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 JPEG 2000, sering disingkat JP2, adalah sistem pengodean gambar yang diciptakan sebagai penerus standar JPEG asli. Ini dikembangkan oleh komite Joint Photographic Experts Group pada awal tahun 2000-an dengan tujuan menyediakan format gambar baru yang dapat mengatasi beberapa keterbatasan format JPEG tradisional. JPEG 2000 tidak boleh disamakan dengan format JPEG standar, yang menggunakan ekstensi file .jpg atau .jpeg. JPEG 2000 menggunakan ekstensi .jp2 untuk file-nya dan menawarkan sejumlah peningkatan signifikan dibandingkan pendahulunya, termasuk kualitas gambar yang lebih baik pada rasio kompresi yang lebih tinggi, dukungan untuk kedalaman bit yang lebih tinggi, dan penanganan transparansi yang lebih baik melalui saluran alfa.
Salah satu fitur utama JPEG 2000 adalah penggunaan kompresi wavelet, berbeda dengan transformasi kosinus diskrit (DCT) yang digunakan dalam format JPEG asli. Kompresi wavelet adalah bentuk kompresi data yang sangat cocok untuk kompresi gambar, di mana ukuran file dikurangi tanpa mengorbankan kualitas. Ini dicapai dengan mengubah gambar menjadi domain wavelet di mana informasi gambar disimpan dengan cara yang memungkinkan berbagai tingkat detail. Ini berarti bahwa JPEG 2000 dapat menawarkan kompresi lossless dan lossy dalam format file yang sama, memberikan fleksibilitas tergantung pada kebutuhan pengguna.
Keuntungan signifikan lainnya dari JPEG 2000 adalah dukungannya untuk decoding progresif. Fitur ini memungkinkan versi gambar beresolusi rendah ditampilkan saat file masih diunduh, yang dapat sangat berguna untuk gambar web. Saat lebih banyak data diterima, kualitas gambar meningkat secara progresif hingga gambar beresolusi penuh ditampilkan. Ini berbeda dengan format JPEG standar, di mana gambar hanya dapat ditampilkan setelah seluruh file diunduh.
JPEG 2000 juga memperkenalkan konsep wilayah yang diminati (ROI). Ini memungkinkan bagian gambar yang berbeda dikompresi pada tingkat kualitas yang berbeda. Misalnya, dalam foto seseorang, wajah individu dapat dikodekan dengan kualitas lebih tinggi daripada latar belakang. Kontrol kualitas selektif ini dapat sangat berguna dalam aplikasi di mana bagian gambar tertentu lebih penting daripada yang lain.
Format JPEG 2000 juga sangat skalabel. Ini mendukung berbagai resolusi gambar, kedalaman warna, dan komponen gambar. Skalabilitas ini meluas ke dimensi spasial dan kualitas, artinya satu file JPEG 2000 dapat menyimpan beberapa resolusi dan tingkat kualitas, yang dapat diekstrak sesuai kebutuhan untuk aplikasi atau perangkat yang berbeda. Ini menjadikan JPEG 2000 pilihan yang sangat baik untuk berbagai penggunaan, dari sinema digital hingga pencitraan medis, di mana pengguna yang berbeda mungkin memerlukan atribut gambar yang berbeda.
Dalam hal akurasi warna, JPEG 2000 mendukung hingga 16 bit per saluran warna, dibandingkan dengan 8 bit per saluran dalam JPEG standar. Kedalaman bit yang ditingkatkan ini memungkinkan rentang warna yang jauh lebih luas dan gradasi yang lebih halus di antara keduanya, yang sangat penting untuk pengeditan dan pencetakan foto kelas atas di mana kesetiaan warna sangat penting.
JPEG 2000 juga menyertakan fitur ketahanan kesalahan yang kuat, yang membuatnya lebih cocok untuk mentransmisikan gambar melalui jaringan dengan risiko korupsi data yang tinggi, seperti jaringan nirkabel atau internet. Format ini dapat menyertakan checksum dan pemeriksaan integritas data lainnya untuk memastikan bahwa gambar dapat direkonstruksi meskipun beberapa paket data hilang selama transmisi.
Terlepas dari banyak kelebihannya, JPEG 2000 belum banyak diadopsi dibandingkan dengan format JPEG asli. Salah satu alasannya adalah kompleksitas algoritma kompresi JPEG 2000, yang membutuhkan lebih banyak daya komputasi untuk mengodekan dan mendekode gambar. Hal ini membuatnya kurang menarik untuk elektronik konsumen dan platform web, yang sering memprioritaskan kecepatan dan kesederhanaan. Selain itu, format JPEG asli sangat mengakar dalam industri dan memiliki ekosistem perangkat lunak dan dukungan perangkat keras yang luas, sehingga sulit bagi format baru untuk mendapatkan pijakan.
Faktor lain yang membatasi adopsi JPEG 2000 adalah masalah paten. Standar JPEG 2000 mencakup teknologi yang dipatenkan oleh berbagai entitas, dan ini menimbulkan kekhawatiran tentang biaya lisensi dan kendala hukum. Meskipun banyak dari paten ini telah kedaluwarsa atau telah tersedia dengan persyaratan yang wajar dan tidak diskriminatif, ketidakpastian awal berkontribusi pada keengganan beberapa organisasi untuk mengadopsi format tersebut.
Terlepas dari tantangan ini, JPEG 2000 telah menemukan ceruk di bidang profesional tertentu di mana fitur-fiturnya yang canggih sangat berharga. Misalnya, dalam sinema digital, JPEG 2000 digunakan sebagai bagian dari spesifikasi Digital Cinema Initiatives (DCI) untuk distribusi dan proyeksi film. Representasi gambar berkualitas tinggi dan skalabilitasnya membuatnya sangat cocok untuk tuntutan layar film beresolusi tinggi.
Dalam bidang pengarsipan dan pelestarian digital, JPEG 2000 juga disukai karena kemampuan kompresi lossless dan kemampuannya untuk menyimpan gambar dengan cara yang efisien dan kondusif untuk pelestarian jangka panjang. Perpustakaan, museum, dan institusi lain yang memerlukan salinan digital berkualitas tinggi dari koleksi mereka sering memilih JPEG 2000 karena alasan ini.
Industri pencitraan medis adalah area lain di mana JPEG 2000 telah berhasil diimplementasikan. Dukungan format untuk kedalaman bit yang tinggi dan kompresi lossless sangat penting untuk memastikan bahwa gambar medis, seperti sinar-X dan pemindaian MRI, mempertahankan semua detail yang diperlukan untuk diagnosis dan analisis yang akurat. Selain itu, kemampuan untuk menangani file gambar yang sangat besar secara efisien menjadikan JPEG 2000 cocok untuk sektor ini.
JPEG 2000 juga menyertakan serangkaian kemampuan metadata yang kaya, yang memungkinkan penyematan informasi ekstensif dalam file gambar itu sendiri. Ini dapat mencakup informasi hak cipta, pengaturan kamera, data geolokasi, dan banyak lagi. Fitur ini sangat berguna untuk sistem manajemen aset dan aplikasi lain di mana pelacakan asal dan properti gambar sangat penting.
Sebagai kesimpulan, format gambar JPEG 2000 menawarkan berbagai fitur canggih yang memberikan manfaat signifikan dalam hal kualitas gambar, fleksibilitas, dan ketahanan. Penggunaan kompresi wavelet memungkinkan gambar berkualitas tinggi pada ukuran file yang lebih kecil, dan dukungannya untuk decoding progresif, wilayah yang diminati, dan skalabilitas menjadikannya pilihan serbaguna untuk banyak aplikasi. Meskipun belum menggantikan format JPEG asli dalam penggunaan umum, JPEG 2000 telah menjadi format pilihan dalam industri di mana keunggulan uniknya paling dibutuhkan. Seiring kemajuan teknologi dan kebutuhan akan pencitraan digital berkualitas lebih tinggi semakin meningkat, JPEG 2000 mungkin akan diadopsi secara lebih luas di masa mendatang.
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.