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 JNG (JPEG Network Graphics) adalah format berkas gambar yang dirancang sebagai subformat dari format MNG (Multiple-image Network Graphics) yang lebih dikenal luas. Format ini terutama dikembangkan untuk menyediakan solusi kompresi lossy dan lossless dalam satu format gambar, yang tidak dimungkinkan dengan format umum lainnya seperti JPEG atau PNG pada saat pembuatannya. Berkas JNG biasanya digunakan untuk gambar yang memerlukan representasi bergaya fotografi berkualitas tinggi dan saluran alfa opsional untuk transparansi, yang tidak didukung oleh gambar JPEG standar.
JNG bukanlah format yang berdiri sendiri, melainkan bagian dari rangkaian format berkas MNG, yang dirancang sebagai versi animasi dari PNG. Rangkaian MNG mencakup format MNG dan JNG, dengan MNG mendukung animasi dan JNG sebagai format gambar tunggal. Format JNG dibuat oleh tim yang sama yang mengembangkan format PNG, dan dimaksudkan untuk melengkapi PNG dengan menambahkan data warna terkompresi JPEG sambil mempertahankan kemungkinan saluran alfa terpisah, yang merupakan fitur yang didukung PNG tetapi tidak didukung JPEG.
Struktur berkas JNG mirip dengan berkas MNG, tetapi lebih sederhana karena hanya ditujukan untuk gambar tunggal. Berkas JNG terdiri dari serangkaian potongan, yang masing-masing berisi jenis data tertentu. Potongan terpenting dalam berkas JNG adalah potongan JHDR, yang berisi informasi tajuk; potongan JDAT, yang berisi data gambar terkompresi JPEG; potongan JSEP, yang mungkin ada untuk menunjukkan akhir aliran data JPEG; dan potongan saluran alfa, yang opsional dan dapat berupa potongan IDAT (berisi data alfa terkompresi PNG) atau potongan JDAA (berisi data alfa terkompresi JPEG).
Potongan JHDR adalah potongan pertama dalam berkas JNG dan sangat penting karena menentukan properti gambar. Potongan ini mencakup informasi seperti lebar dan tinggi gambar, kedalaman warna, apakah ada saluran alfa, ruang warna yang digunakan, dan metode kompresi untuk saluran alfa. Potongan ini memungkinkan dekoder memahami cara memproses data berikutnya dalam berkas.
Potongan JDAT berisi data gambar aktual, yang dikompresi menggunakan teknik kompresi standar JPEG. Kompresi ini memungkinkan penyimpanan gambar fotografi yang efisien, yang sering kali berisi gradien warna yang kompleks dan variasi nada yang halus. Kompresi JPEG dalam JNG identik dengan yang digunakan dalam berkas JPEG mandiri, sehingga memungkinkan dekoder JPEG standar membaca data gambar dari berkas JNG tanpa perlu memahami seluruh format JNG.
Jika ada saluran alfa dalam gambar JNG, saluran tersebut disimpan dalam potongan IDAT atau JDAA. Potongan IDAT sama dengan yang digunakan dalam berkas PNG dan berisi data alfa terkompresi PNG. Hal ini memungkinkan kompresi lossless dari saluran alfa, memastikan bahwa informasi transparansi dipertahankan tanpa kehilangan kualitas apa pun. Di sisi lain, potongan JDAA berisi data alfa terkompresi JPEG, yang memungkinkan ukuran berkas lebih kecil dengan mengorbankan potensi artefak kompresi lossy di saluran alfa.
Potongan JSEP adalah potongan opsional yang menandakan akhir aliran data JPEG. Potongan ini berguna dalam kasus di mana berkas JNG dialirkan melalui jaringan, dan dekoder perlu mengetahui kapan harus berhenti membaca data JPEG dan mulai mencari data saluran alfa. Potongan ini tidak diperlukan jika berkas dibaca dari media penyimpanan lokal di mana akhir data JPEG dapat ditentukan dari struktur berkas itu sendiri.
JNG juga mendukung koreksi warna dengan menyertakan potongan ICCP, yang berisi profil warna ICC yang disematkan. Profil ini memungkinkan representasi warna yang akurat di berbagai perangkat dan sangat penting untuk gambar yang akan dilihat di berbagai layar atau dicetak. Penyertaan kemampuan manajemen warna merupakan keuntungan signifikan dari format JNG dibandingkan berkas JPEG mandiri, yang secara inheren tidak mendukung profil warna yang disematkan.
Terlepas dari kemampuannya, format JNG belum diadopsi secara luas. Hal ini sebagian disebabkan oleh dominasi format JPEG untuk gambar fotografi dan format PNG untuk gambar yang memerlukan transparansi. Selain itu, munculnya format seperti WebP dan HEIF, yang juga mendukung kompresi lossy dan lossless serta transparansi, semakin mengurangi kebutuhan akan format terpisah seperti JNG. Namun, JNG tetap menjadi opsi yang layak untuk kasus penggunaan tertentu di mana kombinasi fitur uniknya diperlukan.
Salah satu alasan kurangnya adopsi JNG secara luas adalah kompleksitas rangkaian format berkas MNG. Meskipun JNG itu sendiri relatif sederhana, JNG merupakan bagian dari rangkaian spesifikasi yang lebih besar dan lebih kompleks yang tidak diimplementasikan secara luas. Banyak pengembang perangkat lunak memilih untuk mendukung format JPEG dan PNG yang lebih sederhana dan lebih populer, yang memenuhi sebagian besar kebutuhan pengguna tanpa kompleksitas tambahan MNG dan JNG.
Faktor lain yang membatasi adopsi JNG adalah kurangnya dukungan dalam perangkat lunak pengeditan dan tampilan gambar yang populer. Meskipun beberapa perangkat lunak khusus mungkin mendukung JNG, banyak program yang paling umum digunakan tidak mendukungnya. Kurangnya dukungan ini berarti bahwa pengguna dan pengembang cenderung tidak menemukan atau menggunakan berkas JNG, yang semakin mengurangi kehadirannya di pasar.
Terlepas dari tantangan ini, JNG memang memiliki pendukungnya, terutama di antara mereka yang menghargai kemampuan teknisnya. Misalnya, JNG dapat berguna dalam aplikasi di mana satu berkas perlu berisi gambar fotografi berkualitas tinggi dan saluran alfa terpisah untuk transparansi. Hal ini dapat menjadi penting dalam desain grafis, pengembangan game, dan bidang lain di mana gambar perlu dikompositkan dengan berbagai latar belakang.
Desain teknis JNG juga memungkinkan potensi pengoptimalan dalam ukuran dan kualitas berkas. Misalnya, dengan memisahkan data warna dan alfa, dimungkinkan untuk menerapkan tingkat kompresi yang berbeda pada masing-masing data, mengoptimalkan keseimbangan terbaik antara ukuran berkas dan kualitas gambar. Hal ini dapat menghasilkan berkas yang lebih kecil daripada jika satu metode kompresi diterapkan ke seluruh gambar, seperti halnya format seperti PNG.
Sebagai kesimpulan, format gambar JNG adalah format berkas khusus yang menawarkan kombinasi fitur unik, termasuk dukungan untuk kompresi lossy dan lossless, saluran alfa opsional untuk transparansi, dan kemampuan manajemen warna. Meskipun belum diadopsi secara luas, format ini tetap menjadi format yang mampu secara teknis yang mungkin cocok untuk aplikasi tertentu. Relevansinya di masa depan kemungkinan akan bergantung pada apakah ada minat baru pada kemampuannya dan apakah dukungan perangkat lunak untuk format tersebut berkembang. Untuk saat ini, JNG berdiri sebagai bukti evolusi berkelanjutan dari format gambar dan pencarian keseimbangan sempurna antara kompresi, kualitas, dan fungsionalitas.
Konverter ini berjalan sepenuhnya di browser Anda. Ketika Anda memilih sebuah file, file tersebut dibaca ke dalam memori dan dikonversi ke format yang dipilih. Anda kemudian dapat mengunduh file yang telah dikonversi.
Konversi dimulai seketika, 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 lainnya.
Konverter ini sepenuhnya gratis, dan akan selalu gratis. Karena berjalan di browser Anda, kami tidak perlu membayar untuk server, jadi kami tidak perlu mengenakan biaya kepada Anda.
Ya! Anda dapat mengonversi sebanyak mungkin file sekaligus. Cukup pilih beberapa file saat Anda menambahkannya.