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।
পিএএম (পোর্টেবল আর্বিট্রারি ম্যাপ) ইমেজ ফরম্যাট হল নেটপিবিএম প্রজেক্টের ছাতার নিচে ডিজাইন করা ইমেজ ফাইল ফরম্যাট পরিবারের একটি তুলনামূলকভাবে কম পরিচিত সদস্য। এটি একটি অত্যন্ত নমনীয় ফরম্যাট যা বিভিন্ন গভীরতা এবং পিক্সেল ডেটার প্রকারের সাথে বিস্তৃত পরিসরের ইমেজ প্রকারকে উপস্থাপন করতে পারে। পিএএম মূলত পূর্ববর্তী পিবিএম (পোর্টেবল বিটম্যাপ), পিজিএম (পোর্টেবল গ্রেস্কেল), এবং পিপিএম (পোর্টেবল পিক্সম্যাপ) ফরম্যাটের একটি এক্সটেনশন, যা সামগ্রিকভাবে পিএনএম (পোর্টেবল এনি ম্যাপ) ফরম্যাট হিসাবে পরিচিত, যা বৈশিষ্ট্য এবং কম্প্রেশনের ব্যয়ে সরলতা এবং ব্যবহারের সহজতার জন্য ডিজাইন করা হয়েছিল। এই ফরম্যাটগুলির সীমাবদ্ধতাগুলি অতিক্রম করার জন্য পিএএম তাদের সরলতা এবং ব্যবহারের সহজতা বজায় রেখে চালু করা হয়েছিল।
পিএএম ফরম্যাটটি ডিভাইস এবং প্ল্যাটফর্ম-স্বাধীন হওয়ার জন্য ডিজাইন করা হয়েছে, যার অর্থ এই ফরম্যাটে সংরক্ষিত ইমেজগুলি সামঞ্জস্যতার সমস্যাগুলির জন্য উদ্বেগ ছাড়াই যেকোনো সিস্টেমে খোলা এবং পরিচালনা করা যেতে পারে। এটি একটি প্লেইন-টেক্সট বা বাইনারি ফরম্যাটে ইমেজ ডেটা সংরক্ষণ করে অর্জন করা হয় যা বিস্তৃত বিভিন্ন সফ্টওয়্যার দ্বারা সহজেই পড়া এবং লেখা যেতে পারে। ফরম্যাটটি এক্সটেন্ডেবলও, পুরানো সংস্করণগুলির সাথে সামঞ্জস্যতা ভাঙার ছাড়াই নতুন বৈশিষ্ট্য এবং ক্ষমতা অন্তর্ভুক্ত করার অনুমতি দেয়।
একটি পিএএম ফাইলে ইমেজ ডেটার পরে একটি হেডার থাকে। হেডারটি ASCII টেক্সট যা ইমেজের প্রস্থ, উচ্চতা, গভীরতা এবং সর্বোচ্চ মান নির্দিষ্ট করে, সেইসাথে টিউপল প্রকার যা রঙের স্থানকে সংজ্ঞায়িত করে। হেডারটি ম্যাজিক নম্বর 'P7' দিয়ে শুরু হয়, তারপরে নিউলাইন-বিচ্ছিন্ন ট্যাগগুলির একট ি সিরিজ যা প্রয়োজনীয় মেটাডেটা সরবরাহ করে। ইমেজ ডেটা অবিলম্বে হেডার অনুসরণ করে এবং বাইনারি বা ASCII ফরম্যাটে সংরক্ষণ করা যেতে পারে, বাইনারিটি তার ছোট ফাইলের আকার এবং দ্রুত প্রসেসিং সময়ের কারণে আরও সাধারণ পছন্দ।
পিএএম হেডারে নির্দিষ্ট গভীরতা প্রতি পিক্সেলের চ্যানেল বা উপাদানের সংখ্যা নির্দেশ করে। উদাহরণস্বরূপ, 3 এর একটি গভীরতা সাধারণত একটি রঙিন ইমেজের লাল, সবুজ এবং নীল চ্যানেলগুলিকে উপস্থাপন করে, যখন 4 এর একটি গভীরতা স্বচ্ছতার জন্য একটি অতিরিক্ত আলফা চ্যানেল অন্তর্ভুক্ত করতে পারে। সর্বোচ্চ মান, হেডারেও নির্দিষ্ট করা হয়েছে, যেকোনো চ্যানেলের সর্বোচ্চ মান নির্দেশ করে, যা আবার ইমেজের বিট গভীরতা নির্ধারণ করে। উদাহরণস্বরূপ, 255 এর একটি সর্বোচ্চ মান প্রতি চ্যানেলে 8 বিটের সাথে মিলে যায়।
টিউপল প্রকারটি পিএএম ফরম্যাটের একটি মূল বৈশিষ্ট্য, কারণ এটি পিক্সেল ডেটার ব্যাখ্যা নির্ধারণ করে। সাধারণ টিউপল প্রকারগুলির মধ্যে রয়েছে 'ব্ল্যাকএন্ডহোয়াইট', 'গ্রেস্কেল', 'আরজিবি' এবং 'আরজিবি_আলফা'। এই নমনীয়তা পিএএম ফাইলগুলিকে বিভিন্ন ধরণের ইমেজ প্রকার উপস্থাপন করতে দেয়, সরল কালো এবং সাদা ইমেজ থেকে স্বচ্ছতার সাথে পূর্ণ-রঙের ইমেজ পর্যন্ত। উপরন্তু, কাস্টম টিউপল প্রকারগুলি সংজ্ঞায়িত করা যেতে পারে, যা ফরম্যাটটিকে বিশেষায়িত ইমেজিং প্রয়োজনীয়তাগুলির জন্য এক্সটেন্ডেবল এবং অভিযোজ্য করে তোলে।
পিএএম ফাইলগুলিতে হেডারে ঐচ্ছিক মন্তব্য লাইনও অন্তর্ভুক্ত করা যেতে পারে, যা একটি '#' অক্ষর দিয়ে শুরু হয়। এই মন্তব্যগুলি ইমেজ রিডার দ্বারা উপেক্ষা করা হয় এবং মানুষের পাঠকদের জন্য উদ্দেশ্যে করা হয়। এগুলি মেটাডেটা সঞ্চয় করতে ব্যবহার করা যেতে পারে যেমন ইমেজের তৈরির তারিখ, ইমেজ তৈরি করতে ব্যবহৃত সফ্টওয়্যার বা অন্য কোনো প্রাসঙ্গিক তথ্ য যা স্ট্যান্ডার্ড হেডার ক্ষেত্রগুলিতে ফিট করে না।
একটি পিএএম ফাইলে ইমেজ ডেটা টিউপলের একটি ক্রমে সংরক্ষণ করা হয়, প্রতিটি টিউপল একটি পিক্সেলকে উপস্থাপন করে। টিউপলগুলি বাম থেকে ডানে এবং উপর থেকে নীচে ক্রমানুসারে সাজানো হয়, ইমেজের উপরের-বাম পিক্সেল থেকে শুরু করে। বাইনারি ফরম্যাটে, একটি টিউপলের প্রতিটি চ্যানেলের জন্য ডেটা একটি বাইনারি পূর্ণসংখ্যা হিসাবে সংরক্ষণ করা হয়, প্রতি চ্যানেলে বাইটের সংখ্যা হেডারে নির্দিষ্ট সর্বোচ্চ মান দ্বারা নির্ধারিত হয়। ASCII ফরম্যাটে, চ্যানেলের মানগুলি ASCII দশমিক সংখ্যা হিসাবে উপস্থাপন করা হয় যা হোয়াইটস্পেস দ্বারা পৃথক করা হয়।
পিএএম ফরম্যাটের সুবিধাগুলির মধ্যে একটি হল এর সরলতা, যা এটিকে পার্স এবং জেনারেট করা সহজ করে তোলে। এই সরলতা ফাইলের আকারের মূল্যে আসে, কারণ পিএএম কোনো বিল্ট-ইন কম্প্রেশন মেকানিজম অন্তর্ভুক্ত করে না। যাইহোক, পিএএম ফ
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 এ ক 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 করা 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।