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 MAP, jangan disamakan dengan penggunaan 'map' yang lebih umum dalam konteks pemetaan geografis, adalah format file yang relatif tidak jelas yang digunakan untuk menyimpan gambar bitmap. Format ini tidak dikenal atau digunakan secara luas seperti format gambar yang lebih populer seperti JPEG, PNG, atau GIF, tetapi memiliki serangkaian karakteristiknya sendiri yang membuatnya cocok untuk aplikasi tertentu. Format MAP biasanya dikaitkan dengan data gambar yang digunakan dalam berbagai jenis pemetaan, seperti pemetaan tekstur dalam model 3D, atau dalam aplikasi perangkat lunak tertentu yang memerlukan format khusus untuk aset gambar.
Salah satu fitur utama format gambar MAP adalah kemampuannya untuk menyimpan data gambar dengan cara yang dioptimalkan untuk akses dan manipulasi cepat, yang sangat berguna dalam aplikasi waktu nyata seperti video game atau simulasi. Hal ini dicapai melalui penggunaan struktur data langsung yang memungkinkan pembacaan dan penulisan data piksel yang efisien. Tidak seperti format yang lebih kompleks yang menyertakan kompresi dan metadata tambahan, file MAP seringkali lebih sederhana dan mungkin tidak mendukung kompresi atau hanya mendukung kompresi lossless untuk menjaga kualitas gambar.
Struktur dasar file MAP biasanya menyertakan header, yang berisi informasi tentang gambar seperti dimensinya (lebar dan tinggi), kedalaman warna (jumlah bit per piksel), dan mungkin palet warna jika gambar menggunakan warna yang diindeks. Setelah header, data piksel disimpan dalam format yang sesuai dengan kedalaman warna yang ditentukan. Misalnya, dalam gambar MAP 8-bit, warna setiap piksel diwakili oleh satu byte, yang sesuai dengan indeks dalam palet warna.
Dalam kasus kedalaman warna yang lebih tinggi, seperti 24-bit atau 32-bit, warna setiap piksel diwakili oleh beberapa byte. Untuk gambar 24-bit, ini biasanya tiga byte per piksel, dengan setiap byte mewakili komponen warna merah, hijau, dan biru. Gambar 32-bit mungkin menyertakan byte tambahan untuk informasi transparansi alfa, yang memungkinkan representasi piksel transparan atau semi-transparan.
Palet warna dalam file MAP, jika ada, adalah serangkaian warna yang tersedia untuk digunakan dalam gambar. Setiap warna dalam palet biasanya diwakili oleh nilai 24-bit, bahkan dalam gambar dengan kedalaman warna yang lebih rendah. Hal ini memungkinkan berbagai warna tersedia untuk gambar yang diindeks, yang dapat sangat berguna saat bekerja dengan ruang warna terbatas atau saat mencoba mengurangi ukuran file tanpa menggunakan kompresi lossy.
Salah satu kelebihan format MAP adalah kesederhanaannya, yang memungkinkan waktu pemuatan yang cepat dan pemrosesan minimal saat gambar digunakan dalam aplikasi. Hal ini sangat penting dalam skenario di mana kinerja sangat penting, seperti dalam merender tekstur dalam lingkungan 3D. Sifat format yang mudah dipahami berarti dapat dengan mudah diimplementasikan dalam perangkat lunak tanpa memerlukan algoritme decoding yang kompleks atau penanganan metadata.
Namun, kesederhanaan format MAP juga berarti bahwa ia tidak memiliki beberapa fitur yang ditemukan dalam format gambar yang lebih canggih. Misalnya, biasanya tidak mendukung lapisan, profil warna lanjutan, atau metadata seperti data EXIF yang dapat ditemukan dalam format seperti JPEG atau TIFF. Hal ini membuat format MAP kurang cocok untuk aplikasi yang memerlukan fitur tersebut, seperti dalam fotografi profesional atau pengeditan gambar.
Keterbatasan lain dari format MAP adalah tidak didukung secara luas seperti format gambar lainnya. Meskipun dapat digunakan dalam aplikasi perangkat lunak atau mesin game tertentu, format ini tidak umum didukung oleh penampil gambar umum atau perangkat lunak pengedit foto. Hal ini dapat mempersulit untuk bekerja dengan gambar MAP di luar konteks tertentu yang dimaksudkan untuk digunakan.
Terlepas dari keterbatasannya, format MAP dapat menjadi pilihan yang baik untuk aplikasi khusus tertentu. Misalnya, dapat digunakan dalam sistem tertanam atau lingkungan lain di mana sumber daya terbatas dan kesederhanaan format memungkinkan penggunaan memori dan daya pemrosesan yang efisien. Ini juga dapat menjadi pilihan yang cocok untuk aplikasi yang memerlukan format gambar khusus dengan karakteristik khusus yang tidak dipenuhi oleh format yang lebih umum.
Saat bekerja dengan gambar MAP, pengembang sering kali perlu menggunakan alat khusus atau menulis kode khusus untuk membuat, mengedit, atau mengonversi file-file ini. Ini dapat mencakup fungsi penulisan untuk menangani pembacaan dan penulisan struktur file MAP, serta rutinitas untuk memanipulasi data piksel dan palet warna. Dalam beberapa kasus, pengembang mungkin juga perlu mengimplementasikan algoritme kompresi atau dekompresi mereka sendiri jika format MAP yang digunakan mendukung kompresi.
Dalam hal ekstensi file, gambar MAP dapat menggunakan berbagai ekstensi berbeda tergantung pada konteks penggunaannya. Ekstensi umum mungkin termasuk .map, .mip, atau lainnya yang khusus untuk perangkat lunak atau platform. Penting bagi pengembang untuk mengetahui konvensi yang digunakan dalam domain tertentu mereka untuk memastikan kompatibilitas dan penanganan file MAP yang tepat.
Format MAP juga dapat digunakan bersama dengan format file lain sebagai bagian dari alur aset yang lebih besar. Misalnya, file model 3D dapat mereferensikan satu atau lebih gambar MAP sebagai tekstur, dengan file MAP digunakan untuk menyimpan data tekstur dalam format yang dioptimalkan untuk mesin rendering. Dalam kasus seperti itu, file MAP adalah bagian dari ekosistem format file yang lebih besar yang bekerja sama untuk menciptakan keluaran visual akhir.
Saat mempertimbangkan penggunaan format MAP, penting untuk mempertimbangkan manfaat kesederhanaan dan kinerjanya terhadap potensi kelemahan dukungan dan fitur yang terbatas. Untuk proyek di mana kekuatan format MAP sesuai dengan persyaratan, ini dapat menjadi pilihan efektif yang berkontribusi pada kinerja dan efisiensi aplikasi secara keseluruhan.
Sebagai kesimpulan, format gambar MAP adalah format file khusus yang dirancang untuk efisiensi dan kinerja dalam aplikasi tertentu. Strukturnya yang sederhana memungkinkan akses cepat ke data piksel, membuatnya cocok untuk rendering waktu nyata dan tugas penting kinerja lainnya. Meskipun tidak memiliki fitur dan dukungan luas dari format gambar yang lebih umum, ini bisa menjadi pilihan yang tepat untuk kasus penggunaan tertentu di mana kelebihannya paling bermanfaat. Pengembang yang bekerja dengan gambar MAP harus siap untuk menangani karakteristik unik format tersebut dan mungkin perlu mengembangkan alat atau kode khusus untuk bekerja dengannya secara efektif.
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.