Pengenalan Karakter Optik (OCR) mengubah gambar teks—pindaian, foto ponsel cerdas, PDF—menjadi string yang dapat dibaca mesin dan, semakin, data terstruktur. OCR modern adalah alur kerja yang membersihkan gambar, menemukan teks, membacanya, dan mengekspor metadata yang kaya sehingga sistem hilir dapat mencari, mengindeks, atau mengekstrak bidang. Dua standar output yang banyak digunakan adalah hOCR, sebuah format mikro HTML untuk teks dan tata letak, dan ALTO XML, sebuah skema berorientasi perpustakaan/arsip; keduanya mempertahankan posisi, urutan baca, dan isyarat tata letak lainnya dan didukung oleh mesin populer seperti Tesseract.
Pra-pemrosesan. Kualitas OCR dimulai dengan pembersihan gambar: konversi skala abu-abu, penghilangan noise, thresholding (binerisasi), dan deskewing. Tutorial OpenCV kanonik mencakup global, adaptif dan Otsu thresholding—pokok untuk dokumen dengan pencahayaan tidak seragam atau histogram bimodal. Ketika iluminasi bervariasi dalam satu halaman (pikirkan jepretan telepon), metode adaptif seringkali mengungguli ambang batas global tunggal; Otsu secara otomatis memilih ambang batas dengan menganalisis histogram. Koreksi kemiringan sama pentingnya: deskewing berbasis Hough (Transformasi Garis Hough) yang dipasangkan dengan binerisasi Otsu adalah resep umum dan efektif dalam alur kerja pra-pemrosesan produksi.
Deteksi vs. pengenalan. OCR biasanya dibagi menjadi deteksi teks (di mana teksnya ?) dan pengenalan teks (apa isinya?). Dalam pemandangan alam dan banyak pindaian, detektor konvolusional sepenuhnya seperti EAST secara efisien memprediksi kuadrilateral tingkat kata atau baris tanpa tahap proposal yang berat dan diimplementasikan dalam toolkit umum (misalnya, tutorial deteksi teks OpenCV). Pada halaman yang kompleks (koran, formulir, buku), segmentasi baris/wilayah dan inferensi urutan baca penting:Kraken mengimplementasikan segmentasi zona/garis tradisional dan segmentasi baseline saraf, dengan dukungan eksplisit untuk berbagai skrip dan arah (LTR/RTL/vertikal).
Model pengenalan. Kuda beban open-source klasik Tesseract (sumber terbuka oleh Google, dengan akar di HP) berevolusi dari pengklasifikasi karakter menjadi pengenal urutan berbasis LSTM dan dapat menghasilkan PDF yang dapat dicari, output ramah hOCR/ALTO, dan lainnya dari CLI. Pengenal modern mengandalkan pemodelan urutan tanpa karakter yang telah disegmentasi sebelumnya. Klasifikasi Temporal Connectionist (CTC) tetap menjadi dasar, mempelajari penyelarasan antara urutan fitur input dan string label output; ini banyak digunakan dalam alur kerja tulisan tangan dan teks pemandangan.
Dalam beberapa tahun terakhir, Transformer telah membentuk kembali OCR. TrOCR menggunakan encoder Vision Transformer plus decoder Text Transformer, dilatih pada korpora sintetis besar kemudian disesuaikan dengan data nyata, dengan kinerja yang kuat di seluruh tolok ukur cetak, tulisan tangan, dan teks pemandangan (lihat juga Dokumentasi Hugging Face). Secara paralel, beberapa sistem menghindari OCR untuk pemahaman hilir: Donut (Document Understanding Transformer) adalah encoder-decoder bebas OCR yang secara langsung menghasilkan jawaban terstruktur (seperti JSON kunci-nilai) dari dokumen gambar (repo, kartu model), menghindari akumulasi kesalahan saat langkah OCR terpisah memberi makan sistem IE.
Jika Anda ingin membaca teks yang disertakan dengan baterai di banyak skrip, EasyOCR menawarkan API sederhana dengan 80+ model bahasa, mengembalikan kotak, teks, dan kepercayaan—berguna untuk prototipe dan skrip non-Latin. Untuk dokumen bersejarah, Kraken bersinar dengan segmentasi baseline dan urutan baca yang sadar skrip; untuk pelatihan tingkat baris yang fleksibel, Calamari membangun di atas garis keturunan Ocropy (Ocropy) dengan pengenal (multi-)LSTM+CTC dan CLI untuk menyempurnakan model kustom.
Generalisasi bergantung pada data. Untuk tulisan tangan, Database Tulisan Tangan IAM menyediakan kalimat bahasa Inggris yang beragam penulis untuk pelatihan dan evaluasi; ini adalah set referensi yang sudah lama ada untuk pengenalan baris dan kata. Untuk teks pemandangan, COCO-Text melapisi anotasi ekstensif di atas MS-COCO, dengan label untuk cetak/tulisan tangan, terbaca/tidak terbaca, skrip, dan transkripsi penuh (lihat juga halaman proyek asli). Bidang ini juga sangat bergantung pada pra-pelatihan sintetis: SynthText in the Wild merender teks ke dalam foto dengan geometri dan pencahayaan yang realistis, menyediakan volume data yang sangat besar untuk pra-pelatihan detektor dan pengenal (referensi kode & data).
Kompetisi di bawah payung Robust Reading ICDAR menjaga evaluasi tetap membumi. Tugas-tugas terbaru menekankan deteksi/pembacaan ujung-ke-ujung dan mencakup menghubungkan kata-kata menjadi frasa, dengan pelaporan kode resmi presisi/perolehan kembali/F-score, persimpangan-atas-gabungan (IoU), dan metrik jarak edit tingkat karakter—mencerminkan apa yang harus dilacak oleh para praktisi.
OCR jarang berakhir pada teks biasa. Arsip dan perpustakaan digital lebih suka ALTO XML karena mengkodekan tata letak fisik (blok/baris/kata dengan koordinat) di samping konten, dan itu berpasangan dengan baik dengan kemasan METS. hOCR mikroformat, sebaliknya, menyematkan ide yang sama ke dalam HTML/CSS menggunakan kelas seperti ocr_line dan ocrx_word, membuatnya mudah untuk ditampilkan, diedit, dan diubah dengan perkakas web. Tesseract mengekspos keduanya—misalnya, menghasilkan hOCR atau PDF yang dapat dicari langsung dari CLI (panduan output PDF); Pembungkus Python seperti pytesseract menambahkan kenyamanan. Konverter ada untuk menerjemahkan antara hOCR dan ALTO ketika repositori memiliki standar penyerapan tetap —lihat daftar yang dikurasi ini dari alat format file OCR.
Tren terkuat adalah konvergensi: deteksi, pengenalan, pemodelan bahasa, dan bahkan decoding khusus tugas sedang bergabung menjadi tumpukan Transformer terpadu. Pra-pelatihan pada korpora sintetis besar tetap menjadi pengganda kekuatan. Model bebas OCR akan bersaing secara agresif di mana pun targetnya adalah output terstruktur daripada transkrip verbatim. Harapkan juga penerapan hibrida: detektor ringan plus pengenal gaya TrOCR untuk teks bentuk panjang, dan model gaya Donat untuk formulir dan tanda terima.
Tesseract (GitHub) · Dokumentasi Tesseract · Spesifikasi hOCR · Latar belakang ALTO · Detektor EAST · Deteksi Teks OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · Tulisan Tangan IAM · Alat format file OCR · EasyOCR
Optical Character Recognition (OCR) adalah teknologi yang digunakan untuk mengubah berbagai jenis dokumen, seperti dokumen kertas yang telah dipindai, file PDF, atau gambar yang ditangkap oleh kamera digital, menjadi data yang dapat diedit dan dicari.
OCR bekerja dengan memindai gambar atau dokumen input, membagi gambar menjadi karakter individu, dan membandingkan setiap karakter dengan database bentuk karakter menggunakan pengenalan pola atau pengenalan fitur.
OCR digunakan dalam berbagai sektor dan aplikasi, termasuk mendigitalkan dokumen yang dicetak, mengaktifkan layanan teks-ke-suara, mengotomatisasi proses entri data, dan membantu pengguna dengan gangguan penglihatan untuk berinteraksi lebih baik dengan teks.
Meskipun telah ada kemajuan besar dalam teknologi OCR, tetapi itu tidak sempurna. Akurasi dapat bervariasi tergantung pada kualitas dokumen asli dan spesifik dari software OCR yang digunakan.
Meskipun OCR sebagian besar dirancang untuk teks cetak, beberapa sistem OCR lanjutan juga mampu mengenali tulisan tangan yang jelas dan konsisten. Namun, biasanya pengenalan tulisan tangan kurang akurat karena variasi besar dalam gaya tulisan individu.
Ya, banyak sistem software OCR dapat mengenali beberapa bahasa. Namun, penting untuk memastikan bahwa bahasa spesifik tersebut didukung oleh software yang Anda gunakan.
OCR berarti Optical Character Recognition dan digunakan untuk mengenali teks cetak, sedangkan ICR, atau Intelligent Character Recognition, lebih canggih dan digunakan untuk mengenali teks tulisan tangan.
OCR bekerja terbaik dengan font yang jelas, mudah dibaca dan ukuran teks standar. Meski bisa bekerja dengan berbagai font dan ukuran, akurasi cenderung menurun ketika berhadapan dengan font yang tidak biasa atau ukuran teks sangat kecil.
OCR bisa kesulitan dengan dokumen beresolusi rendah, font yang rumit, teks yang dicetak buruk, tulisan tangan, dan dokumen dengan latar belakang yang mengganggu teks. Juga, meskipun dapat bekerja dengan banyak bahasa, mungkin tidak mencakup setiap bahasa secara sempurna.
Ya, OCR dapat memindai teks berwarna dan latar belakang berwarna, meskipun umumnya lebih efektif dengan kombinasi warna kontras tinggi, seperti teks hitam pada latar belakang putih. Akurasi mungkin berkurang ketika warna teks dan latar belakang tidak memiliki kontras yang cukup.
Format gambar Extended PostScript (EPT) adalah jenis file khusus yang dirancang untuk memuat elemen vektor dan raster (bitmap) dalam satu file. Fitur unik ini membuat file EPT sangat berguna dalam bidang desain grafis, penerbitan, dan di mana pun gambar beresolusi tinggi dan grafik vektor yang dapat diskalakan perlu digabungkan. Inti dari format EPT terletak pada kemampuannya untuk mempertahankan kejelasan dan skalabilitas grafik vektor sekaligus mengakomodasi gambar raster yang detail, memberikan solusi serbaguna untuk proyek grafis yang kompleks.
File EPT pada dasarnya terdiri dari dua komponen utama: file PostScript (EPS) yang dienkapsulasi dan gambar pratinjau dalam format TIFF. Bagian EPS dari file adalah yang menampung grafik vektor. EPS adalah standar grafik vektor yang didukung secara luas yang memungkinkan desain presisi tinggi dibuat, diedit, dan diskalakan tanpa kehilangan kualitas. Bagian file EPT ini memastikan bahwa semua elemen vektor dari grafik mempertahankan fidelitasnya terlepas dari seberapa besar ukurannya diubah, menjadikannya ideal untuk logo, teks, dan desain lain yang memerlukan penyesuaian yang tepat.
Komponen kedua dari file EPT adalah gambar pratinjau dalam format TIFF. TIFF (Tagged Image File Format) dikenal karena fleksibilitasnya dan dukungannya untuk gambar berkualitas tinggi. Dalam konteks file EPT, gambar TIFF menyediakan pratinjau raster dari seluruh file. Ini sangat berguna untuk perangkat lunak dan sistem yang tidak dapat memproses file EPS secara asli. Pratinjau TIFF memungkinkan pengguna untuk melihat sekilas konten tanpa memerlukan perangkat lunak rendering yang kompleks, memastikan kompatibilitas dan kemudahan penggunaan di berbagai platform dan aplikasi.
Integrasi komponen EPS dan TIFF ke dalam satu file EPT memungkinkan pendekatan terbaik dari kedua dunia. Desainer dapat memanfaatkan presisi dan skalabilitas grafik vektor sekaligus memasukkan gambar foto-realistis berkualitas tinggi ke dalam proyek mereka. Hal ini membuat file EPT sangat berharga dalam desain media campuran di mana kedua jenis grafik memainkan peran penting. Selain itu, kehadiran gambar pratinjau menyederhanakan manajemen file dan proses peninjauan, karena pratinjau TIFF dapat ditampilkan dengan cepat tanpa melibatkan data vektor yang mendasarinya.
Salah satu keuntungan utama dari format EPT adalah portabilitas dan kompatibilitasnya. Mengingat bahwa EPS dan TIFF adalah format yang mapan dan didukung secara luas, file EPT mewarisi kompatibilitas yang luas ini. Ini berarti bahwa file EPT dapat dengan mudah dibagikan, dilihat, dan diedit di berbagai platform perangkat lunak dan perangkat tanpa memerlukan alat atau perangkat lunak konversi khusus. Interoperabilitas ini sangat penting dalam lingkungan di mana file perlu dipertukarkan antara berbagai pemangku kepentingan, termasuk desainer, pencetak, dan klien, antara lain.
Terlepas dari kelebihannya, format EPT memang memiliki serangkaian tantangan tersendiri. Masalah utama muncul dari fitur yang membuatnya begitu serbaguna: koeksistensi grafik vektor dan raster dalam satu file. Dualitas ini dapat menyebabkan peningkatan ukuran file, karena data vektor EPS dan pratinjau TIFF perlu disimpan. Selain itu, mengedit file EPT bisa lebih kompleks daripada bekerja dengan file gambar standar karena modifikasi mungkin perlu dilakukan pada komponen vektor dan bitmap, yang memerlukan perangkat lunak yang mampu menangani kedua jenis data tersebut.
Selain itu, meskipun pratinjau TIFF dalam file EPT menawarkan tingkat fidelitas visual yang tinggi, penting juga untuk dicatat bahwa resolusi pratinjau tetap. Ini berarti bahwa pratinjau mungkin tidak secara akurat mewakili kualitas bagian vektor EPS saat diperbesar atau dicetak pada resolusi tinggi. Dengan demikian, ketergantungan pada pratinjau TIFF untuk keputusan warna atau detail yang penting terkadang dapat menyesatkan, sehingga diperlukan keterlibatan langsung dengan komponen EPS untuk pengeditan dan peninjauan yang tepat.
Proses pembuatan file EPT biasanya melibatkan penggunaan perangkat lunak desain grafis khusus yang mendukung format EPS dan TIFF. Desainer mulai dengan membuat grafik vektor mereka, yang dapat mencakup apa saja mulai dari bentuk sederhana hingga ilustrasi kompleks. Setelah bagian vektor selesai, gambar raster, jika diperlukan, dibuat atau diimpor ke dalam proyek. Perangkat lunak kemudian menggabungkan elemen-elemen ini menjadi satu file EPT, secara otomatis menghasilkan pratinjau TIFF berdasarkan keadaan desain saat ini.
Dalam hal penggunaan file EPT, kompatibilitas jarang menjadi masalah karena dukungan EPS dan TIFF yang ada di sebagian besar perangkat lunak desain grafis. Namun, penting untuk memiliki perangkat lunak yang sesuai yang dapat menginterpretasikan dan merender kedua komponen file EPT secara akurat. Paket perangkat lunak seperti Adobe Illustrator, CorelDRAW, dan lainnya yang mampu menangani grafik vektor kompleks sangat siap untuk membuka, mengedit, dan mengelola file EPT, memberikan pengalaman yang mulus kepada pengguna. Hal ini membuat file EPT sangat serbaguna dan cocok untuk berbagai aplikasi, mulai dari desain logo hingga karya seni media campuran yang detail.
Sebagai kesimpulan, format gambar EPT menawarkan solusi unik untuk proyek yang memerlukan kombinasi grafik vektor dan raster. Strukturnya, yang menggabungkan file EPS dengan pratinjau TIFF, memungkinkan integrasi yang mulus dari desain vektor berkualitas tinggi dengan gambar raster yang detail. Dualitas ini membuat file EPT sangat diperlukan dalam bidang desain grafis dan penerbitan, di mana presisi dan kualitas sangat penting. Namun, kompleksitas dan pertimbangan ukuran file yang melekat dalam format EPT mengingatkan pengguna akan perlunya perangkat lunak yang sesuai dan manajemen file yang cermat. Terlepas dari tantangan ini, manfaat dari format file yang serbaguna tidak dapat diremehkan, menjadikan EPT aset berharga dalam gudang senjata desainer grafis mana pun.
Konverter ini berjalan sepenuhnya di browser Anda. Saat Anda memilih file, file tersebut dibaca ke dalam memori dan dikonversi ke format yang dipilih. Anda kemudian dapat mengunduh file yang telah dikonversi.
Konversi dimulai secara instan, dan sebagian besar file dikonversi dalam waktu kurang dari satu detik. File yang lebih besar mungkin membutuhkan waktu lebih lama.
File Anda tidak pernah diunggah ke server kami. File tersebut dikonversi di browser Anda, dan file yang telah dikonversi kemudian diunduh. Kami tidak pernah melihat file Anda.
Kami mendukung konversi antara semua format gambar, termasuk JPEG, PNG, GIF, WebP, SVG, BMP, TIFF, dan banyak lagi.
Konverter ini sepenuhnya gratis, dan akan selalu gratis. Karena berjalan di browser Anda, kami tidak perlu membayar server, jadi kami tidak perlu menagih Anda.
Ya! Anda dapat mengonversi file sebanyak yang Anda inginkan sekaligus. Cukup pilih beberapa file saat Anda menambahkannya.