2026.07.12 AI

OCRとは？光学文字認識の仕組み・種類・精度と実装での組み込み方を解説

OCRは Optical Character Recognition の略で、日本語では光学文字認識と呼ばれ、紙の書類やPDF、写真に写った文字を画像として読み取り、編集可能なテキストデータに変換する技術です。スキャンした請求書を検索できるデータにしたり、手書き伝票を入力業務なしでシステムへ流し込んだりする土台になります。この記事では、OCRが画像から文字を取り出す内部の工程、活字と手書き・定型と非定型といった種類の分け方、認識精度を左右する要因、そして自社システムへ組み込むときのエンジン選定までを実装者の視点で整理します。Tesseract やクラウドOCR APIといった具体的な選択肢を挙げながら、どこまで自前で作り、どこからAI-OCRに委ねるべきかの判断軸まで持ち帰れる構成にしました。

目次

まとめ：OCRは画像内の文字をテキストデータへ変換する認識技術

OCRは、画像として取り込んだ文字を、コンピュータが処理できる文字コードのテキストへ変換する技術です。内部では、画像を整える前処理、文字の位置を見つける切り出し、形状から文字を当てる認識、辞書で誤りを直す後処理という流れをたどります。読み取り対象が印刷された活字か手書きか、書式が決まった定型帳票か自由な非定型かで、必要な技術と実現できる精度が変わってきます。

実装で最初に決めるのは「自前で作るか、既製のエンジンやAPIに任せるか」です。定型的な印刷文書なら Tesseract のようなオープンソースエンジンで足りる場面がある一方、非定型の帳票や手書きを高精度で処理するなら、ディープラーニングを組み込んだAI-OCRやクラウドOCR APIへ寄せる判断が現実的になります。製品ごとの料金や導入判断の比較は別記事に譲り、本記事では技術の仕組みと選定の勘所を順に見ていきます。

OCR（光学文字認識）の定義と画像から文字を取り出す処理の仕組み

まず言葉の中身と、画像が文字コードに変わるまでの流れを押さえます。OCRは一発の魔法ではなく、性格の違う複数の処理が段階的に連なって成り立っています。

OCR（光学文字認識）の定義と読み取りが成立するまでの4工程

OCRは、画像に含まれる文字の形を解析し、対応する文字コードへ写し取る技術の総称です。処理はおおむね次の4工程に分かれます。第一の前処理では、傾きや汚れを取り除いて画像を読み取りやすい状態へ整えます。第二がレイアウト解析と切り出しで、どこに文字があるかを検出し、行や一文字単位へ分割する段階です。第三の文字認識で、切り出した各文字の形状を既知のパターンと照合してコードを割り当てます。第四が後処理で、辞書や言語モデルを使って認識結果の誤りを補正する仕上げの工程です。この4段が噛み合ってはじめて、読める精度のテキストが得られます。

前処理・レイアウト解析・文字認識・後処理それぞれが担う役割分担

各工程は独立した目的を持ちます。前処理は入力品質のばらつきを吸収する緩衝材で、ここが弱いと後段がいくら優秀でも精度は伸びません。レイアウト解析は、表・段組み・図表混在といった構造を読み解き、文章の読み順を復元する役目を負います。文字認識は中核で、一文字ずつの当てはめを担う部分です。後処理は、認識結果を単語や文脈の辞書と突き合わせ、「口」と「囗」のような紛らわしい誤りを言語的に打ち消します。工程ごとに効くデータが違うため、精度を上げたいときはどの段のどんな入力でつまずいているかを切り分けて手を入れるのが定石です。

パターンマッチング方式と特徴抽出方式という2つの認識アプローチ

文字認識の中身には、大きく二つの考え方があります。一つ目のパターンマッチング方式は、あらかじめ用意した各文字のテンプレート画像と入力を重ね合わせ、最も一致するものを答えとする発想です。フォントが限られた印刷文書では速く確実な半面、字体のばらつきに弱いという弱点を抱えます。二つ目の特徴抽出方式は、線の交差・端点・曲がりといった文字の特徴量を取り出し、その組み合わせで判定します。手書きや多様なフォントに強く、現在のディープラーニングを用いたOCRはこの発想を深層モデルで押し広げたものです。読み取る対象が均質なら前者、ばらつくなら後者、という相性の違いを押さえておくと、エンジン選定の判断が早くなります。

OCRの種類を定型・非定型と活字・手書き、導入形態で分ける観点

ひとくちにOCRと言っても、扱う文書と設置形態で製品の性格は大きく分かれます。選定を誤らないために、三つの軸で種類を整理します。

定型フォーマットのOCRと非定型に対応するAI-OCRの違い

従来型のOCRは、読み取る位置と項目があらかじめ決まった定型帳票を得意とします。「この座標に日付、この枠に金額」とテンプレートを定義し、そこだけを抜き出す方式です。対して非定型帳票、たとえば取引先ごとに書式が違う請求書を扱うには、レイアウトが読むたびに変わる前提で「金額らしい数値」「日付らしい並び」を意味から推定する必要があります。この推定を担うのが、ディープラーニングを組み込んだAI-OCRです。項目の位置を人が定義しなくても、学習済みモデルが文書構造を解釈して該当箇所を拾います。製品ごとの読み取り精度や料金体系、どの業務から導入するかの判断は、従来OCRとAI-OCRの違いを料金相場や導入判断まで比較した記事で具体的に扱っています。本記事は概念の土台に絞り、そちらを製品検討の入り口として使い分けてください。

活字を読む従来OCRと手書き文字を読むICR（手書きOCR）の技術差

読み取る文字が印刷された活字か、人が書いた手書きかで、難易度は一段変わります。活字は字形が規格化されており、パターンマッチングでも高い精度が出せる対象です。手書きを対象にする技術はICR（Intelligent Character Recognition）と呼ばれ、筆記者ごとに崩れ方が異なる字を推定する必要があるぶん、特徴抽出と機械学習が前提になります。数字だけを枠内に書かせる帳票なら実用精度に届きやすい一方、続け字の自由記述は今も誤認識が残る領域です。手書きを扱う要件があるなら、対象を数字や記号に絞れるか、書式で書き手を誘導できるかを設計段階で検討しておくと、後の精度問題を減らせます。

オンプレミス型とクラウド型OCRの導入形態と使い分けの判断基準

設置形態も選定を左右します。オンプレミス型は自社サーバやローカル環境にエンジンを置く方式で、画像データを外部に出さずに処理できるため、個人情報や機密文書を扱う業務と相性が良い形です。クラウド型OCRは、画像をAPI経由で送信して結果を受け取る方式で、初期構築が軽く、提供側がモデルを更新するぶん精度改善の恩恵を受けやすい利点があります。判断軸は主に二つ、データを外部送信してよいかという情報管理の制約と、処理量の変動をインフラ運用ごと抱えるか従量課金で吸収するかというコストの持ち方です。機密性が最優先ならオンプレミス、変動対応と導入速度を優先するならクラウド、と切り分けると迷いにくくなります。

OCRの認識精度を左右する要因と前処理・後処理で読取率を上げる勘所

OCRは「入れれば100%読める」技術ではありません。精度は入力画像の質と処理の作り込みで大きく動きます。実装で効く要因を、原因側と対策側から整理します。

解像度・画像品質・フォント・レイアウトが認識精度に与える影響

精度を落とす要因は入力側に集中します。解像度は代表格で、文字認識には一般に300dpi前後が目安とされ、これを下回ると細い画数がつぶれて誤認識が増えます。撮影画像のピンぼけ・傾き・影、原本のかすれや裏写りも読み取りを妨げる要素です。フォントの影響も無視できず、装飾書体や極端に細い明朝は判別が難しくなります。レイアウト面では、表の罫線が文字と接触していたり、段組みが複雑だったりすると、切り出しの段階で行が誤って結合されます。精度が出ないときは認識エンジンを疑う前に、まず入力画像がこれらの条件を満たしているかを点検するのが近道です。

二値化・傾き補正・ノイズ除去といった前処理で読取率を底上げする手順

入力品質が一定しないなら、前処理で底上げします。実装で効く手当ては次の順に検討します。

  1. グレースケール化と二値化で、文字を背景から分離する（照明ムラには適応的二値化が有効）
  2. 傾き補正（デスキュー）で、スキャン時に生じた数度の傾きを水平に戻す
  3. ノイズ除去で、点状の汚れやスキャンの筋を取り除く
  4. 必要に応じて拡大・解像度の正規化を行い、文字サイズを認識に適した大きさに揃える

この前処理の作り込みは、エンジンを高価なものに替えるより費用対効果が高い場面が多くあります。Tesseract のようなオープンソースエンジンでも、前処理を丁寧に整え、ページ分割のモード（PSM）を文書構造に合わせるだけで認識率が目に見えて変わることは少なくありません。パラメータ調整の具体は、Tesseractの精度やPSM/OEM設定を掘り下げた記事に実装例をまとめています。

後処理での辞書照合と信頼度スコアを用いた誤認識の吸収と目視補正

前処理で入力を整えても、認識結果には誤りが残ります。ここを埋めるのが後処理です。辞書照合では、認識した文字列を単語辞書や地名・氏名リストと突き合わせ、辞書に無い並びを補正候補へ差し替えます。言語モデルを使えば、前後の文脈から「振込」と「振认」のような誤りを確率的に打ち消せる仕組みです。もう一つの鍵が信頼度スコアで、多くのエンジンは文字ごとに認識の確からしさを数値で返します。この値を使い、閾値を下回った箇所だけ人の目視確認へ回す設計にすれば、全件チェックの手間をかけずに実用品質へ持ち込めます。精度100%を機械だけで狙うのではなく、低信頼箇所を人へ振り分ける前提で業務を組むのが現実的な落としどころです。

OCRを自社システムへ組み込む実装方法とエンジン選定の判断基準

最後に、実装者が直面する「どう組み込み、何を選ぶか」を言い切ります。選択肢の性格を押さえたうえで、自前とAPIの分岐を条件付きで示します。

Tesseract・クラウドOCR API・AI-OCRという主要な選択肢の性格

組み込みの選択肢は、性格の違う三系統に整理できます。オープンソースの Tesseract は、ライセンス費用なしで自環境に組み込め、印刷活字の処理に向く定番です。導入の手順や主要コマンドは、Tesseractの使い方をまとめた記事で具体的に追えます。クラウドOCR APIは、Google Cloud Vision・Amazon Textract・Azure AI Visionといったサービスが該当し、画像を送るだけで高精度の結果とレイアウト情報を返します。AI-OCRは、非定型帳票の項目抽出やワークフロー連携まで含めた業務向けの製品群で、入力業務そのものの削減を狙う位置づけです。無料で始めたいなら前者、精度と開発速度を買うなら中央、業務プロセスごと任せるなら後者、という重心の違いで捉えると選びやすくなります。

REST APIへ画像を送りテキストとレイアウト情報を受け取る実装の流れ

クラウドOCR APIを組み込む場合、処理の骨格はどのサービスでも似通います。実装は概ね次の流れです。まず対象画像をBase64などにエンコードし、認証キーを付けてエンドポイントへ POST します。応答はJSONで返り、認識テキストに加え、各文字や単語の座標を示すバウンディングボックスや信頼度スコアが含まれます。実装側はこの座標情報を手がかりに「どの枠の値か」を対応づけ、業務データの項目へ結びつける段取りです。非同期処理に対応したサービスなら、大量ページはジョブ投入と結果ポーリングに分けて捌きます。設計で外せないのは、通信失敗や低信頼結果を想定した再送・目視フォローの導線を最初から組み込むことです。読み取れた前提でフローを作ると、例外時に業務が止まります。

自前OCRを見送りAI-OCRやクラウドAPIへ寄せるべき条件の見極め

ここは判断を言い切ります。自前でOCRエンジンを構築・チューニングすべきなのは、読み取り対象が印刷活字に限られ、外部にデータを出せず、処理量が読めて運用体制も自社で持てる、という条件がそろう場合だけです。逆に、手書きや非定型帳票を高精度で扱いたい、書式が取引先ごとにばらつく、モデルの継続的な精度改善まで自前で背負いたくない、というなら、自前構築は見送ってAI-OCRやクラウドAPIへ寄せるのが妥当です。学習データの整備とモデル保守は、多くの現場で見積りを超える負担になります。非定型の帳票処理やシステム連携まで含めて外部の開発会社と進めるなら、AI-OCRの導入支援のように、要件定義から既存業務への組み込みまで伴走できる体制かどうかが委託先を見極める判断材料です。OCRは導入して終わりではなく、誤認識をどう業務で吸収するかまで設計して、はじめて効果が出ます。

よくある質問

OCRをこれから実装・導入する立場から寄せられる質問に、技術と実務の観点で簡潔に答えます。

OCRとAI-OCRは何が違いますか？

OCRは画像から文字を読み取る技術全般を指し、AI-OCRはそこにディープラーニングを組み込んだものです。従来型は読み取り位置を人が定義する定型帳票を得意とするのに対し、AI-OCRは書式が変わる非定型帳票でも、金額や日付といった項目を意味から推定して抽出できます。手書きや多様なレイアウトを扱うほど、AI-OCRの利点が効くという関係です。製品ごとの比較は別記事にまとめています。

OCRの読み取り精度は何割くらいですか？

対象によって大きく変わるため一律には言えません。鮮明な印刷活字なら99%以上に達することもありますが、手書きの自由記述やかすれた原本では大きく下がります。精度は入力画像の解像度・鮮明さ・書式に強く依存するため、数値だけを鵜呑みにせず、自社が扱う実際の文書で試すのが確実です。低信頼箇所を人が確認する前提で業務を組むと、精度の限界を吸収できます。

無料で使えるOCRにはどんなものがありますか？

オープンソースの Tesseract が代表格で、ライセンス費用なしで自社システムへ組み込めます。日本語にも対応し、印刷活字なら実用的な精度が出せる無料の選択肢です。ブラウザ上で試せる無料ツールもあり、少量の読み取りや検証用途なら開発なしで結果を確かめられます。ただし業務で大量かつ高精度を求めるなら、前処理の作り込みやクラウドAPIの併用が要ります。

PDFの文字をOCRでテキスト化できますか？

できます。スキャンして画像として保存されたPDFは、そのままでは文字を選択・検索できませんが、OCRをかけてテキスト情報を埋め込めば、検索可能なPDFへ変換できます。多くのOCRエンジンやクラウドAPIはPDFを直接入力として受け付け、ページごとに認識する仕様です。もともと文字データを持つ「テキストPDF」であればOCRは不要で、抽出処理だけで中身を取り出せます。

OCRを自社システムに組み込むにはどうすればよいですか？

大きく二通りです。オープンソースエンジンを自環境に導入して呼び出す方法と、クラウドOCR APIへ画像を送り結果のJSONを受け取る方法です。前者はデータを外に出さずに済み、後者は高精度と開発速度が得られます。いずれも、認識結果の座標と信頼度を使って業務データへ対応づけ、低信頼箇所を目視に回す導線まで含めて設計します。非定型帳票や手書きが絡む場合は、AI-OCRの導入支援を受けながら要件を固めるのが近道です。

関連記事

資料請求

RELATED POSTS 関連記事

一覧へ戻る