OCR, অথবা অপটিক্যাল ক্যারেক্টার রেকগনিশন হলো এক ধরনের প্রযুক্তি যা বিভিন্ন ধরনের ডকুমেন্টগুলিকে, যেমন স্ক্যান করা কাগজের ডকুমেন্ট, PDF ফাইল বা ডিজিটাল ক্যামেরায় তোলা ছবি, সম্পাদনযোগ্য এবং অনুসন্ধানযোগ্য তথ্যে রূপান্তর করতে ব্যবহার করা হয়। OCR এর প্রথম পর্যায়ে, একটি লেখা ডকুমেন্টের ছবি স্ক্যান করা হয়। এটি ছবি বা স্ক্যান করা দলিল হতে পারে। এই পর্যায়ের উদ্দেশ্য হলো দলিলের ডিজিটাল কপি তৈরি করা, এর পরিবর্তে ম্যানুয়াল লিপিবদ্ধকরণ চাই। এছাড়া, এই ডিজিটালায়ন প্রক্রিয়া মাশুল সম্পদের দীর্ঘায়িত্ব বাড়াতে হেল্প করতে পারে কারণ এটি ভাঙ্গুর সম্পদ হেন্ডল করার প্রয়োজনীয়তা হ্রাস করতে পারে। ডকুমেন্টটি ডিজিটালায়ন করা হলে, ওসিআর সফ্টওয়্যার ব্যবহার করে ছবিটি একক অক্ষরে প্রতিষ্ঠাপন করে। একে সেগমেন্টেশন প্রক্রিয়া বলে। সেগমেন্টেশন ডকুমেন্টটি লাইন, শব্দ এবং এত পর্যন্ত একক অক্ষর ভেঙে দেয়। এই বিভাজন একটি জটিল প্রক্রিয়া কারণ এতে অনেকগুলি প্রকেল সম্পৃক্ত হয় - ভিন্ন ফন্ট, ভিন্ন আকারের টেক্সট এবং টেক্সটের ভিন্ন কেলা, কেবল কিছু উল্লেখ করা উপযুক্ত। সেগমেন্টেশনের পরে, OCR এর এলগোরিদম প্যাটার্ন চিনতে প্রতি অক্ষর চিহ্নিত করে। প্রত্যেক অক্ষরের ক্ষেত্রে, এলগোরিদম তা অক্ষরের আকারের ডাটাবেসের সাথে তুলনা করে। সবচেয়ে কাছাকাছি মিল তবে অক্ষরের পরিচয় হিসাবে নির্বাচিত হয়। বৈশিষ্ট্য চিন্তার মধ্যে, ওসিআর এর আরও উন্নত রূপ, এলগোরিদম শেপ পরীক্ষা করে না শুধুমাত্র তাড়াহার এবং বাকয়া প্যাটার্নে লাইন এবং বক্রস্মিতি বিবেচনা করে। OCR এর এমন অনেকগুলি ব্যবহারিক অ্যাপ্লিকেশন রয়েছে -- মুদ্রিত ডকুমেন্ট ডিজিটাইজ করা থেকে, টেক্সট-টু-স্পিচ সেবা সক্রিয় করা, ডাটা এন্ট্রি প্রক্রিয়া স্বয়ংক্রিয় করা, এমনকি দৃষ্টিপ্রতিবন্ধী ব্যবহারকারীদের পাঠ্যের সাথে ভালো করে যোগাযোগ করতে অসিস্ট করা। তবে, মনে রাখা দরকার যে OCR প্রক্রিয়াটি ব্যর্থ হতে পারে এবং বিশেষ করে কম রেজ্যুলেশনের ডকুমেন্ট, জটিল ফন্ট বা খারাপ মুদ্রিত টেক্সটের সাথে মারামারি করতে পারে। তাই, OCR সিস্টেমের যথার্থতা গুরুত্বপূর্ণভাবে পরিবর্তিত হয় মূল ডকুমেন্টের মান এবং ব্যবহৃত OCR সফ্টওয়্যারের বিশেষত্ব উপর নির্ভর করে। OCR হলো একটি গুরুত্বপূর্ণ প্রযুক্তি আধুনিক তথ্য উদ্ধার এবং ডিজিটালায়ন অভ্যাসে। এটি ম্যানুয়াল ডাটা এন্ট্রির প্রয়োজনীয়তা হ্রাস করে এবং শারীরিক ডকুমেন্টগুলি একটি ডিজিটাল ফর্ম্যাটে রূপান্তর করে একটি বিশ্বস্ত, কার্যকর প্রক্রিয়া প্রদান করে।
অপটিক্যাল ক্যারেক্টার রিকগনিশন (OCR) একটি প্রযুক্তি যা বিভিন্ন ধরনের দস্তাবেজ, যেমন স্ক্যান করা কাগজের দস্তাবেজ, PDF ফাইল বা ডিজিটাল ক্যামেরায় ছবি তৈরি করা, সম্পাদনযোগ্য এবং অনুসন্ধানযোগ্য তথ্যে রূপান্তর করতে ব্যবহৃত হয়।
OCR কাজ করে একটি ইনপুট ছবি বা দস্তাবেজ স্ক্যান করে, ছবিটি ব্যক্তিগত অক্ষরগুলিতে বিভক্ত করে এবং প্যাটার্ন নির্বাচন বা বৈশিষ্ট্য নির্বাচন ব্যবহার করে প্রতিটি অক্ষর অক্ষররূপের ডাটাবেসের সাথে তুলনা করে।
OCR বিভিন্ন খাতে এবং অ্যাপ্লিকেশনে ব্যবহার হয়, তারমধ্যে মুদ্রিত দস্তাবেজ ডিজিটাইজ করা, টেক্সট-টু-স্পিচ সেবা সক্রিয় করা, ডাটা এন্ট্রি প্রক্রিয়া স্বয়ংক্রিয় করা, এবং দৃষ্টিপ্রতিবন্ধী ব্যবহারকারীদের টেক্সটের সাথে ভালোভাবে মিলিয়ে যাওয়ার অসিস্ট করা।
যদিও OCR প্রযুক্তিতে বড় উন্নতি হয়েছে, তবে এটি অব্যর্থ। মূল দস্তাবেজের গুণমান এবং OCR সফটওয়্যারের নির্দিষ্টতা উপর নির্ভর করে সঠিকতা বিভিন্ন হতে পারে।
যদিও OCR মূলত মুদ্রিত টেক্সটের জন্য নকল করা হয়, তবে কিছু উন্নত OCR সিস্টেম স্পষ্ট, সামান্য হাতের লেখা চিনতে ও সক্ষম। তবে, সাধারণত হাতে লেখা চিত্রগুলির চেনাচেনি কম সঠিক হয় কারণ ব্যক্তিগত লেখার শৈলীতে প্রচুর পরিবর্তন হয়।
হ্যাঁ, অনেক মাত্রায় OCR সফটওয়্যার সিস্টেম একাধিক ভাষা চেনে তুলতে পারে। তবে, আপনি যে সফটওয়্যার ব্যবহার করছেন, নিশ্চিত করুন যে নির্দিষ্ট ভাষাটি এটি দ্বারা সমর্থিত।
OCR মূলত Optical Character Recognition এর জন্য দাঁড়ায় এবং এটি মুদ্রিত টেক্সট চিনতে ব্যবহার করা হয়, যখনই ICR, অর্থাৎ Intelligent Character Recognition, আরও উন্নত এবং এটি হাতে লেখা টেক্সট চিনতে ব্যবহার করা হয়।
OCR সাধারণত স্পষ্ট, সহজে পড়া যাবে এমন ফন্ট এবং মান টেক্সট আকারের সাথে সেরা কাজ করে। যখন এটি বিভিন্ন ফন্ট এবং আকারের নিয়ে কাজ করে, তখন সেটি অস্বাভাবিক ফন্ট বা খুব ছোট টেক্সট আকারের নিয়ে সামোতীয়তা হ্রাস পায়।
OCR বিখ্যাত দস্তাবেজ, জটিল ফন্ট, খারাপ মুদ্রিত টেক্সট, হাতে লেখা, এবং দস্তাবে জ যা টেক্সটের সাথে বাধা দেয় দিয়ে হাতাহাতি করতে পারে। এছাড়াও, এটি অনেকগুলি ভাষায় কাজ করতে পারে, তবে এটি প্রতিটি ভাষা পূর্ণাঙ্গভাবে ছাড়া যেতে পারে।
হ্যাঁ, OCR বর্ণ টেক্সট এবং পটভূমি স্ক্যান করতে পারে, যদিও এটি সাধারণত উচ্চ-কন্ট্রাস্ট বর্ণ সংযোজনে অতিরিক্ত কার্যকর, যেমন সাদা পটভূমি উপর কালো টেক্সট। টেক্সট এবং পটভূমি রং যথেষ্ট বিপরীত না হলে সঠিকতা হ্রাস পেতে পারে।
G3 ইমেজ ফরম্যাট, যা প্রায়ই গ্রুপ 3 ফ্যাক্স এনকোডিংয়ের সাথে যুক্ত, হল কালো এবং সাদা ইমেজ কম্প্রেস করার একটি পদ্ধতি যা প্রাথমিকভাবে টেলিফোন লাইনের মাধ্যমে দলিলগুলির দক্ষতার সাথে প্রেরণের জন ্য তৈরি করা হয়েছিল। প্রযুক্তির উন্নতির সাথে সাথে, এর ব্যবহার ফ্যাক্সিমাইল ট্রান্সমিশনের বাইরেও প্রসারিত হয়েছে, নির্দিষ্ট ডকুমেন্ট ইমেজিং এবং স্টোরেজ সিস্টেমের ভিত্তি হিসাবে কাজ করেছে। ডকুমেন্ট ট্রান্সমিশন প্রযুক্তির বিবর্তনে G3 ফরম্যাটের গুরুত্বকে অতিরঞ্জিত করা যায় না; এটি ডিজিটাল যোগাযোগ নেটওয়ার্কের ব্যাপকভাবে গ্রহণের আগের যুগে পাঠ্য এবং গ্রাফিক তথ্যের দ্রুত, আরও দক্ষ যোগাযোগ সক্ষম করেছিল।
G3 এর দক্ষতার মূলটি হল মডিফাইড হাফম্যান (MH) এনকোডিংয়ের ব্যবহার, রান-লেন্থ এনকোডিং (RLE) এর একটি রূপ যা ছোট কোডগুলির সাথে একই পিক্সেলের (এই ক্ষেত্রে বিট) সিকোয়েন্স উপস্থাপন করে ডেটা কম্প্রেস করে। এই কৌশলের সারাংশ হল দলিলগুলিতে প্রায়শই পাওয়া পুনরাবৃত্তিমূলক প্যাটার্নগুলির সুযোগ নেওয়া, একটি লাইনের উপর প্রেরণ করার জন্য প্রয়োজনীয় ডেটার পরিমাণ হ্রাস করা। উদাহরণস্ব রূপ, একটি সাধারণ দলিলে, বড় এলাকাগুলি সম্পূর্ণরূপে সাদা (খালি) বা কালো (টেক্সট) হতে পারে এবং প্রতিটি পিক্সেলের জন্য একটি বিট প্রেরণ করার পরিবর্তে, MH এনকোডিং একটি কোড প্রেরণ করে যা বলে "300 সাদা পিক্সেল" বা "15 কালো পিক্সেল," ডেটা আকারকে নাটকীয়ভাবে কমিয়ে দেয়।
এছাড়াও, G3 ফরম্যাট বেসলাইন MH এনকোডিংয়ের উপর একটি বিকল্প উন্নতি হিসাবে একটি দ্বি-মাত্রিক কোডিং স্কিম ব্যবহার করে। মডিফাইড READ (রিলেটিভ এলিমেন্ট অ্যাড্রেস ডিজাইনেট) নামে পরিচিত এই স্কিমটি এই সত্যের সুযোগ নেয় যে একটি দলিলের পরপর লাইনগুলি প্রায়শই অনুরূপ। MH কোডিংয়ের মতো প্রতিটি লাইনকে স্বাধীনভাবে এনকোড করার পরিবর্তে, মডিফাইড READ একটি লাইনকে তার পূর্বসূরীর সাথে তুলনা করে এবং কেবল পার্থক্যগুলি এনকোড করে। এই পদ্ধতিটি প্রায়শই উল্লেখযোগ্য কম্প্রেশন উন্নতির দিকে পরিচালিত করে, বিশেষ করে একই রঙের বড় এলাকা বা পুনরাবৃত্তিমূলক প্যাটার্ন সহ দলিলগুলির জন্য।
একটি G3 এনকোড করা দলিল পেজগুলিতে সাজানো থাকে, প্রতিটি পেজে একটি হেডার এবং এনকোড করা লাইনের একটি সিরিজ থাকে। হেডারে পেজ সম্পর্কে তথ্য থাকে, যেমন এর রেজোলিউশন, যা পরিবর্তিত হতে পারে তবে সাধারণত 204x98 বা 204x196 DPI (ডট প্রতি ইঞ্চি) এর স্ট্যান্ডার্ড ফ্যাক্স রেজোলিউশন অন্তর্ভুক্ত করে। এই নমনীয়তা G3 ফরম্যাটকে ইমেজের গুণমান এবং ফাইলের আকারের মধ্যে ভারসাম্য বজায় রাখতে দেয়, এটিকে বিভিন্ন ফ্যাক্সিংয়ের প্রয়োজন বা দলিলের ধরনের জন্য বহুমুখী করে তোলে। হেডারের পরে, প্রতিটি লাইনের জন্য এনকোড করা ডেটা ক্রমানুসারে সংরক্ষণ করা হয়, এন্ড-অফ-লাইন (EOL) কোডগুলি একটি লাইন থেকে পরবর্তী লাইনে রূপান্তর নির্দেশ করে।
G3 ফরম্যাটের উল্লেখযোগ্য বৈশিষ্ট্যগুলির মধ্যে একটি হল এর ত্রুটি পরিচালনা ক্ষমতা। এটি সম্ভাব্য অবিশ্বস্ত টেলিফোন লাইনের উপর ট্রান্সমিশনের জন্য ডিজাইন করা হয়েছিল বলে বিবেচনা করে, এটি ত্রুটি সনাক্ত এবং সংশোধন করার জন্য প্রক্রিয়া অন্তর্ভুক্ত করে। উদাহরণস্বরূপ, এনকোড করা ডেটার প্রতিটি লাইন চেক সিকোয়েন্স ব্যবহার করে সামঞ্জস্যের জন্য চেক করা যেতে পারে। যদি ট্রান্সমিশনের সময় কোনও লাইন দূষিত হওয়া পাওয়া যায়, তাহলে সিস্টেমটি লাইনের পুনরায় ট্রান্সমিশনের অনুরোধ করতে পারে, যার ফলে প্রাপ্ত দলিলের সততা নিশ্চিত হয়। একটি পেশাদার সেটিংয়ে দলিল ট্রান্সমিশনের নির্ভুলতা এবং নির্ভরযোগ্যতা বজায় রাখার জন্য G3 ফরম্যাটের এই দিকটি অত্যন্ত গুরুত্বপূর্ণ।
G3 এনকোডিং এবং ডিকোডিং বাস্তবায়নের জন্য ডেটা কম্প্রেশন কৌশল এবং ত্রুটি পরিচালনা কৌশলগুলির সাবধানতার সাথে বিবেচনা করা প্রয়োজন। একটি দলিলকে G3 ফরম্যাটে এনকোড করার জন্য ইমেজটি স্ক্যান করা, এটিকে একটি বাইনারি উপস্থাপনায় রূপান্তর করা (যেখানে প্রতিটি পিক্সেল কালো বা সাদা) এবং তারপরে ডেটা কম্প্রেস করার জন্য MH বা মডিফাইড READ এনকোডিং পদ্ধতি প্রয়োগ করা জড়িত। এক-মাত্রিক (MH) এবং দ্বি-মাত্রিক (মডিফাইড READ) এনকোডিং ব্যবহার করার মধ্যে পছন্দটি দলিলের বৈশিষ্ট্য এবং কম্প্রেশন দক্ষতা এবং কম্পিউটেশনাল জটিলতার মধ্যে পছন্দসই ভারসাম্যের উপর নির্ভর করে।
অন্যদিকে, ডিকোডিং জড়িত থাকে কম্প্রেসড G3 ডেটা নেওয়া এবং মূল ইমেজ পুনর্গঠন করা। এই প্রক্রিয়াটি MH বা মডিফাইড READ কোডগুলি সঠিকভাবে ব্যাখ্যা করতে হবে, ট্রান্সমিশন ত্রুটির সম্ভাবনা বিবেচনা করে। ডিকোডিং প্রক্রিয়ার সময় দেখা দিতে পারে এ
এই রূপান্তরকারী সম্পূর্ণ ভাবে আপনার ব্রাউজারে চলে। যখন আপনি একটি ফাইল নির্বাচন করেন, তা স্মৃতিতে পড়ে এবং নির্বাচিত ফর্ম্যাটে রূপান্তরিত হয়। আপনি তারপর রূপান্তরিত ফাইলটি ডাউনলোড করতে পারেন।
রূপান্তরগুলি তাৎক্ষণিকভাবে শুরু হয়, এবং বেশিরভাগ ফাইল এক সেকেন্ডের মধ্যে রূপান্তরিত হয়। বড় ফাইলগুলি আরও বেশি সময় নিতে পারে।
আপনার ফাইলগুলি কখনই আমাদের সার্ভারে আপলোড করা হয় না। তারা আপনার ব্রাউজারে রূপান্তরিত হয়, এবং রূপান্তরিত ফাইলটি তারপর ডাউনলোড কর া হয়। আমরা কখনই আপনার ফাইলগুলি দেখি না।
আমরা সমস্ত চিত্র ফর্ম্যাটের মধ্যে রূপান্তর করার সমর্থন করি, যা অন্তর্ভুক্ত JPEG, PNG, GIF, WebP, SVG, BMP, TIFF, এবং আরও অনেক কিছু।
এই রূপান্তরকারী সম্পূর্ণ বিনামূল্যে, এবং সর্বদা বিনামূল্যে থাকবে। কারণ এটি আপনার ব্রাউজারে চলে, আমাদের সার্ভারের জন্য পেমেন্ট করতে হয় না, তাই আমাদের আপনাকে চার্জ করার প্রয়োজন নেই।
হ্যাঁ! আপনি যত ফাইল চান তত একবারে রূপান্তর করতে পারেন। শুধু আপনি যখন তাদের যোগ করেন তখন একাধিক ফাইল নির্বাচন করুন।