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 Sistem Transportasi Gambar Fleksibel (FITS) adalah standar terbuka yang mendefinisikan format file digital yang berguna untuk penyimpanan, transmisi, dan pemrosesan gambar ilmiah dan lainnya. FITS adalah format file digital yang paling umum digunakan dalam astronomi. Tidak seperti banyak format gambar yang dirancang untuk jenis gambar atau perangkat tertentu, FITS dirancang agar fleksibel, memungkinkannya menyimpan banyak jenis data ilmiah, termasuk gambar, spektrum, dan tabel, dalam satu file. Fleksibilitas ini menjadikan FITS bukan hanya format gambar tetapi juga alat penyimpanan data ilmiah yang tangguh.
Awalnya dikembangkan pada akhir tahun 1970-an oleh para astronom dan ilmuwan komputer yang membutuhkan format data standar untuk pertukaran dan penyimpanan data, FITS dirancang agar dapat mendokumentasikan diri sendiri, tidak bergantung pada mesin, dan mudah diperluas untuk mengakomodasi kebutuhan di masa mendatang. Prinsip-prinsip dasar ini telah memungkinkan FITS untuk beradaptasi selama beberapa dekade kemajuan teknologi sambil tetap kompatibel dengan versi sebelumnya, memastikan bahwa data yang disimpan dalam format FITS beberapa dekade lalu masih dapat diakses dan dipahami hingga saat ini.
File FITS terdiri dari satu atau lebih 'Unit Data Header' (HDU), di mana setiap HDU terdiri dari header dan bagian data. Header berisi serangkaian baris teks ASCII yang dapat dibaca manusia, yang masing-masing menjelaskan aspek data di bagian berikut, seperti format, ukuran, dan informasi kontekstual lainnya. Fitur dokumentasi diri ini merupakan keuntungan signifikan dari format FITS, karena menyematkan konteks data secara langsung di samping data itu sendiri, membuat file FITS lebih mudah dipahami dan digunakan.
Bagian data dari HDU dapat berisi berbagai jenis data, termasuk array (seperti gambar), tabel, dan bahkan struktur yang lebih kompleks. FITS mendukung beberapa jenis data, seperti bilangan bulat dan titik mengambang, dengan tingkat presisi yang berbeda. Hal ini memungkinkan penyimpanan data observasi mentah dengan kedalaman bit yang tinggi, yang sangat penting untuk analisis ilmiah dan menjaga integritas data melalui langkah-langkah pemrosesan dan analisis.
Salah satu fitur utama FITS adalah dukungannya untuk array N-dimensi. Sementara array dua dimensi (2D) sering digunakan untuk data gambar, FITS dapat mengakomodasi array dari dimensi apa pun, sehingga cocok untuk berbagai data ilmiah di luar gambar sederhana. Misalnya, file FITS tiga dimensi (3D) dapat menyimpan sekumpulan gambar 2D terkait sebagai bidang yang berbeda di dimensi ketiga, atau dapat menyimpan data volumetrik secara langsung.
FITS juga terkenal karena kemampuannya menyimpan metadata secara ekstensif. Header setiap HDU dapat berisi 'kata kunci' yang memberikan deskripsi terperinci tentang data, termasuk waktu dan tanggal pengamatan, spesifikasi instrumen pengamatan, riwayat pemrosesan data, dan banyak lagi. Kemampuan metadata yang ekstensif ini menjadikan file FITS bukan hanya wadah data, tetapi juga catatan komprehensif tentang pengamatan ilmiah dan proses yang menghasilkannya.
Standar FITS mencakup konvensi dan ekstensi khusus untuk berbagai jenis data. Misalnya, ekstensi 'Tabel Biner' memungkinkan penyimpanan data tabel yang efisien dalam file FITS, termasuk baris jenis data yang heterogen. Ekstensi penting lainnya adalah 'Sistem Koordinat Dunia' (WCS), yang menyediakan cara standar untuk mendefinisikan koordinat spasial (dan terkadang temporal) yang terkait dengan data astronomi. Kata kunci WCS di header FITS memungkinkan pemetaan piksel gambar yang tepat ke koordinat langit, yang sangat penting untuk penelitian astronomi.
Untuk memastikan interoperabilitas dan integritas data, standar FITS diatur oleh definisi formal dan terus diperbarui oleh Kelompok Kerja FITS, yang terdiri dari para ahli internasional di bidang astronomi, komputasi, dan ilmu data. Standar ini diawasi oleh Persatuan Astronomi Internasional (IAU), memastikan bahwa FITS tetap menjadi standar global untuk data astronomi.
Meskipun FITS dirancang agar dapat mendokumentasikan diri sendiri dan dapat diperluas, FITS bukannya tanpa kerumitan. Struktur file FITS yang fleksibel berarti bahwa perangkat lunak yang membaca atau menulis data FITS harus mampu menangani berbagai format dan jenis data. Selain itu, sejumlah besar metadata yang mungkin dan konvensi yang rumit untuk penggunaannya dapat menciptakan kurva pembelajaran yang curam bagi mereka yang baru bekerja dengan file FITS.
Terlepas dari tantangan ini, adopsi format FITS yang luas dan ketersediaan banyak pustaka dan alat di berbagai bahasa pemrograman telah membuat pekerjaan dengan data FITS dapat diakses oleh banyak orang. Pustaka seperti CFITSIO (dalam C) dan Astropy (dalam Python) menyediakan fungsionalitas komprehensif untuk membaca, menulis, dan memanipulasi file FITS, yang selanjutnya memfasilitasi penggunaan format dalam komputasi ilmiah dan penelitian.
Penggunaan FITS yang meluas dan pustaka serta alat yang tersedia secara ekstensif telah memupuk komunitas pengguna dan pengembang yang dinamis, yang berkontribusi pada peningkatan dan pembaruan berkelanjutan pada standar FITS dan perangkat lunak terkait. Pengembangan yang digerakkan oleh komunitas ini memastikan bahwa FITS tetap relevan dan mampu memenuhi kebutuhan penelitian ilmiah yang terus berkembang.
Salah satu penggunaan format FITS yang lebih inovatif dalam beberapa tahun terakhir adalah di bidang komputasi kinerja tinggi (HPC) dan analitik data besar dalam astronomi. Seiring dengan semakin mampunya teleskop dan sensor, volume data astronomi telah meledak. FITS telah diadaptasi dengan perubahan ini, dengan alat dan pustaka baru yang dikembangkan untuk menangani peningkatan volume data secara efisien, menjadikannya komponen utama dalam alur pemrosesan data survei astronomi besar.
Kemampuan format FITS untuk menyimpan dan mengatur data multidimensi yang kompleks dengan metadata yang ekstensif juga telah menemukan aplikasinya di luar astronomi. Bidang-bidang seperti pencitraan medis, geosains, dan bahkan pelestarian digital telah mengadopsi FITS untuk berbagai kebutuhan penyimpanan data, yang diuntungkan dari sifatnya yang kuat, fleksibel, dan mendokumentasikan diri sendiri. Penerapan yang luas ini menunjukkan kekuatan prinsip-prinsip dasar format tersebut.
Ke depan, evolusi berkelanjutan dari format FITS kemungkinan akan dipengaruhi oleh kebutuhan disiplin ilmu pengetahuan yang baru muncul dan ledakan data digital yang sedang berlangsung. Peningkatan di bidang-bidang seperti kompresi data, dukungan yang lebih baik untuk struktur data yang kompleks, dan bahkan kemampuan metadata yang lebih canggih dapat semakin memperluas utilitas FITS. Sifat standar FITS yang terbuka dan dapat diperluas, dikombinasikan dengan tata kelola yang kuat dan komunitas yang dinamis, memposisikannya dengan baik untuk menghadapi tantangan masa depan ini.
Sebagai kesimpulan, format Sistem Transportasi Gambar Fleksibel (FITS) merupakan landasan penyimpanan data ilmiah, khususnya dalam astronomi. Dirancang dengan prinsip-prinsip fleksibilitas, dokumentasi diri, dan ekstensibilitas pada intinya, FITS telah berhasil beradaptasi dengan lebih dari empat dekade kemajuan dalam komputasi dan ilmu data. Kemampuannya untuk menyimpan berbagai jenis data, dari gambar sederhana hingga kumpulan data multidimensi yang kompleks dengan metadata yang ekstensif, menjadikan FITS alat yang sangat kuat bagi komunitas ilmiah. Seiring dengan terus berkembangnya teknologi, format FITS, yang didukung oleh komunitas pengguna dan pengembang global, siap untuk tetap menjadi aset penting untuk penelitian dan manajemen data dalam astronomi dan seterusnya.
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.