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 ICON, yang umumnya dikenal sebagai ICO, adalah format file yang biasanya digunakan untuk ikon pada Microsoft Windows. File ICO berisi satu atau lebih gambar kecil dalam berbagai ukuran dan kedalaman warna, sehingga dapat diskalakan dengan tepat. Di Windows, ikon digunakan untuk mewakili aplikasi, file, atau folder, dan merupakan bagian integral dari antarmuka pengguna. Format ICO serbaguna, memungkinkan gambar mulai dari 16x16 piksel hingga 256x256 piksel, dan bahkan lebih besar dengan solusi tertentu. Format ini mendukung gambar berwarna 24-bit dan transparansi 8-bit, yang sering disebut sebagai transparansi alfa.
Format ICO unik karena dapat berisi banyak gambar dalam satu file. Ini sangat berguna untuk ikon yang perlu ditampilkan dalam ukuran dan resolusi berbeda. Misalnya, file ICO biasa mungkin berisi ikon yang sama yang dirender pada 16x16, 32x32, 48x48, dan 256x256 piksel. Ini memungkinkan sistem operasi memilih ukuran terbaik untuk konteks tertentu, seperti ikon kecil dalam daftar file atau ikon yang lebih besar saat pengguna mengubah opsi tampilan untuk menampilkan ikon besar.
Struktur file ICO relatif mudah. Dimulai dengan header, diikuti oleh direktori, dan kemudian data gambar itu sendiri. Header berisi bidang 2-byte yang dicadangkan yang selalu disetel ke nol, bidang tipe 2-byte yang menentukan jenis sumber daya (1 untuk ikon), dan bidang hitung 2-byte yang menunjukkan berapa banyak gambar yang terdapat dalam file. Setelah header adalah direktori, yang merupakan array entri, satu untuk setiap gambar dalam file. Setiap entri direktori berisi beberapa bidang, termasuk lebar, tinggi, jumlah warna, dan ukuran data gambar.
Bidang lebar dan tinggi dalam entri direktori masing-masing satu byte, dengan nilai maksimum 255. Namun, dalam praktiknya, dimensi maksimum gambar ICO adalah 256x256 piksel. Ketika gambar berukuran lebar atau tinggi 256 piksel, bidang yang sesuai disetel ke 0. Bidang jumlah warna menentukan jumlah warna dalam palet gambar, dengan nilai 0 yang berarti gambar tidak menggunakan palet (yaitu, gambar 24-bit atau 32-bit). Bidang ukuran adalah nilai 4-byte yang memberikan ukuran data gambar dalam byte, dan bidang offset adalah nilai 4-byte yang menentukan lokasi data gambar dalam file.
Data gambar dalam file ICO dapat disimpan dalam salah satu dari beberapa format. Untuk ikon yang lebih kecil, dengan dimensi kurang dari 64x64 piksel, data gambar biasanya disimpan dalam format bitmap yang tidak bergantung pada perangkat (DIB), yang juga digunakan dalam file BMP. Format ini menyertakan struktur BITMAPINFOHEADER, diikuti oleh palet warna (jika gambar menggunakannya), dan kemudian data piksel. Untuk ikon yang lebih besar, data gambar sering disimpan dalam format PNG, yang memungkinkan kompresi yang lebih baik dan mendukung transparansi alfa.
Struktur BITMAPINFOHEADER berisi informasi tentang bitmap, termasuk ukuran, lebar, tinggi, bidang, jumlah bit, kompresi, ukuran gambar, resolusi horizontal dan vertikal, jumlah warna, dan jumlah warna penting. Bidang jumlah bit menunjukkan jumlah bit per piksel, yang dapat berupa 1, 4, 8, 24, atau 32. Jumlah bit 32 menunjukkan bahwa gambar menyertakan saluran alfa untuk transparansi. Bidang kompresi biasanya disetel ke 0, yang menunjukkan tidak ada kompresi untuk gambar berformat BMP dalam file ICO.
Transparansi dalam file ICO ditangani dengan dua cara. Untuk gambar tanpa saluran alfa, bitmap topeng digunakan. Ini adalah gambar 1-bit per piksel yang menentukan piksel mana yang transparan dan mana yang buram. Bitmap topeng disimpan segera setelah bitmap warna dalam file. Untuk gambar dengan saluran alfa, informasi transparansi disimpan dalam saluran alfa itu sendiri, yang merupakan bagian dari kedalaman warna 32-bit. Ini memungkinkan berbagai tingkat transparansi, dari sepenuhnya buram hingga sepenuhnya transparan, dan sangat berguna untuk membuat tepi yang halus dan bayangan jatuh.
Format ICO telah berkembang dari waktu ke waktu. Awalnya, dalam versi Windows yang lebih lama, ikon dibatasi pada palet warna kecil dan tidak mendukung transparansi alfa. Ketika antarmuka pengguna grafis menjadi lebih canggih, kebutuhan akan ikon berkualitas lebih tinggi dengan tepi yang halus dan kemampuan untuk berbaur dengan berbagai latar belakang menjadi jelas. Dengan diperkenalkannya Windows XP, Microsoft memperbarui format ICO untuk mendukung gambar 32-bit dengan transparansi alfa 8-bit, yang memungkinkan ikon yang jauh lebih detail dan menarik secara visual.
Terlepas dari namanya, format ICO tidak terbatas pada Microsoft Windows. Ini dikenali oleh berbagai sistem operasi lain dan dapat digunakan di browser web sebagai favicon, yang merupakan ikon kecil yang ditampilkan di samping judul situs web di tab browser. Favicon biasanya berukuran 16x16 atau 32x32 piksel dan disimpan dalam format ICO untuk memastikan kompatibilitas di berbagai browser dan platform. Namun, format lain seperti PNG dan GIF juga digunakan untuk favicon dalam pengembangan web modern.
Membuat file ICO memerlukan perangkat lunak khusus yang dapat menangani kerumitan format, seperti berbagai ukuran gambar dan kedalaman warna dalam satu file. Ada banyak editor ikon dan konverter yang tersedia yang dapat membuat file ICO dari awal atau mengonversi gambar yang ada ke format ICO. Beberapa perangkat lunak pengedit gambar, seperti Adobe Photoshop, juga dapat menyimpan gambar dalam format ICO dengan bantuan plugin tambahan.
Saat mendesain ikon untuk format ICO, penting untuk mempertimbangkan konteks penggunaannya. Ikon harus dapat dibaca dan dikenali dalam ukuran kecil, dan harus mengikuti gaya yang konsisten yang sesuai dengan aplikasi atau merek yang diwakilinya. Penting juga untuk menguji ikon pada latar belakang yang berbeda dan dalam berbagai ukuran untuk memastikan kejelasan dan dampak visualnya tetap terjaga.
Dalam hal ukuran file, file ICO dapat sangat bervariasi tergantung pada jumlah dan ukuran gambar yang dikandungnya. Karena dapat menyertakan berbagai ukuran dan kedalaman warna, file ICO dapat menjadi sangat besar, terutama jika menyertakan gambar beresolusi tinggi. Namun, penggunaan kompresi PNG untuk gambar yang lebih besar membantu mengurangi masalah ini dengan mengurangi ukuran file tanpa mengorbankan kualitas gambar.
Kemampuan format ICO untuk memuat banyak gambar dalam berbagai ukuran dan kedalaman warna dalam satu file menjadikannya format yang kuat dan fleksibel untuk ikon. Ini memungkinkan penggunaan sumber daya yang efisien, karena sistem operasi dapat memuat ukuran gambar dan kedalaman warna yang sesuai untuk konteks tampilan tertentu tanpa memerlukan banyak file terpisah. Efisiensi ini sangat penting dalam lingkungan di mana memori dan ruang penyimpanan sangat berharga.
Sebagai kesimpulan, format gambar ICO adalah format file khusus yang dirancang untuk menyimpan ikon yang digunakan di Microsoft Windows. Kemampuannya untuk memuat banyak gambar dalam berbagai ukuran dan kedalaman warna membuatnya ideal untuk ikon yang perlu ditampilkan dalam konteks berbeda. Format ini mendukung transparansi melalui penggunaan bitmap topeng atau saluran alfa, yang memungkinkan pembuatan ikon dengan tepi halus dan efek visual yang kompleks. Meskipun format ini sebagian besar dikaitkan dengan Windows, format ini juga telah menemukan tempat di web sebagai standar untuk favicon. Saat antarmuka pengguna terus berkembang, format ICO tetap menjadi elemen kunci dalam menciptakan lingkungan yang kohesif secara visual dan ramah pengguna.
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.