Optische Zeichenerkennung (OCR) wandelt Bilder von Text – Scans, Smartphone-Fotos, PDFs – in maschinenlesbare Zeichenketten und zunehmend in strukturierte Daten um. Moderne OCR ist eine Pipeline, die ein Bild bereinigt, Text findet, ihn liest und umfassende Metadaten exportiert, damit nachgelagerte Systeme Felder suchen, indizieren oder extrahieren können. Zwei weit verbreitete Ausgabestandards sind hOCR, ein HTML-Mikroformat für Text und Layout, und ALTO XML, ein auf Bibliotheken/Archive ausgerichtetes Schema; beide erhalten Positionen, Lesereihenfolge und andere Layout-Hinweise und werden von populären Engines wie Tesseractunterstützt.
Vorverarbeitung. Die OCR-Qualität beginnt mit der Bildbereinigung: Graustufenumwandlung, Entrauschen, Schwellenwertbildung (Binarisierung) und Schräglagenkorrektur. Kanonische OpenCV-Tutorials behandeln globale, adaptive und Otsu Schwellenwertbildung – unerlässlich für Dokumente mit ungleichmäßiger Beleuchtung oder bimodalen Histogrammen. Wenn die Beleuchtung innerhalb einer Seite variiert (denken Sie an Handy-Schnappschüsse), übertreffen adaptive Methoden oft einen einzigen globalen Schwellenwert; Otsu wählt automatisch einen Schwellenwert durch Analyse des Histogramms. Die Neigungskorrektur ist ebenso wichtig: Hough-basierte Schräglagenkorrektur (Hough-Linientransformation) in Verbindung mit Otsu-Binarisierung ist ein gängiges und effektives Rezept in Produktions-Vorverarbeitungspipelines.
Erkennung vs. Erkennung. OCR wird typischerweise in Texterkennung (wo ist der Text?) und Texterkennung (was steht da?) unterteilt. In natürlichen Szenen und vielen Scans sind vollständig konvolutionale Detektoren wie EAST effizient bei der Vorhersage von Vierecken auf Wort- oder Zeilenebene ohne aufwändige Vorschlagsphasen und sind in gängigen Toolkits implementiert (z. B. OpenCVs Tutorial zur Texterkennung). Bei komplexen Seiten (Zeitungen, Formulare, Bücher) sind die Segmentierung von Zeilen/Regionen und die Inferenz der Lesereihenfolge von Bedeutung:Kraken implementiert traditionelle Zonen-/Zeilensegmentierung und neuronale Grundlinien-Segmentierung, mit expliziter Unterstützung für verschiedene Schriften und Richtungen (LTR/RTL/vertikal).
Erkennungsmodelle. Das klassische Open-Source-Arbeitspferd Tesseract (von Google als Open Source veröffentlicht, mit Wurzeln bei HP) entwickelte sich von einem Zeichenklassifikator zu einem LSTM-basierten Sequenz- Erkenner und kann durchsuchbare PDFs, hOCR/ALTO-freundliche Ausgabenund mehr über die CLI ausgeben. Moderne Erkenner setzen auf Sequenzmodellierung ohne vorsegmentierte Zeichen. Connectionist Temporal Classification (CTC) bleibt grundlegend und lernt die Ausrichtungen zwischen Eingabemerkmalfolgen und Ausgabezeichenfolgen; es wird häufig in Handschrift- und Szenentext-Pipelines verwendet.
In den letzten Jahren haben Transformer die OCR neu gestaltet. TrOCR verwendet einen Vision-Transformer-Encoder plus einen Text-Transformer-Decoder, trainiert auf großen synthetischen Korpora und dann feinabgestimmt auf realen Daten, mit starker Leistung bei gedruckten, handschriftlichen und Szenentext-Benchmarks (siehe auch Hugging Face-Dokumentation). Parallel dazu umgehen einige Systeme OCR für das nachgelagerte Verständnis: Donut (Document Understanding Transformer) ist ein OCR-freier Encoder-Decoder, der direkt strukturierte Antworten (wie Schlüssel-Wert-JSON) aus Dokumenten- bildern ausgibt (Repo, Modellkarte), um Fehlerakkumulation zu vermeiden, wenn ein separater OCR-Schritt ein IE-System speist.
Wenn Sie eine umfassende Texterkennung für viele Schriften wünschen, bietet EasyOCR eine einfache API mit über 80 Sprachmodellen, die Boxen, Text und Konfidenzen zurückgibt – praktisch für Prototypen und nicht-lateinische Schriften. Für historische Dokumente glänzt Kraken mit Grundliniensegmentierung und schriftbewusster Lesereihenfolge; für flexibles Training auf Zeilenebene, Calamari baut auf der Ocropy-Linie auf (Ocropy) mit (Multi-)LSTM+CTC-Erkennern und einer CLI zur Feinabstimmung benutzerdefinierter Modelle.
Generalisierung hängt von Daten ab. Für Handschrift bietet die IAM Handwriting Database schreiberdiverse englische Sätze für Training und Evaluierung; sie ist ein langjähriger Referenzdatensatz für Zeilen- und Worterkennung. Für Szenentext hat COCO-Text umfangreiche Annotationen über MS-COCO gelegt, mit Labels für gedruckt/handschriftlich, lesbar/unlesbar, Schrift und vollständigen Transkriptionen (siehe auch die ursprüngliche Projektseite). Das Feld stützt sich auch stark auf synthetisches Vortraining: SynthText in the Wild rendert Text in Fotografien mit realistischer Geometrie und Beleuchtung und liefert riesige Datenmengen zum Vortrainieren von Detektoren und Erkennern (Referenz Code & Daten).
Wettbewerbe unter dem Dach von ICDARs Robust Reading halten die Evaluierung auf dem Boden. Jüngste Aufgaben betonen die End-to-End-Erkennung/Lesung und umfassen das Verknüpfen von Wörtern zu Phrasen, wobei der offizielle Code Präzision/Recall/F-Score, Intersection-over-Union (IoU) und zeichenbasierte Edit-Distanz-Metriken meldet – was widerspiegelt, was Praktiker verfolgen sollten.
OCR endet selten bei reinem Text. Archive und digitale Bibliotheken bevorzugen ALTO XML , da es das physische Layout (Blöcke/Zeilen/Wörter mit Koordinaten) neben dem Inhalt kodiert und gut mit METS-Verpackungen harmoniert. Das hOCR Mikroformat hingegen bettet dieselbe Idee in HTML/CSS ein, indem es Klassen wie ocr_line und ocrx_word verwendet, was die Anzeige, Bearbeitung und Transformation mit Web-Werkzeugen erleichtert. Tesseract bietet beides – z. B. die Erzeugung von hOCR oder durchsuchbaren PDFs direkt über die CLI (PDF-Ausgabe-Anleitung); Python-Wrapper wie pytesseract bieten zusätzlichen Komfort. Es gibt Konverter, um zwischen hOCR und ALTO zu übersetzen, wenn Repositories feste Aufnahme- standards haben – siehe diese kuratierte Liste von OCR-Dateiformat-Tools.
Der stärkste Trend ist die Konvergenz: Erkennung, Erkennung, Sprachmodellierung und sogar aufgabenspezifische Dekodierung verschmelzen zu einheitlichen Transformer-Stacks. Vortraining auf großen synthetischen Korpora bleibt ein Kraftmultiplikator. OCR-freie Modelle werden aggressiv konkurrieren, wo immer das Ziel strukturierte Ausgaben anstelle von wörtlichen Transkripten sind. Erwarten Sie auch hybride Bereitstellungen: einen leichtgewichtigen Detektor plus einen TrOCR-Stil- Erkenner für Langformtext und ein Donut-Stil-Modell für Formulare und Belege.
Tesseract (GitHub) · Tesseract-Dokumentation · hOCR-Spezifikation · ALTO-Hintergrund · EAST-Detektor · OpenCV-Texterkennung · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · IAM Handschrift · OCR-Dateiformat-Tools · EasyOCR
Die Optical Character Recognition (OCR) ist eine Technologie, die verwendet wird, um verschiedene Arten von Dokumenten, wie gescannte Papiere, PDF-Dateien oder Bilder, die mit einer Digitalkamera aufgenommen wurden, in bearbeitbare und durchsuchbare Daten umzuwandeln.
OCR funktioniert, indem es ein Eingabebild oder Dokument scannt, das Bild in einzelne Zeichen segmentiert und jedes Zeichen mit einer Datenbank von Zeichenformen mit Hilfe von Mustererkennung oder Feature-Erkennung vergleicht.
OCR wird in einer Vielzahl von Bereichen und Anwendungen genutzt, einschließlich der Digitalisierung von gedruckten Dokumenten, der Aktivierung von Text-zu-Sprachdiensten, der Automatisierung von Dateneingabeprozessen und der Unterstützung von sehbehinderten Benutzern bei der Interaktion mit Texten.
Obwohl große Fortschritte in der OCR-Technologie gemacht wurden, ist sie nicht unfehlbar. Die Genauigkeit kann abhängig von der Qualität des Originaldokuments und den Spezifika der verwendeten OCR-Software variieren.
Obwohl OCR hauptsächlich für gedruckten Text konzipiert wurde, können einige fortschrittliche OCR-Systeme auch klare und konsistente Handschriften erkennen. Allerdings ist die Handschriftenerkennung in der Regel weniger genau aufgrund der großen Variation in individuellen Schreibstilen.
Ja, viele OCR-Software-Systeme können mehrere Sprachen erkennen. Es ist jedoch wichtig zu gewährleisten, dass die spezifische Sprache von der von Ihnen verwendeten Software unterstützt wird.
OCR steht für Optical Character Recognition und wird verwendet, um gedruckten Text zu erkennen, während ICR für Intelligent Character Recognition steht und wird zur Fortschrittlicheren Erkennung von handschriftlichen Text verwendet.
OCR funktioniert am besten mit klaren, leicht lesbaren Schriftarten und Standard-Textgrößen. Obwohl es mit verschiedenen Schriftarten und Größen arbeiten kann, neigt die Genauigkeit dazu, zu sinken, wenn man mit ungewöhnlichen Schriftarten oder sehr kleinen Textgrößen umgeht.
OCR kann Probleme haben mit niedrigauflösenden Dokumenten, komplexen Schriftarten, schlecht gedruckten Texten, Handschriften und Dokumenten mit Hintergründen, die den Text stören. Außerdem kann es, obwohl es mit vielen Sprachen arbeiten kann, nicht jede Sprache perfekt abdecken.
Ja, OCR kann farbigen Text und Hintergründe scannen, obwohl es in der Regel effektiver mit Hochkontrast-Farbkombinationen ist, wie schwarzem Text auf weißem Hintergrund. Die Genauigkeit kann abnehmen, wenn Text und Hintergrundfarben nicht genug Kontrast aufweisen.
Das Portable Document Format (PDF) ist ein vielseitiges Dateiformat, das 1993 von Adobe Systems entwickelt wurde. Es wurde entwickelt, um Dokumente, einschließlich Textformatierung und Bilder, unabhängig von Anwendungssoftware, Hardware und Betriebssystemen darzustellen. PDFs können eine Vielzahl von Inhalten kapseln, darunter Text, Schriftarten, Vektorgrafiken, Rasterbilder und andere Informationen, die erforderlich sind, um das Dokument wie beabsichtigt anzuzeigen. Das Format hat sich zu einem Standard für den Austausch von Dokumenten über verschiedene Plattformen hinweg entwickelt und wird in Wirtschaft, Bildung und Regierung häufig verwendet.
PDF unterstützt verschiedene Arten von Bildern, die grob in zwei Gruppen eingeteilt werden können: Vektorbilder und Rasterbilder. Vektorbilder bestehen aus Pfaden, die durch mathematische Gleichungen definiert sind, wodurch sie ohne Qualitätsverlust skalierbar sind. Sie eignen sich ideal für Illustrationen, Logos und Text. Rasterbilder hingegen bestehen aus einem festen Raster von Pixeln und werden für Fotos und digitale Kunstwerke verwendet. Sie können an Qualität verlieren, wenn sie vergrößert oder verkleinert werden. PDFs können beide Arten von Bildern enthalten und können mit verschiedenen Algorithmen komprimiert werden, um die Dateigröße zu reduzieren, ohne die Qualität wesentlich zu beeinträchtigen.
Wenn ein Bild in ein PDF eingebettet wird, wird es normalerweise komprimiert, um die Dateigröße zu reduzieren. PDF unterstützt zu diesem Zweck mehrere Komprimierungsalgorithmen. Für Rasterbilder werden häufig verlustbehaftete Komprimierungsmethoden wie JPEG für Fotos verwendet, da sie die Dateigröße bei minimalem sichtbarem Qualitätsverlust erheblich reduzieren können. Verlustfreie Komprimierungsmethoden wie PNG und TIFF werden verwendet, wenn die Bildqualität von größter Bedeutung ist. Bei Vektorbildern wird die Komprimierung durch die Verwendung effizienter mathematischer Darstellungen der Bildpfade erreicht, und die Verwendung von Komprimierungsalgorithmen wie ZIP kann angewendet werden, um die Größe dieser Darstellungen zu reduzieren.
Der Prozess des Einbettens eines Bildes in ein PDF umfasst mehrere Schritte. Zuerst wird das Bild mit einem bestimmten Komprimierungsalgorithmus kodiert. Die kodierten Bilddaten werden dann in die PDF-Dateistruktur eingebettet, zusammen mit Informationen über die Abmessungen, die Auflösung und den Farbraum des Bildes. Das PDF speichert auch Informationen darüber, wie das Bild gerendert werden soll, einschließlich aller Transformationen wie Skalierung, Drehung oder Zuschneiden, die angewendet werden sollen, wenn das Dokument angezeigt oder gedruckt wird.
Farbmanagement ist ein wichtiger Aspekt von PDF-Bildern. PDFs unterstützen verschiedene Farbräume wie DeviceRGB, DeviceCMYK und DeviceGray sowie anspruchsvollere Farbräume wie CalRGB und ICC-basierte Farbräume, die eine genauere Farbwiedergabe auf verschiedenen Geräten ermöglichen. Wenn ein Bild in ein PDF eingebettet wird, wird sein Farbraum definiert, und bei Bedarf können Farbprofile eingebettet werden, um sicherzustellen, dass die Farben auf verschiedenen Geräten konsistent angezeigt werden.
Transparenz ist eine weitere Funktion, die von PDF-Bildern unterstützt wird. Dadurch können Bilder unterschiedliche Transparenzstufen aufweisen, die verwendet werden können, um komplexe visuelle Effekte zu erzeugen. Transparenz in PDFs wird durch die Verwendung spezieller Mischmodi gesteuert, die bestimmen, wie die Farben transparenter Objekte mit den Farben von Objekten dahinter gemischt werden. Diese Funktion ist besonders nützlich zum Überlagern von Bildern oder zum Einbinden von Text, der ein Bild überlagert.
PDF unterstützt auch die Einbeziehung von Metadaten in Bilddateien. Diese Metadaten können Informationen über das Bild enthalten, wie z. B. den Autor, das Urheberrecht, das Erstellungsdatum und Schlüsselwörter. Diese Informationen können für die Dokumentenverwaltung und -abfrage sowie für die Sicherstellung einer ordnungsgemäßen Gutschrift für die Verwendung urheberrechtlich geschützter Bilder nützlich sein. Metadaten werden in einem standardisierten Format im PDF gespeichert, sodass sie von verschiedenen Softwareanwendungen leicht zugänglich und lesbar sind.
Sicherheit ist ein wichtiges Merkmal des PDF-Formats, das sich auch auf Bilder in PDF-Dokumenten erstreckt. PDFs können verschlüsselt werden, und der Zugriff auf sie kann durch die Verwendung von Passwörtern gesteuert werden. Dies bedeutet, dass sensible Bilder, die in PDFs eingebettet sind, vor unbefugtem Zugriff geschützt werden können. Darüber hinaus unterstützen PDFs digitale Signaturen, mit denen die Authentizität und Integrität eines Dokuments, einschließlich aller darin enthaltenen Bilder, überprüft werden können.
Das PDF-Format ist auch auf Barrierefreiheit ausgelegt, was bedeutet, dass es Funktionen unterstützt, die Dokumente für Menschen mit Behinderungen nutzbar machen. Für Bilder umfasst dies die Möglichkeit, alternative Textbeschreibungen einzuschließen, die von Bildschirmlesegeräten gelesen werden können. Dadurch wird sichergestellt, dass die durch Bilder vermittelten Informationen für sehbehinderte Benutzer zugänglich sind.
Beim Drucken sind PDFs aufgrund ihrer in sich geschlossenen Natur sehr zuverlässig. Alle notwendigen Informationen zur genauen Wiedergabe des Dokuments, einschließlich der Bilder, sind in der Datei eingebettet. Dies bedeutet, dass ein PDF auf jedem Drucker auf die gleiche Weise gedruckt wird, unabhängig vom verwendeten Gerät oder der Software. Dies ist besonders wichtig für Dokumente, die ein präzises Layout und hochwertige Bilder erfordern, wie z. B. Broschüren und Zeitschriften.
PDF-Dateien können interaktiv sein, und dies gilt auch für Bilder. Bilder in einem PDF können mit Hyperlinks versehen werden, sodass der Benutzer durch Klicken auf ein Bild zu einem anderen Teil des Dokuments oder sogar zu einer externen Website gelangen kann. Darüber hinaus können PDFs Formularfelder, Anmerkungen und andere interaktive Elemente enthalten, die mit Bildern verknüpft werden können, wodurch die Benutzerfreundlichkeit und die Funktionalität des Dokuments verbessert werden.
Die Erstellung und Bearbeitung von PDFs, einschließlich des Einbettens und Bearbeitens von Bildern, kann mit einer Vielzahl von Softwaretools erfolgen. Adobe Acrobat ist der bekannteste PDF-Editor, aber es stehen viele andere Tools zur Verfügung, darunter kostenlose und Open-Source-Optionen. Mit diesen Tools können Benutzer Bilder in PDFs einfügen, ihre Größe ändern und zuschneiden, ihre Eigenschaften anpassen und andere Bearbeitungsaufgaben ausführen. Fortschrittliche PDF-Bearbeitungssoftware kann auch eine optische Zeichenerkennung (OCR) für Bilder durchführen und Text in Bildern in durchsuchbaren und bearbeitbaren Text konvertieren.
In Bezug auf die Dateistruktur besteht ein PDF-Dokument aus Objekten, die den Inhalt des Dokuments definieren. Diese Objekte sind in einer hierarchischen Struktur organisiert, die als "Objektbaum" des Dokuments bezeichnet wird. Bilder werden in dieser Struktur als "Bildobjekte" eingebettet. Jedes Bildobjekt enthält den Datenstrom komprimierter Bilddaten sowie ein Wörterbuch, das die Eigenschaften des Bildes definiert, wie z. B. Typ, Breite, Höhe, Farbraum und alle für die Komprimierung angewendeten Filter.
Die PDF-Spezifikation hat sich im Laufe der Zeit weiterentwickelt und wird jetzt von der Internationalen Organisation für Normung (ISO) als ISO 32000 gepflegt. Diese Standardisierung stellt sicher, dass PDF ein offenes Format bleibt und dass mit unterschiedlicher Software und auf verschiedenen Plattformen erstellte Dokumente zuverlässig ausgetauscht und angezeigt werden können. Die Spezifikation enthält detaillierte Informationen darüber, wie Bilder formatiert und in PDF-Dateien eingebettet werden sollen, um die Konsistenz über die breite Palette von Software hinweg zu gewährleisten, die PDF-Dokumente erstellen und lesen kann.
Zusammenfassend lässt sich sagen, dass das PDF-Bildformat eine komplexe und funktionsreiche Komponente des PDF-Standards ist. Es unterstützt eine Vielzahl von Bildtypen und Komprimierungsalgorithmen, ausgeklügeltes Farbmanagement, Transparenz und Metadaten. PDFs bieten robuste Sicherheitsfunktionen, Barrierefreiheitsoptionen und zuverlässige Druckfunktionen. Die interaktiven Funktionen von PDF-Bildern verbessern die Benutzerfreundlichkeit, und die standardisierte Struktur von PDF-Dateien gewährleistet die Kompatibilität auf verschiedenen Plattformen und Geräten. Daher bleibt PDF eines der am häufigsten verwendeten Formate für den Dokumentenaustausch, und das Verständnis seiner Funktionen in Bezug auf Bilder ist für jeden, der mit digitalen Dokumenten arbeitet, unerlässlich.
Dieser Konverter läuft vollständig in Ihrem Browser. Wenn Sie eine Datei auswählen, wird sie in den Speicher gelesen und in das ausgewählte Format konvertiert. Sie können die konvertierte Datei dann herunterladen.
Die Konvertierung beginnt sofort, und die meisten Dateien werden in weniger als einer Sekunde konvertiert. Größere Dateien können länger dauern.
Ihre Dateien werden niemals auf unsere Server hochgeladen. Sie werden in Ihrem Browser konvertiert, und die konvertierte Datei wird dann heruntergeladen. Wir sehen Ihre Dateien niemals.
Wir unterstützen die Konvertierung zwischen allen Bildformaten, einschließlich JPEG, PNG, GIF, WebP, SVG, BMP, TIFF und mehr.
Dieser Konverter ist völlig kostenlos und wird immer kostenlos sein. Da er in Ihrem Browser läuft, müssen wir nicht für Server bezahlen, also müssen wir Ihnen auch nichts berechnen.
Ja! Sie können so viele Dateien auf einmal konvertieren, wie Sie möchten. Wählen Sie einfach mehrere Dateien aus, wenn Sie sie hinzufügen.