OCRの対象試験と出題頻度

OCR(光学式文字読取装置)は、ITパスポートの定義問題で繰り返し出ている入力装置の用語です。

R7・R6・H27秋と出題が続いており、基本情報技術者では入力装置の問題の誤答選択肢として登場。説明文のキーワードと用語を結びつけておけば、確実に得点できるテーマです。

出題情報を確認する
対象試験:
ITパスポート(IP), 基本情報技術者(FE)
出題頻度:
★★★☆☆
頻出度B:IPで定義問題として繰り返し出題

OCR(光学式文字読取装置)の定義

過去問で「OCR」と「OMR」が並ぶと、どちらが文字を読む装置なのか一瞬迷ってしまうものです。

OCRはOptical Character Readerの略で、技術を指すときはOptical Character Recognitionとも表記されます。コンピュータの五大装置では、入力装置に分類される用語です。

OCRとは、

「紙や画像の文字の形を解析し、文字コード(テキストデータ)に変換する技術・装置」

です。

職場の場面に置き換えると、写真に写ったメモを人が読みながらキーボードで打ち直す作業を、機械が代わりにこなすもの。

文字を「絵」として眺めるだけで終わらず、「あ」や「1」という文字として扱えるようにする点が、OCRの本質です。

OCRの基本情報

項目 内容
正式名称 Optical Character Reader(装置)/Optical Character Recognition(技術)
日本語名 光学式文字読取装置/光学式文字認識
表記ゆれの理由 専用の読取装置を指すときはReader、スキャナやスマホ上で動く認識ソフトの技術を指すときはRecognition
五大装置での分類 入力装置
入力と出力 入力:文字が写った画像 → 出力:文字コード(テキストデータ)
混同注意 OMR=マークの有無を読む、OCR=文字の形を読む

OCRの仕組みと現場での使われ方

画像を文字コードに変える5つの工程

紙が文字コードになるまでに、OCRの内部では5つの工程を順に通ります。下の図で流れを確認してください。

OCRが紙を文字コードに変える流れ

上から順に処理が進む

1
紙を画像化
スキャナ/カメラ
スキャナ
↓
2
前処理
傾き補正・ノイズ除去
OCR
↓
3
文字の切り出し
行から1文字ずつに分割
OCR
↓
4
文字認識
パターン照合・AI
OCR
↓
5
文字コードで出力
テキストデータ
OCR
↓
✓
人による確認
誤認識の目視修正
人

①まではスキャナの仕事、②〜⑤がOCRの仕事。点線枠は実務で必ず残る工程

精度を大きく左右するのは②の前処理で、傾きや汚れが残ると④で別の文字と判定されやすくなる。④では従来、文字の形を登録済みのパターンと照合する方式が中心でした。近年はAIの活用で、手書き文字の認識精度が大きく向上しています。

スキャナとOCRの役割の境界

イメージスキャナやカメラのCCDが担うのは、紙を画素の集まり(画像)にするところまで。

その画像から文字を見つけ出し、文字コードに置き換えるのがOCRの役割です。スキャンしただけのファイルは、人の目には文字に見えても、コンピュータにとっては点の模様にすぎません。

複合機の「OCR機能付きスキャン」は、この2つを続けて実行しているもの。

現場での使われ方(請求書・伝票処理)

実務では、請求書や伝票の処理にOCRがよく使われます。ただし、取引先名や金額がどの位置に書かれているかを指定する帳票定義と、読み取り結果を人が目で確かめて直す工程は必ず残る。

筆者の感覚でも、認識率99%なら1,000項目のうち10か所は直す前提で運用を組みます。文字化したデータは、RPAが会計システムへ自動で転記する流れが定番です。

ただ、実際にすべてを自動化したいといったユーザニーズがあったため、筆者の場合はマスタとの類似計算(レーベンシュタイン距離演算)を行い、認識率100%にほど近くした経験もあります。

紙をデジタルデータに置き換えるこの段階は、DXでいうデジタイゼーションの典型例。

仕組みと使われ方のまとめ

・OCRは画像化→前処理→切り出し→認識→文字コード出力の順に処理する
・画像化まではスキャナ、画像の文字化はOCRの担当
・実務では帳票定義と目視確認の工程が欠かせない
・RPAと組み合わせると、読み取りから転記まで自動化できる

試験ではこう出る!

出題パターン分析

確認できた出題は4問で、そのうちOCRが正解になるのはITパスポートの3問です。基本情報技術者では、別の装置を問う問題の誤答選択肢として登場する程度。

IPA試験での出題パターン

パターン1:説明文から用語名を選ぶ型
「画像の文字を読み取りテキスト化する」「手書き文字を文字コードに変換する」という説明に合う用語を選ぶ。IP R7 問81、IP H27秋 問47が該当。

 

パターン2:用語から役割を選ぶ型
OCRの役割として適切な記述を選ぶ。IP R6 問59が該当。

 

パターン3:他の装置を問う問題の誤答として登場する型
FE H20春 問26(ポインティングデバイスを選ぶ問題)。OCRはポインティングデバイスではない。

 

どの型も「画像の文字 → 文字コード」という対応が分かっていれば解ける。

OCRの過去問出題実績(4件)

IP R7 問81:スキャナ画像から印刷文字・手書き文字を読み取りテキスト化する技術(選択肢はCCD、DVI、GPU、OCR/正解:エ)

IP R6 問59:OCRの役割として適切なもの(誤答はNFC、音声合成、タッチパネル/正解:イ)

IP H27秋 問47:手書き文字を読み取り文字コードに変換する装置(選択肢はBD-R、CD-R、OCR、OMR/正解:ウ)

FE H20春 問26:ポインティングデバイスに分類される装置(OCRは誤答選択肢/正解:エ)

ひっかけポイントと対策

誤答には、名前が似た装置や、画像・映像に関わる部品が並びます。それぞれの選択肢の正体を、下の表で押さえてください。

⚠️ ひっかけ早見表

誤答の値・選択肢 その正体
OMR(IP H27秋) マークの有無を読む装置。文字の形は読まない
CCD・GPU(IP R7) CCDは画像止まりの撮像素子、GPUは画像処理用の演算装置
DVI・CD-R・BD-R DVIは映像出力の端子、CD-R・BD-Rは記録媒体
NFC・音声合成・タッチパネル(IP R6) 近距離無線通信/文字→音声/画面での位置入力

試験区分別の対策方針

・IP:「画像の文字→テキスト(文字コード)」の対応で即答する
・FE:入力装置の中で「ポインティングデバイスではない」と切る

OCRの前後で「データ」の何が変わるのか

画像PDFとOCR済みPDFの比較

スキャンしただけのPDFとOCR済みのPDFは、画面上の見た目がまったく同じ。

違いは、文字がデータとして中に入っているかどうかにあります。

OCRの前と後で、データとしてできること

比較項目 画像のみ(スキャンしたPDF) OCR後(テキスト付きPDF)
文字検索 × 文字は絵として存在するだけ ○ キーワードで検索できる
コピー&ペースト × 画像の切り抜きになる ○ 文字として貼り付けられる
編集 × 画像の加工のみ ○ テキストを修正できる(誤認識も直せる)
表計算・システムへの取込み × 人が打ち直す ○ 項目単位で連携できる
データ量 大きい(画素の集まり) テキスト自体はごく小さい(PDFは画像+テキスト層で少し増える)

「人が見る」だけなら左の列で足り、「機械が使う」段階で右の列が必要になる、という読み方をしてください。

検索やシステム取込みが必要な書類にだけOCRをかけるのが、実務的な使い分けです。

誤認識しやすい文字ペアと確認ポイント

OCRが出力したテキストには、形の似た文字の取り違えが一定の割合で混じります。筆者が確認作業で特に注意してきたペアは次のとおり。

誤認識しやすい文字ペア

文字ペア 起きやすい場面と確認ポイント
0(ゼロ)/O(オー) 型番・請求書番号。英数字が混ざる欄は1桁ずつ照合する
1/l(エル)/I(アイ) ID・メールアドレス。フォントによっては形がほぼ同じになる
ロ(カタカナ)/口(くち) 社名・住所。前後の文字から文脈で判断する
カ(カタカナ)/力(ちから) 取引先名で頻出。取引先マスタと突き合わせる
ー(長音)/一(漢数字) 商品名・金額。数字の欄は桁数チェックで見つける

金額や日付の欄では、合計値の検算や桁数チェックを組み合わせると見落としを減らせます。

補足:OCRの逆を突く仕組み

・Webサイトの認証で見かけるCAPTCHAの歪んだ文字は、OCRに読み取らせないための工夫

【確認テスト】OCRの理解度チェック

スキャナとの境界が分かっているかを、事例問題で確認してみましょう。

Q. 経理部で、紙で届く請求書の取引先名と金額を会計システムにテキストデータとして取り込みたい。紙の文字を読み取って文字コードに変換するものとして、最も適切なものはどれか。

  • A. イメージスキャナ
  • B. OMR
  • C. OCR
正解と解説を見る

正解:C

解説:
OCRは画像の中の文字の形を解析して、テキストデータに変換します。取引先名や金額を会計システムへ文字として取り込むという目的に合うのは、Cだけです。

Aが不正解の理由:イメージスキャナは紙を画像として取り込むだけで、文字コードにはなりません。前述の5工程でいえば①の画像化までを担う装置です。

Bが不正解の理由:OMRは決められた位置にあるマークの有無を読む装置です。取引先名のような自由な文字は認識できません。

OCRの関連用語ネットワーク

OCRで文字化したデータが次にどう使われるかを意識して、関連用語へ学習を広げてください。

関連用語マップ

カテゴリ 関連用語
前提知識 コンピュータの五大装置(入力装置)、文字コード(OCRの出力形式)
関連用語 OMR(名前が似た誤答の定番)、イメージスキャナ(画像化までを担当)、RPA(文字化したデータを転記)、HDMI(誤答に出たDVIの説明あり)
発展 自然言語処理(文字化した文章の意味を解析)、データクレンジング(誤認識や表記ゆれを整える)、DX(デジタイゼーション)