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 DCX, yang ditetapkan sebagai ekstensi .dcx, adalah format file grafis penting yang terutama berfungsi untuk menggabungkan beberapa gambar format PCX dalam satu file. Fungsionalitas ini membuatnya sangat berguna untuk aplikasi yang memerlukan pengorganisasian, penyimpanan, dan pengangkutan urutan gambar atau dokumen dengan banyak halaman, seperti dokumen faks, gambar animasi, atau dokumen multi-halaman. Dikembangkan pada masa-masa awal komputasi pribadi, format DCX menjadi bukti kebutuhan manajemen citra digital yang terus berkembang, menyediakan solusi untuk penanganan gambar massal.
Format PCX, yang menjadi dasar DCX, adalah salah satu format gambar bitmap paling awal yang diadopsi secara luas dalam industri perangkat lunak, terutama oleh perangkat lunak PC Paintbrush. Sebagai format gambar raster, ia mengodekan informasi piksel individual dalam sebuah file, mendukung berbagai kedalaman warna dan secara efektif berfungsi sebagai dasar untuk format DCX komposit. Meskipun usianya, PCX—dan dengan ekstensi, DCX—tetap digunakan dalam ceruk tertentu karena kesederhanaan dan kompatibilitasnya dengan aplikasi perangkat lunak yang lebih lama.
Struktur file DCX pada dasarnya adalah header yang diikuti oleh serangkaian file PCX. Bagian header file DCX dimulai dengan pengenal unik ('0x3ADE68B1'), yang berfungsi sebagai angka ajaib untuk membedakan file DCX dari format file lain dengan percaya diri. Setelah angka ajaib, terdapat direktori yang mencantumkan posisi offset setiap gambar PCX yang dienkapsulasi dalam file DCX. Pendekatan ini memungkinkan akses cepat ke gambar individual tanpa perlu mengurai seluruh file secara berurutan, meningkatkan efisiensi format untuk mengakses konten tertentu.
Setiap entri di bagian direktori terdiri dari offset 32-bit yang menunjuk ke awal gambar PCX dalam file DCX. Kesederhanaan struktur direktori ini memungkinkan penambahan, penghapusan, atau penggantian gambar PCX dengan cepat dalam file DCX tanpa pemrosesan ulang file yang ekstensif. Ini menyoroti pandangan ke depan desain format dalam memungkinkan pembaruan dan pengeditan gambar dokumen multi-halaman atau koleksi gambar berurutan yang dapat dikelola.
Dalam hal pengkodean teknis, file PCX yang dienkapsulasi dalam wadah DCX menyimpan data gambarnya sebagai serangkaian garis pindai. Garis pindai ini dikompresi menggunakan pengkodean panjang lintasan (RLE), suatu bentuk kompresi data lossless yang mengurangi ukuran file tanpa mengurangi kualitas gambar asli. RLE sangat efisien untuk gambar dengan area warna seragam yang besar, sehingga sangat cocok untuk gambar dokumen yang dipindai dan grafik sederhana yang biasanya dikaitkan dengan format PCX dan DCX.
Fleksibilitas format PCX mengenai kedalaman warna memainkan peran penting dalam kemampuan beradaptasi format DCX. File PCX dapat menangani gambar monokrom, 16 warna, 256 warna, dan warna asli (24-bit), memungkinkan wadah DCX untuk menggabungkan berbagai jenis gambar. Fleksibilitas ini memastikan relevansi format DCX yang berkelanjutan untuk tujuan pengarsipan, di mana menjaga kesetiaan dokumen atau gambar asli adalah yang terpenting.
Terlepas dari kelebihannya, format DCX menghadapi keterbatasan yang melekat pada desainnya dan era teknologi asalnya. Pertama, format ini tidak secara inheren mendukung fitur gambar tingkat lanjut seperti lapisan, transparansi, atau metadata, yang telah menjadi standar dalam format file gambar yang lebih modern. Keterbatasan ini mencerminkan kegunaan format dalam aplikasi yang lebih mudah, seperti pemindaian dan pengarsipan dokumen, daripada pengeditan gambar yang kompleks atau pembuatan karya seni digital.
Selain itu, meskipun metode pengkodean panjang lintasan yang digunakan oleh format PCX dan karenanya DCX efisien untuk jenis gambar tertentu, metode ini mungkin tidak memberikan kompresi paling optimal untuk semua skenario. Algoritma kompresi gambar modern, seperti yang digunakan dalam format JPEG atau PNG, menawarkan metode yang lebih canggih, mencapai rasio kompresi yang lebih tinggi dan kualitas yang lebih baik pada ukuran file yang lebih kecil untuk berbagai gambar. Namun, kesederhanaan RLE dan tidak adanya artefak kompresi lossy pada gambar DCX memastikan bahwa gambar tersebut mempertahankan integritas visual aslinya tanpa degradasi.
Lebih jauh lagi, ketergantungan pada format PCX dalam file DCX juga berarti mewarisi keterbatasan dan tantangan yang terkait dengan PCX. Misalnya, menangani gambar resolusi tinggi modern atau gambar dengan gamut warna lebar dapat menjadi masalah, mengingat batasan kedalaman warna dan inefisiensi kompresi RLE untuk gambar yang kompleks. Akibatnya, sementara file DCX unggul dalam menyimpan gambar yang lebih sederhana atau pemindaian dokumen secara efisien, file tersebut mungkin bukan pilihan ideal untuk fotografi berkualitas tinggi atau pekerjaan grafis yang mendetail.
Dari perspektif kompatibilitas perangkat lunak, format DCX mendapat dukungan dari berbagai program penampil dan pengedit gambar, terutama yang dirancang untuk bekerja dengan format file lama atau khusus dalam pencitraan dokumen. Interoperabilitas ini memastikan bahwa pengguna dapat mengakses dan memanipulasi file DCX tanpa hambatan yang berarti, memanfaatkan solusi perangkat lunak yang ada. Namun demikian, seiring berkembangnya lanskap pencitraan digital, prevalensi format gambar yang lebih canggih dan fleksibel menjadi tantangan bagi adopsi dan dukungan DCX yang berkelanjutan, yang berpotensi menurunkannya ke aplikasi yang lebih khusus atau lama.
Mengingat pertimbangan ini, masa depan format DCX tampaknya terkait erat dengan aplikasi khusus, di mana keunggulan spesifiknya—seperti penyimpanan gambar dokumen multi-halaman yang efisien dalam satu file dan pelestarian kualitas gambar asli melalui kompresi lossless—melebihi keterbatasannya. Industri dan aplikasi yang memprioritaskan faktor-faktor ini, seperti pengarsipan dokumen hukum, pelestarian dokumen sejarah, dan jenis dokumentasi teknis tertentu, dapat terus menemukan nilai dalam format DCX.
Selain itu, peran format DCX dalam melestarikan warisan digital dan dokumen sejarah tidak dapat diremehkan. Dalam konteks di mana menjaga keaslian dan integritas dokumen asli sangat penting, kesederhanaan dan keandalan format DCX dapat menawarkan keuntungan dibandingkan format yang lebih kompleks yang memerlukan sumber daya komputasi modern. Penekanan format pada kompresi lossless dan dukungan untuk berbagai kedalaman warna memastikan bahwa reproduksi digital sangat cocok dengan dokumen asli, pertimbangan penting untuk tujuan pengarsipan.
Dengan kekuatan dan kelemahan ini, relevansi format DCX dalam pencitraan digital kontemporer bergantung pada utilitasnya yang berkelanjutan dalam kasus penggunaan tertentu daripada adopsi umum yang luas. Meskipun mungkin tidak bersaing dengan format gambar modern dalam hal fitur atau efisiensi di semua skenario, DCX memegang tempat khusus tetapi signifikan dalam ekosistem pencitraan digital, terutama dalam sistem lama dan industri tertentu di mana kemampuan uniknya paling dihargai.
Singkatnya, format gambar DCX mencontohkan keseimbangan antara kesederhanaan, efisiensi, dan fungsionalitas dalam mengelola dokumen atau urutan gambar multi-halaman. Ketergantungannya pada format PCX yang terhormat mendasarkannya pada warisan manajemen gambar digital awal sekaligus menggambarkan kemampuan dan keterbatasannya. Meskipun menghadapi tantangan dalam menghadapi format gambar yang lebih canggih dan serbaguna, DCX mempertahankan relevansinya dalam aplikasi tertentu di mana atributnya—seperti kompresi lossless, penanganan gambar ganda yang efisien, dan kompatibilitas dengan perangkat lunak lama—sesuai dengan kebutuhan praktis pengguna dan industri.
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.