로 줄여 처리 비용을 낮추는 효과를 냈다.