OCR（光学文字認識）（オーシーアール）
紙の書類や画像に含まれる文字をコンピュータが読み取り可能なテキストデータに変換する技術。Optical Character Recognition の略。スキャンした PDF の全文検索・編集・翻訳を可能にし、ドキュメントスキャナーやスキャンアプリの中核技術として不可欠。
OCR（光学文字認識）とは
OCR（Optical Character Recognition / 光学文字認識）は、紙の書類・画像・スキャンした PDF に含まれる文字を、コンピュータが処理可能なテキストデータに変換する技術である。1950 年代に郵便番号の自動読み取りから始まり、2026 年現在では深層学習（Transformer ベース）により手書き文字・多言語・複雑なレイアウトにも対応する高精度な技術に進化した。
概要と歴史
OCR の進化
| 世代 | 年代 | 技術 | 精度（活字） | 手書き対応 |
|---|---|---|---|---|
| 第 1 世代 | 1950〜1970 年代 | テンプレートマッチング | 80〜90% | × |
| 第 2 世代 | 1980〜1990 年代 | 特徴量抽出 + 統計モデル | 90〜95% | △ |
| 第 3 世代 | 2010 年代 | CNN（畳み込みニューラルネット） | 97〜99% | ○ |
| 第 4 世代 | 2020 年代〜 | Transformer + 大規模事前学習 | 99%+ | ◎ |
2026 年現在の最先端 OCR は、テキスト検出（文字領域の特定）とテキスト認識（文字の変換）を end-to-end で行う Transformer ベースのモデルが主流。
主要 OCR エンジンと精度
クラウド API
| サービス | 日本語精度 | 縦書き | 手書き | 表読取り | 価格 |
|---|---|---|---|---|---|
| Google Cloud Vision | 99.2% | ◎ | ◎ | ◎ | 1,000 ページ $1.50 |
| Azure AI Document Intelligence | 99.0% | ◎ | ◎ | ◎ | 1,000 ページ $1.50 |
| Amazon Textract | 98.5% | ○ | ○ | ◎ | 1,000 ページ $1.50 |
| Adobe Sensei（Acrobat Pro 内蔵） | 99.0% | ◎ | ○ | ○ | Acrobat Pro 月額 ¥2,728 |
ローカル（オフライン）
| ソフト | 日本語精度 | OS | 価格 | 特徴 |
|---|---|---|---|---|
| ABBYY FineReader PDF 16 | 98.5% | Win/Mac | ¥22,800（買切） | 200 以上の言語。レイアウト保持が優秀 |
| Tesseract 5.5 | 95〜97% | 全 OS | 無料（OSS） | Google 開発。カスタム学習可能 |
| 読取革命 Ver.16 | 97% | Windows | ¥12,800 | 日本語特化。帳票 OCR が得意 |
| Capture2Text | 93〜95% | Windows | 無料 | Tesseract ベース。画面キャプチャ OCR |
OCR の仕組み（2026 年の標準アーキテクチャ）
1. 前処理
- 傾き補正：ハフ変換やラドン変換でテキスト行の角度を検出・補正
- 二値化：Otsu 法や適応的二値化で文字と背景を分離
- ノイズ除去：メディアンフィルタで粒状ノイズを除去
- スキュー補正：ページ全体の歪みを除去
2. テキスト検出
画像中のテキスト領域を矩形（バウンディングボックス）で検出する。
- CRAFT（Character Region Awareness for Text Detection）：文字単位の検出
- DBNet++：微分可能二値化による高速テキスト検出
- TextFuseNet：文字・単語・行を階層的に検出
3. テキスト認識
検出された領域内の文字列を認識する。
- CRNN（CNN + RNN + CTC）：文字列を系列として認識
- TrOCR（Transformer OCR）：Vision Transformer + GPT-2 デコーダー。Microsoft 開発
- PaddleOCR：Baidu 開発のオープンソース。日本語含む 80 言語対応
- Donut：OCR フリーの文書理解モデル。テキスト検出+認識を 1 モデルで
4. 後処理
- 辞書照合：認識結果を辞書と照合して誤認識を修正
- 文脈補正：言語モデル（N-gram/LLM）で文脈的に不自然な認識結果を修正
- レイアウト復元：段組み・表・ヘッダー/フッターの構造を保持
日本語 OCR の課題
日本語は OCR において以下の特有の困難がある。
- 文字種の多さ：ひらがな（46）+ カタカナ（46）+ 漢字（常用 2,136 + JIS 第 1〜4 水準 10,000+）+ 英数字 + 記号
- 縦書き・横書きの混在：新聞・書籍では段組み + 見出し縦書き + 本文横書きが混在
- フォントの多様性：明朝体・ゴシック体・楷書体で文字の形が大きく異なる
- 旧字体・異体字：歴史的文書では現代の字形と異なる漢字が出現
2026 年の AI ベース OCR はこれらの課題をかなり克服しており、活字の認識率は 99% を超える。手書き日本語も 95% 程度の精度を達成。
実用シーン
- スキャン PDF の全文検索：OCR でテキストレイヤーを付与し、Ctrl+F で検索可能に
- 名刺管理：名刺スキャン→OCR→連絡先データベースに自動登録
- 請求書処理：AI-OCR で請求書の金額・日付・取引先を自動抽出→会計ソフト連携
- 古文書デジタル化：博物館・図書館での歴史的文書のテキスト化
- 翻訳：OCR + 機械翻訳で外国語文書を即座に理解
よくある質問（FAQ）
Q1: OCR の精度を上げるコツはありますか？ A: スキャン解像度を 300〜600dpi に設定し、傾き補正を有効化する。原稿のコントラストが低い場合は事前にシャープネス処理を適用。手書き文字は Google Cloud Vision か Azure AI が最も高精度。
Q2: 無料で使える高精度な OCR はありますか？ A: Google ドキュメント（Google ドライブに画像/PDF をアップロード→Google ドキュメントで開く）が無料で非常に高精度。ローカルでは Tesseract 5.5 が OSS で利用可能だが、設定にやや知識が必要。
Q3: OCR で読み取れない文字はどうすればよいですか？ A: 認識率は活字 99%+、手書き 95% 程度のため、完全自動化は困難。重要書類では OCR 結果の目視確認（プルーフリーディング）が推奨される。ABBYY FineReader の検証機能では低確信度の文字をハイライト表示して効率的に確認できる。
まとめ
- OCR は画像からテキストを抽出する中核技術。60 年以上の歴史
- 2026 年は Transformer ベースで活字 99%+、手書き 95% の精度
- Google Cloud Vision、Azure AI、ABBYY FineReader が三大エンジン
- 日本語は文字種の多さと縦横混在が課題だが、AI で大幅に改善済み