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.
JPEG 2000 (JP2) adalah standar kompresi gambar dan sistem pengodean yang dibuat oleh komite Joint Photographic Experts Group (JPEG) pada tahun 2000 dengan tujuan menggantikan standar JPEG asli. JPEG 2000 juga dikenal dengan ekstensi nama file .jp2. JPEG 2000 dikembangkan dari awal untuk mengatasi beberapa keterbatasan format JPEG asli sekaligus memberikan kualitas gambar dan fleksibilitas yang unggul. Penting untuk dicatat bahwa JPC sering digunakan sebagai istilah untuk merujuk ke Aliran Kode JPEG 2000, yang merupakan aliran byte aktual yang mewakili data gambar terkompresi, biasanya ditemukan dalam file JP2 atau format wadah lain seperti MJ2 untuk urutan JPEG 2000 bergerak.
JPEG 2000 menggunakan kompresi berbasis wavelet, berbeda dengan transformasi kosinus diskrit (DCT) yang digunakan dalam format JPEG asli. Kompresi wavelet memberikan beberapa keuntungan, termasuk efisiensi kompresi yang lebih baik, khususnya untuk gambar beresolusi lebih tinggi, dan kualitas gambar yang lebih baik pada rasio kompresi yang lebih tinggi. Hal ini karena wavelet tidak mengalami artefak 'blok' yang dapat dihasilkan oleh DCT saat gambar dikompresi secara berlebihan. Sebaliknya, kompresi wavelet dapat menghasilkan penurunan kualitas gambar yang lebih alami, yang seringkali kurang terlihat oleh mata manusia.
Salah satu fitur utama JPEG 2000 adalah dukungannya untuk kompresi lossless dan lossy dalam format file yang sama. Ini berarti bahwa pengguna dapat memilih untuk mengompresi gambar tanpa kehilangan kualitas apa pun, atau mereka dapat memilih kompresi lossy untuk mendapatkan ukuran file yang lebih kecil. Mode lossless JPEG 2000 sangat berguna untuk aplikasi di mana integritas gambar sangat penting, seperti pencitraan medis, arsip digital, dan fotografi profesional.
Fitur penting lainnya dari JPEG 2000 adalah dukungannya untuk decoding progresif. Hal ini memungkinkan gambar untuk didekode dan ditampilkan secara bertahap saat data diterima, yang dapat sangat berguna untuk aplikasi web atau situasi di mana bandwidth terbatas. Dengan decoding progresif, versi gambar keseluruhan dengan kualitas rendah dapat ditampilkan terlebih dahulu, diikuti oleh penyempurnaan berturut-turut yang meningkatkan kualitas gambar saat lebih banyak data tersedia. Ini berbeda dengan format JPEG asli, yang biasanya memuat gambar dari atas ke bawah.
JPEG 2000 juga menawarkan serangkaian fitur tambahan yang kaya, termasuk pengodean region-of-interest (ROI), yang memungkinkan bagian gambar yang berbeda dikompresi pada tingkat kualitas yang berbeda. Hal ini sangat berguna ketika area gambar tertentu lebih penting daripada yang lain dan perlu dipertahankan dengan fidelitas yang lebih tinggi. Misalnya, dalam citra satelit, area yang diminati dapat dikompresi tanpa kehilangan, sementara area sekitarnya dikompresi lossy untuk menghemat ruang.
Standar JPEG 2000 juga mendukung berbagai ruang warna, termasuk skala abu-abu, RGB, YCbCr, dan lainnya, serta kedalaman warna mulai dari 1 bit (biner) hingga 16 bit per komponen baik dalam mode lossless maupun lossy. Fleksibilitas ini membuatnya cocok untuk berbagai aplikasi pencitraan, dari grafik web sederhana hingga pencitraan medis kompleks yang memerlukan rentang dinamis tinggi dan representasi warna yang presisi.
Dalam hal struktur file, file JPEG 2000 terdiri dari serangkaian kotak, yang berisi potongan informasi berbeda tentang file tersebut. Kotak utama adalah kotak header JP2, yang menyertakan properti seperti jenis file, ukuran gambar, kedalaman bit, dan ruang warna. Setelah header, ada kotak tambahan yang dapat berisi metadata, informasi profil warna, dan data gambar terkompresi yang sebenarnya (codestream).
Codestream itu sendiri terdiri dari serangkaian penanda dan segmen yang menentukan bagaimana data gambar dikompresi dan bagaimana seharusnya didekode. Codestream dimulai dengan penanda SOC (Start of Codestream) dan diakhiri dengan penanda EOC (End of Codestream). Di antara penanda ini, ada beberapa segmen penting, termasuk segmen SIZ (Ukuran gambar dan ubin), yang menentukan dimensi gambar dan ubin, dan segmen COD (Gaya pengodean default), yang menentukan transformasi wavelet dan parameter kuantisasi yang digunakan untuk kompresi.
Ketahanan kesalahan JPEG 2000 adalah fitur lain yang membedakannya dari pendahulunya. Codestream dapat menyertakan informasi koreksi kesalahan yang memungkinkan dekoder mendeteksi dan memperbaiki kesalahan yang mungkin terjadi selama transmisi. Hal ini menjadikan JPEG 2000 pilihan yang baik untuk mentransmisikan gambar melalui saluran yang bising atau menyimpan gambar dengan cara yang meminimalkan risiko kerusakan data.
Meskipun memiliki banyak keunggulan, JPEG 2000 belum diadopsi secara luas dibandingkan dengan format JPEG asli. Hal ini sebagian disebabkan oleh kompleksitas komputasi yang lebih besar dari kompresi dan dekompresi berbasis wavelet, yang dapat memerlukan lebih banyak daya pemrosesan dan dapat lebih lambat daripada metode berbasis DCT. Selain itu, format JPEG asli tertanam kuat dalam industri pencitraan dan memiliki dukungan yang luas di seluruh perangkat lunak dan perangkat keras, menjadikannya pilihan default untuk banyak aplikasi.
Namun, JPEG 2000 telah menemukan ceruk di bidang tertentu di mana fitur-fiturnya yang canggih sangat bermanfaat. Misalnya, JPEG 2000 digunakan dalam sinema digital untuk distribusi film, di mana representasi gambar berkualitas tinggi dan dukungan untuk rasio aspek dan kecepatan bingkai yang berbeda sangat penting. JPEG 2000 juga digunakan dalam sistem informasi geografis (SIG) dan penginderaan jauh, di mana kemampuannya untuk menangani gambar yang sangat besar dan dukungan untuk pengodean ROI sangat berharga.
Untuk pengembang perangkat lunak dan insinyur yang bekerja dengan JPEG 2000, ada beberapa pustaka dan alat yang tersedia yang menyediakan dukungan untuk pengodean dan pengodean file JP2. Salah satu yang paling terkenal adalah pustaka OpenJPEG, yang merupakan codec JPEG 2000 sumber terbuka yang ditulis dalam C. Paket perangkat lunak komersial lainnya juga menawarkan dukungan JPEG 2000, seringkali dengan kinerja yang dioptimalkan dan fitur tambahan.
Sebagai kesimpulan, format gambar JPEG 2000 menawarkan berbagai fitur dan peningkatan dibandingkan standar JPEG asli, termasuk efisiensi kompresi yang unggul, dukungan untuk kompresi lossless dan lossy, decoding progresif, dan ketahanan kesalahan yang canggih. Meskipun belum menggantikan JPEG di sebagian besar aplikasi umum, JPEG 2000 berfungsi sebagai alat yang berharga dalam industri yang membutuhkan penyimpanan dan transmisi gambar berkualitas tinggi. Seiring kemajuan teknologi dan kebutuhan akan solusi pencitraan yang lebih canggih semakin meningkat, JPEG 2000 dapat melihat peningkatan adopsi di pasar baru dan yang sudah ada.
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.