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 Photo CD (PCD) adalah jenis format gambar digital yang dikembangkan oleh Eastman Kodak pada awal 1990-an. Tujuan utama format PCD adalah untuk memungkinkan pengguna menyimpan foto digital beresolusi tinggi pada CD, yang kemudian dapat dilihat di komputer atau televisi menggunakan pemutar Photo CD khusus. Format PCD merupakan bagian dari strategi Kodak yang lebih luas untuk menjembatani kesenjangan antara fotografi film tradisional dan pasar fotografi digital yang sedang berkembang. Format ini dirancang untuk menawarkan fotografer dan konsumen cara yang mudah untuk mendigitalkan dan mengarsipkan gambar film mereka dengan fidelitas tinggi.
Salah satu fitur utama format PCD adalah penggunaan struktur resolusi multiskala, yang memungkinkan satu file PCD berisi beberapa resolusi dari gambar yang sama. Struktur ini didasarkan pada teknik kompresi gambar eksklusif yang dikembangkan oleh Kodak yang dikenal sebagai PhotoYCC. Ruang warna PhotoYCC mirip dengan ruang warna YCbCr yang digunakan dalam kompresi video, di mana Y mewakili komponen luminansi, dan Cb dan Cr mewakili komponen krominansi. Ruang warna ini sangat cocok untuk gambar fotografi karena memisahkan informasi kecerahan dari informasi warna, yang sejalan dengan cara sistem visual manusia memproses gambar.
Struktur resolusi multiskala file PCD mencakup lima tingkat resolusi yang berbeda, mulai dari resolusi dasar/pratinjau 192x128 piksel hingga resolusi maksimum 3072x2048 piksel. Resolusi ini disebut sebagai Base/16, Base/4, Base, 4Base, dan 16Base, dengan resolusi Base adalah 768x512 piksel. Hal ini memungkinkan berbagai penggunaan, dari pratinjau gambar mini hingga cetakan berkualitas tinggi. Resolusi yang berbeda disimpan dalam format hierarkis, memungkinkan perangkat lunak dan perangkat keras untuk mengakses tingkat resolusi yang sesuai dengan cepat untuk tugas tertentu tanpa harus memproses seluruh file gambar.
File PCD biasanya dibuat menggunakan sistem Kodak Photo CD, yang melibatkan pemindaian negatif film atau slide menggunakan pemindai beresolusi tinggi dan kemudian menulis gambar digital ke CD dalam format PCD. Proses pemindaian dikalibrasi dengan hati-hati untuk memastikan reproduksi warna yang akurat dan untuk menangkap rentang dinamis penuh dari film. File PCD yang dihasilkan dimaksudkan sebagai arsip digital dari gambar film, dengan kemampuan untuk menghasilkan cetakan berkualitas tinggi dan mudah dibagikan dan dilihat di berbagai perangkat.
Format PCD juga menggabungkan sejumlah bidang metadata yang menyimpan informasi tentang gambar dan proses pemindaian. Metadata ini dapat mencakup tanggal dan waktu gambar diambil, jenis film yang digunakan, pengaturan pemindai, dan detail relevan lainnya. Informasi ini dapat berharga untuk tujuan pengarsipan, serta bagi fotografer yang ingin melacak aspek teknis gambar mereka.
Meskipun memiliki fitur-fitur canggih dan kualitas gambar tinggi yang ditawarkannya, format PCD menghadapi beberapa tantangan yang membatasi adopsi secara luas. Salah satu tantangan utama adalah sifat eksklusif dari format tersebut, yang berarti bahwa format tersebut hanya dapat digunakan sepenuhnya dengan perangkat lunak dan perangkat keras Kodak sendiri. Kompatibilitas terbatas dengan perangkat lunak dan perangkat pihak ketiga ini membuatnya kurang menarik bagi konsumen dan profesional yang sudah menggunakan format gambar dan perangkat lunak pengeditan lain.
Tantangan lain untuk format PCD adalah evolusi pesat teknologi kamera digital dan meningkatnya ketersediaan kamera digital yang terjangkau. Karena kamera digital menjadi lebih mumpuni dan menawarkan resolusi yang lebih tinggi, kebutuhan untuk memindai gambar film menjadi kurang penting bagi banyak pengguna. Selain itu, munculnya format gambar digital lainnya, seperti JPEG dan TIFF, yang lebih terbuka dan didukung secara luas, memberi pengguna opsi yang lebih fleksibel dan mudah diakses untuk menyimpan dan berbagi gambar digital.
Terlepas dari tantangan ini, format PCD digunakan oleh beberapa fotografer profesional dan penggemar yang menghargai kualitas gambar yang tinggi dan kemampuan untuk mendigitalkan film dengan tingkat fidelitas yang tinggi. Untuk beberapa waktu, format ini juga digunakan oleh laboratorium foto dan penyedia layanan yang menawarkan layanan pemindaian dan pengarsipan film. Namun, seiring pasar fotografi digital terus tumbuh dan berkembang, penggunaan format PCD secara bertahap menurun.
Dari perspektif teknis, format PCD terkenal karena penggunaan ruang warna PhotoYCC yang disebutkan di atas dan struktur resolusi multiskalanya. Format ini menggunakan algoritma kompresi lossy untuk mengurangi ukuran file sambil mempertahankan tingkat kualitas gambar yang tinggi. Kompresi diterapkan sedemikian rupa sehingga memanfaatkan karakteristik sistem visual manusia, dengan menekankan pelestarian detail luminansi daripada detail krominansi, yang kurang terlihat oleh mata manusia.
Struktur file PCD terdiri dari beberapa bagian yang berbeda, termasuk header, direktori gambar untuk setiap tingkat resolusi, dan data gambar itu sendiri. Header berisi informasi tentang versi format file dan jumlah gambar yang disimpan pada CD. Setiap direktori gambar berisi metadata tentang gambar, serta penunjuk ke lokasi data gambar untuk tingkat resolusi tersebut dalam file.
Data gambar dalam file PCD disimpan dalam format ubin, dengan gambar dibagi menjadi bagian persegi panjang kecil yang disebut ubin. Setiap ubin dikompresi secara independen, yang memungkinkan akses dan manipulasi data yang lebih efisien. Sistem petak ini juga memfasilitasi penyimpanan hierarkis dari tingkat resolusi yang berbeda, karena gambar beresolusi lebih rendah dapat dibuat dengan menggabungkan dan menurunkan sampel ubin dari tingkat resolusi yang lebih tinggi.
Untuk melihat atau mengedit file PCD, pengguna biasanya memerlukan perangkat lunak khusus yang dapat membaca format PCD dan menangani struktur resolusi multiskalanya. Kodak menyediakan perangkat lunaknya sendiri untuk tujuan ini, tetapi ada juga solusi perangkat lunak pihak ketiga yang menawarkan berbagai tingkat dukungan untuk file PCD. Beberapa perangkat lunak pengedit gambar modern masih menyertakan dukungan untuk format PCD, meskipun tidak umum dibandingkan dukungan untuk format yang lebih banyak digunakan seperti JPEG dan TIFF.
Dalam hal ukuran file, file PCD bisa sangat besar, terutama pada tingkat resolusi tertinggi. Hal ini karena format ini dirancang untuk mempertahankan kualitas gambar film asli, yang membutuhkan sejumlah besar data. Namun, algoritma kompresi yang digunakan dalam file PCD membantu mengurangi ukuran file sampai batas tertentu, sehingga lebih mudah untuk menyimpan dan mentransfer gambar.
Format PCD juga menyertakan dukungan untuk fitur yang disebut 'Portofolio Photo CD', yang memungkinkan pengguna untuk mengatur dan mengelola gambar mereka pada CD secara terstruktur. Fitur ini mencakup kemampuan untuk membuat album, mengkategorikan gambar, dan menambahkan teks deskriptif ke setiap gambar. Fitur Portofolio dimaksudkan untuk memudahkan pengguna menavigasi dan menikmati koleksi foto digital mereka.
Sebagai kesimpulan, format gambar PCD adalah solusi inovatif untuk mendigitalkan dan mengarsipkan foto film selama periode transisi dari fotografi analog ke digital. Struktur resolusi multiskalanya, penggunaan ruang warna PhotoYCC, dan kualitas gambar yang tinggi menjadikannya alat yang berharga bagi para profesional dan penggemar yang membutuhkan salinan digital fidelitas tinggi dari gambar film mereka. Namun, sifat eksklusif dari format tersebut, bersama dengan kemajuan pesat dalam teknologi kamera digital dan munculnya format gambar digital yang lebih fleksibel, pada akhirnya menyebabkan penurunan format PCD. Saat ini, format ini tetap menjadi bagian dari sejarah fotografi digital, dan aspek teknisnya terus menarik bagi mereka yang mempelajari evolusi penyimpanan dan kompresi gambar digital.
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.