紙の文字がなぜコンピューターに「読める」のか｜スキャナーとOCRの仕組みを図解で解説【2026年版】

書類をスキャンしてPDFにしたのに、文字を検索できない。OCRで変換したら「株式会社」が「朱式会社」になっていた——そんな経験はありませんか？ プリンターの仕組みとセットで、スキャナーとOCRの技術を理解しておくと、日常のデジタル化作業でミスが減ります。

スキャナーとOCR（光学文字認識）は「紙→デジタル」変換の中核技術ですが、内部で何をしているかを説明できる人はほとんどいません。「光を当てて読み込む」ことはなんとなく知っていても、「なぜ文字として認識できるのか」「なぜ間違えるのか」の理由を答えられますか？

実は2024年から電子帳簿保存法の義務化が進み、請求書・領収書のスキャン保存が多くの企業で必須になりました。「ただスキャンすればいい」のではなく、法的に求められる要件があります。その要件の根拠も、仕組みを知ればすっきり理解できます。

• スキャナーは「光の反射率の差」で文字を読み取っている
• OCRは5段階の処理を経て、文字として「解釈」する
• 解像度300dpiが境界線——200dpi以下は法定最低限
• AI時代のOCRでも「99%の認識率」には重大な落とし穴がある

スキャナーは「光の反射」で紙の情報を拾っている

スキャナーの基本原理はシンプルです。光源（LEDやランプ）から光を紙に照射し、反射した光の強弱をセンサーで受け取ります。白い部分はよく反射し（明るい）、黒い文字の部分はあまり反射しません（暗い）。この反射率の差を電気信号に変換することで、紙の情報がデジタルデータになります。

人間が「文字を読む」ときも、網膜が光の反射を受け取って脳が処理しているわけですから、基本的な原理は同じです。違いは「その先の処理」です。人間の脳はコンテキストから柔軟に読めますが、コンピューターには明確なルールが必要です。それがOCRという仕組みです。

白黒のコントラストが「文字を見える」を決める

スキャン品質を左右する最大の要因はコントラストです。汚れた紙や薄い鉛筆書きは、文字と背景の反射率の差が小さくなります。結果として、コンピューターには文字として認識しにくくなります。

「スキャンしたけど文字が薄い」「汚れが文字として読まれる」という問題のほとんどは、このコントラスト不足が原因です。

CCD方式とCIS方式——2種類の読み取りセンサー

フラットベッドスキャナーや複合機には主に2種類の読み取り方式があります。スキャナーを選ぶときに知っておきたい違いです。

CCD方式（縮小光学方式）

強力な光源・ミラー・複数のレンズを使って光を集め、CCD（電荷結合素子）センサーで読み取ります。被写界深度が広く、厚みのある本や凹凸のある原稿でも高品質に読み取れます。モアレが出にくく、コンビニのコピー機などで多く使われています。サイズと価格が大きくなりやすいのが欠点です。

CIS方式（接触型イメージセンサー）

RGB三色LEDを原稿に密着させてセンサーで直接読み取ります。省スペース・低コストで、家庭用複合機の多くがこの方式です。読み取り忠実性はCCDより劣り、原稿が浮いているとピンボケが起きやすい特性があります。

CMOSセンサーが主流になった理由

現代のデジタルカメラやスマートフォンのカメラでは、CCDではなくCMOSセンサーが主流です（キヤノン サイエンスラボより）。CMOSはCCDより低電圧・低消費電力で動作し、CPUやLSIと同じ製造プロセスを流用できるため低コスト大量生産が可能です。2000年代以降はCMOSが市場を席巻しました。

OCRの5段階処理——文字が「認識」されるまでの全工程

スキャナーで取り込んだ画像データを、コンピューターが読めるテキストデータに変換するのがOCR（Optical Character Recognition）の役割です。この処理は大きく5段階に分かれます。

②前処理：二値化が最大の鍵

OCRの精度を決定づける処理が「二値化」です。グレースケールの画像を、完全な白と完全な黒の2色に変換します。これにより文字と背景の境界が明確になり、ノイズ（汚れ・かすれ）が除去されます。

しいわば「鉛筆で書いた薄い文字を、墨で塗り直して明確にする」ようなイメージです。コンピューターが「ここは文字」「ここは余白」を判断できる状態に整えます。

④文字認識：なぜ「0」と「O」を間違えるのか

文字認識は、画像の文字パターンを既知の文字テンプレートと照合するか、AIが学習済みモデルで判断します。「0（ゼロ）」と「O（オー）」は形が非常に似ており、「1（いち）」と「l（小文字エル）」も区別が難しいとされます。コンテキスト情報なしには判別が困難です。

古典的なOCRはパターンマッチングだけで判断するため、フォントが少し変わるだけで認識率が落ちました。現代のAI-OCRは前後のテキストや帳票の構造を文脈として理解することで、この問題を大幅に改善しています。

解像度「300dpi」が境界線——この数字の科学的根拠

スキャンの解像度を表す「dpi（dots per inch）」は「1インチ（約2.54cm）に何ドット詰めるか」を表します。dpiが高いほど高精細ですが、ファイルサイズも増えます。

なぜ200dpi以下では文字認識が難しくなるのか

一般的な書類フォントのサイズは10〜12ポイント（高さ3〜4mm程度）です。200dpiでA4一枚をスキャンすると、この文字の高さはわずか24〜31ピクセルで表現されます。これだと小さな文字の細部（「日」の横棒の本数など）の判別が困難になります。

300dpi以上になると、同じ文字が36〜47ピクセルで表現され、急激に認識精度が向上します。「300dpi」という数字には、文字サイズと認識精度の実測からきた根拠があるのです。

電子帳簿保存法での法定要件

国税庁の「電子帳簿保存法一問一答」（令和8年7月版）によると、国税関係書類のスキャナ保存には「200dpi以上かつRGB各256階調以上（カラー）」での読み取りが法的要件として定められています。

ただし、200dpiは認識精度観点では最低ラインです。業務で利用するなら300〜400dpiが実務的な推奨値となります。

AIで精度は98%を超えた——それでも「まだ間違える」理由

リコーの自社調査（2022年8月、260社分の請求書データ）では、印刷文字のOCR認識精度は98.87%に達しています。AI-OCR全体でも印刷文字の精度はGoogle Cloud Vision・AWS Textractともに約95%（DeltOCR Bench 2025年11月）という結果が出ています。

「99%の認識率」の重大な落とし穴

しかし「99%の文字認識率」には重大な注意点があります。これは1文字ずつの評価です。たとえば1000文字の文書で99%の精度なら、10文字が誤認識されます。

請求書の「金額フィールド」は「123,456」という6文字の数字です。6文字のうち1文字でも違えば、金額が全く違う値になります。富士フイルムビジネスイノベーションが指摘するように、「文字認識率99%」と「帳票フィールドの正確な読み取り」は別問題です。実運用でのフィールド単位の精度は80〜95%程度にとどまるのが現実です。

手書き文字はまだ難しい

手書き文字になると精度は大幅に下がります。Google Document AIの手書き文字認識精度は74.8%、Amazon Textractは71.2%（同ベンチマーク）にとどまります。筆跡・筆圧・用紙の向きが人によって異なり、標準化が難しいためです。

現在最も進んでいる手法は「AI-OCRでテキスト抽出→GPT-4やClaudeなどの大規模言語モデルで構造化抽出」という2段階パイプラインで、単体OCRの限界を文脈理解でカバーしています。AIと機械学習の仕組みを理解していると、この処理フローの意味がよりクリアになります。

デメリット・注意点：スキャン・OCRで失敗しやすいケース

仕組みを理解すれば、失敗原因も自然と分かります。

原稿が汚い・折れ目がある

汚れ・しみ・折れ目はノイズとして拾われ、誤認識のもとになります。大切な書類をスキャンする前に、汚れを拭いて折れを伸ばすだけで認識率が大きく上がります。

傾き補正をしないまま読み込む

紙が少し傾いてセットされると文字も傾きます。OCRの認識精度は傾き補正（デスキュー）の有無で大きく変わります。多くのOCRソフトには自動傾き補正機能がありますが、手差し原稿では過信禁物です。

低解像度スキャンをそのまま送る

FAXで受け取った文書は100〜200dpi程度の解像度であることが多く、そのままOCRにかけると誤認識が増えます。電子帳簿保存法の観点でも問題になりますので、受け取ったFAX原稿は一度印刷して300dpiで再スキャンする方法が実務でよく使われます。

スキャナー・OCRの選び方：用途で変わる最適解

スキャナーとOCRを選ぶとき、目的によって最適な組み合わせが変わります。

個人・SOHOの書類管理：家庭用複合機＋標準OCRで十分

レシートや領収書程度なら、家庭用複合機（CIS方式・300dpi）＋WindowsやMacの標準OCR機能で対応できます。電子帳簿保存法対応なら、Adobe Acrobatのような商用OCRを使うと文字検索可能なPDFが作れます。

中小企業の請求書処理：クラウドAI-OCRが費用対効果○

月数百枚の請求書処理なら、Google Document AIやAmazon Textractを使ったクラウドAI-OCRサービスが費用対効果の高い選択肢です。APIで会計ソフトと連携できるものも多く、手入力の大幅削減が可能です。

大量高速処理：ドキュメントスキャナー専用機＋AIパイプライン

銀行・保険・行政のような大量書類処理には、富士通ScanSnap・エプソン・PFU（PaperStream）のような業務用ドキュメントスキャナー（毎分50〜100枚）と、企業向けAI-OCRの組み合わせが選ばれます。

よくある誤解4選：スキャナーとOCRの勘違い

スキャナー・OCRを使っていると遭遇しやすい誤解をまとめます。

誤解1「スキャンしたPDFには文字が入っている」

→ 事実：スキャンしただけのPDFは「画像のPDF」です。文字を検索したり選択したりするにはOCRの実行が必要です。「なぜ検索できないの？」という質問の答えはほぼこれです。

誤解2「解像度は高いほど良い」

→ 事実：600dpiや1200dpiは写真や図面の細かい部分を拾うのには有効ですが、一般的な文書のOCRには300〜400dpiで十分です。高解像度はファイルサイズを大きくするだけになりがちです。

誤解3「AIが読むから手書きでも完璧に読める」

→ 事実：現代の最高精度のAI-OCRでも手書き文字の認識率は70〜75%程度。フィールド単位の精度ではさらに下がります。重要な手書き書類の入力は、人間による確認を省略しない方が安全です。

誤解4「スキャンして保存すれば電子帳簿保存法に対応できる」

→ 事実：電子帳簿保存法（スキャナ保存）には「200dpi以上・カラー256階調以上」という解像度要件があります。単に写真を撮っただけや、FAXをそのままPDF保存しただけでは要件を満たせない場合があります。

まとめ：「光が反射して文字になる」という驚くべき単純さ

スキャナーとOCRの仕組みをまとめます。

• スキャナーは光の反射率の差を電気信号に変換して紙の情報を読み取っている
• センサーにはCCD方式（高品質）とCIS方式（省スペース）があり、現代のカメラはCMOSが主流
• OCRは「画像取得→二値化→文字領域検出→文字認識→後処理」の5段階で文字を抽出する
• 解像度300dpi以上で認識精度が飛躍的に向上する。電子帳簿保存法の最低要件は200dpi
• 印刷文字の認識率は98%超に達したが「フィールド単位の精度」は別問題——業務では人間確認が必要
• AI-OCRは現在「OCR抽出→大規模言語モデルで構造化」という2段階パイプラインが主流

2026年現在、電子帳簿保存法の義務化でスキャン・OCRは企業の「当たり前」になりつつあります。単純に見えますが、光の反射率を検出し→画像を二値化し→文字パターンを照合する——という精密な仕組みが、1秒以内に何十枚もの書類を処理しています。これだけのことが、プリンターほどの機械とソフトウェアで実現されているのは、改めて考えると驚くべき技術の集積です。