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.
BAYERA adalah format file gambar mentah yang umum digunakan dalam fotografi digital dan aplikasi pencitraan. Dinamakan berdasarkan pola mosaik filter Bayer, yang merupakan susunan filter warna (CFA) yang digunakan di sebagian besar sensor gambar digital. Mosaik filter Bayer terdiri dari kisi filter warna merah, hijau, dan biru yang disusun dalam pola tertentu di atas fotosit sensor gambar. Pola ini memungkinkan sensor menangkap informasi warna, yang kemudian diproses untuk menghasilkan gambar penuh warna.
Dalam mosaik filter Bayer yang umum, filter hijau disusun dalam pola papan catur, sementara filter merah dan biru diposisikan dalam baris berselang-seling. Filter hijau lebih banyak karena mata manusia lebih peka terhadap cahaya hijau, dan susunan ini membantu meningkatkan kualitas gambar dan resolusi luminansi secara keseluruhan. Susunan khusus filter warna dapat bervariasi tergantung pada produsen dan desain sensor tertentu.
Ketika cahaya melewati mosaik filter Bayer dan mencapai sensor gambar, setiap fotosit menangkap intensitas cahaya yang sesuai dengan warna filter terkaitnya. Namun, pada tahap ini, setiap fotosit hanya memiliki informasi tentang satu saluran warna (merah, hijau, atau biru). Untuk membuat gambar penuh warna, proses yang disebut demosaicing atau debayering dilakukan.
Demosaicing melibatkan interpolasi nilai warna yang hilang untuk setiap piksel berdasarkan informasi warna dari piksel di sekitarnya. Berbagai algoritme dapat digunakan untuk demosaicing, mulai dari interpolasi bilinear sederhana hingga metode yang lebih canggih yang memperhitungkan deteksi tepi dan gradien warna. Pilihan algoritme demosaicing dapat berdampak signifikan pada kualitas gambar akhir, terutama dalam hal akurasi warna, ketajaman, dan pengurangan artefak.
File BAYERA menyimpan data mentah yang belum diproses yang ditangkap oleh sensor gambar, mempertahankan pola Bayer asli. Data mentah ini berisi nilai warna tunggal untuk setiap piksel, sesuai dengan filter warna yang dilaluinya. Format file biasanya menyertakan metadata yang menjelaskan pola Bayer tertentu yang digunakan, serta pengaturan kamera dan parameter gambar lainnya.
Salah satu keuntungan utama dari format BAYERA adalah ia mempertahankan jumlah maksimum data yang ditangkap oleh sensor gambar, memberikan fleksibilitas untuk pasca-pemrosesan dan manipulasi gambar. File mentah memungkinkan pengguna untuk menyesuaikan parameter seperti white balance, eksposur, dan gradasi warna tanpa kehilangan kualitas atau menimbulkan artefak kompresi. Hal ini membuat file BAYERA sangat menarik bagi fotografer profesional dan pakar pencitraan yang membutuhkan kontrol tertinggi atas gambar mereka.
Namun, bekerja dengan file BAYERA juga menghadirkan beberapa tantangan. File biasanya lebih besar dari format gambar yang diproses seperti JPEG atau PNG, karena berisi data mentah yang tidak dikompresi. Hal ini dapat mengakibatkan kebutuhan penyimpanan yang lebih tinggi dan waktu pemrosesan yang lebih lambat. Selain itu, melihat dan mengedit file BAYERA memerlukan perangkat lunak khusus yang dapat menginterpretasikan data mentah dan melakukan langkah-langkah demosaicing dan pemrosesan gambar yang diperlukan.
Untuk mengatasi tantangan ini, banyak produsen kamera telah mengembangkan format file mentah milik mereka sendiri berdasarkan pola BAYERA. Format ini sering kali menyertakan metadata tambahan dan dapat menerapkan beberapa tingkat kompresi lossless untuk mengurangi ukuran file tanpa mengorbankan kualitas gambar. Contoh format milik tersebut termasuk CR2 (Canon), NEF (Nikon), dan ARW (Sony).
Meskipun ada format mentah milik, format BAYERA tetap menjadi standar dalam industri pencitraan digital. Banyak aplikasi dan alur kerja pengeditan gambar mendukung impor dan pemrosesan file BAYERA, memastikan kompatibilitas di berbagai platform dan perangkat.
Kesimpulannya, format file BAYERA adalah komponen penting dari fotografi digital, yang memungkinkan pengambilan dan penyimpanan data gambar mentah berdasarkan pola mosaik filter Bayer. Kemampuannya untuk mempertahankan jumlah informasi maksimum dari sensor gambar menjadikannya alat penting bagi fotografer profesional dan pakar pencitraan yang menuntut tingkat kontrol dan fleksibilitas tertinggi dalam alur kerja pasca-pemrosesan mereka. Meskipun bekerja dengan file BAYERA menghadirkan beberapa tantangan, seperti ukuran file yang lebih besar dan kebutuhan akan perangkat lunak khusus, manfaat dari format ini terus menjadikannya standar dalam industri pencitraan digital.
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.