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 PCT, juga dikenal sebagai format Macintosh PICT, adalah format file grafik yang banyak digunakan pada komputer Macintosh. Awalnya dirancang sebagai format metafile pada tahun 1980-an, yang berarti dapat berisi data bitmap dan vektor. Fleksibilitas ini menjadikannya pilihan populer untuk menyimpan dan mentransfer berbagai jenis grafik, dari ilustrasi sederhana hingga gambar kompleks. Format PCT dikembangkan oleh Apple Inc. untuk memfasilitasi transfer grafik antar aplikasi yang berbeda dan berfungsi sebagai format dump grafik untuk pustaka grafik QuickDraw, yang merupakan dasar untuk antarmuka pengguna grafis sistem operasi Macintosh awal.
Format PCT unik karena dapat menyimpan informasi vektor dan bitmap. Grafik vektor terdiri dari jalur yang ditentukan oleh persamaan matematika, yang membuatnya dapat diskalakan tanpa kehilangan kualitas. Sebaliknya, grafik bitmap terdiri dari piksel, yang dapat mengakibatkan hilangnya detail saat diperbesar. Dengan menggabungkan kedua jenis data ini, file PCT dapat menyimpan gambar kompleks secara efisien seperti ilustrasi dengan teks, gambar garis, dan elemen fotografi, sekaligus mempertahankan kemampuan untuk menskalakan bagian gambar tertentu tanpa penurunan kualitas.
File PCT disusun sedemikian rupa sehingga dimulai dengan header 512 byte, yang biasanya diisi dengan nol dan tidak digunakan oleh format PICT itu sendiri. Ini diikuti oleh header file PICT, yang mencakup informasi penting seperti nomor versi dan ukuran gambar. Header diikuti oleh data gambar, yang terdiri dari opcode (kode operasi) yang menentukan bagaimana gambar akan dirender. Opcode ini dapat menentukan garis, bentuk, warna, dan elemen grafik lainnya, serta data bitmap untuk gambar raster.
Ada dua versi utama format PCT: PICT1 dan PICT2. PICT1 adalah versi asli yang mendukung perintah menggambar dasar dan jumlah warna yang terbatas. PICT2, yang diperkenalkan dengan Macintosh II, menambahkan dukungan untuk kemampuan pencitraan yang lebih canggih, seperti warna 24-bit, gradien, dan kompresi JPEG. PICT2 juga memperkenalkan konsep 'wilayah' yang memungkinkan operasi pemotongan yang lebih kompleks, di mana hanya bagian gambar tertentu yang akan digambar, berdasarkan wilayah yang ditentukan.
Salah satu fitur utama format PCT adalah kemampuannya untuk mengompresi data gambar. File PCT menggunakan RLE (Run-Length Encoding), bentuk kompresi data sederhana di mana urutan nilai data yang sama disimpan sebagai nilai tunggal dan hitungan, bukan sebagai rangkaian asli. Ini sangat efektif untuk gambar dengan area warna seragam yang besar. PICT2 meningkatkan kemampuan ini dengan mendukung kompresi JPEG, yang lebih efisien untuk mengompresi gambar fotografi.
Format PCT juga menyertakan sejumlah fitur lain yang canggih pada masanya. Ini mendukung beberapa resolusi, yang berarti bahwa gambar dapat dirender pada tingkat detail yang berbeda tergantung pada kemampuan perangkat keluaran. Ini sangat berguna ketika gambar yang sama akan ditampilkan pada layar dan printer, yang biasanya memiliki persyaratan resolusi yang sangat berbeda. Selain itu, file PCT dapat berisi gambar pratinjau, yang merupakan representasi bitmap kecil dari data vektor. Hal ini memungkinkan aplikasi untuk menampilkan gambar mini gambar dengan cepat tanpa harus merender seluruh grafik vektor.
Terlepas dari kemampuannya, format PCT memiliki beberapa keterbatasan. Salah satu yang paling signifikan adalah kurangnya dukungan untuk transparansi. Tidak seperti format seperti GIF dan PNG, PCT tidak memungkinkan pembuatan gambar dengan latar belakang transparan atau elemen semi-transparan. Keterbatasan ini dapat menjadi masalah saat melapisi gambar atau saat gambar perlu ditempatkan di atas latar belakang dengan berbagai warna atau pola.
Keterbatasan lain dari format PCT adalah ketergantungan platformnya. PCT dirancang untuk sistem operasi Macintosh dan QuickDraw, yang berarti tidak didukung secara native pada platform lain. Meskipun ada alat dan pustaka pihak ketiga yang dapat membaca dan menulis file PCT di Windows dan sistem operasi lain, format tersebut tidak pernah diadopsi secara luas di luar komunitas Macintosh. Hal ini menyebabkan masalah kompatibilitas, terutama karena penggunaan perangkat lunak khusus Macintosh telah menurun seiring waktu.
Format PCT juga memiliki masalah keamanan. Di masa lalu, kerentanan telah ditemukan dalam cara beberapa aplikasi menangani file PCT, yang berpotensi memungkinkan eksekusi kode berbahaya. Ini adalah masalah umum dengan banyak format file, di mana kompleksitas dan kompatibilitas ke belakang dapat menyebabkan kelalaian keamanan. Akibatnya, beberapa aplikasi modern telah menghentikan dukungan untuk format PCT, atau mereka menanganinya di lingkungan kotak pasir yang lebih aman.
Dalam hal ekstensi file, file PCT biasanya disimpan dengan ekstensi '.pct' atau '.pict'. Namun, karena sifat sistem file Macintosh yang tidak peka huruf besar/kecil, ekstensi ini dapat dipertukarkan. Saat mentransfer file PCT ke sistem dengan sistem file peka huruf besar/kecil, seperti Linux, harus berhati-hati untuk mempertahankan ekstensi file yang benar untuk tujuan kompatibilitas.
Format PCT sebagian besar telah digantikan oleh format gambar yang lebih modern seperti PNG, JPEG, dan SVG. Format ini menawarkan kompresi yang lebih baik, dukungan platform yang lebih luas, dan fitur tambahan seperti transparansi dan animasi. Namun, file PCT masih digunakan dalam sistem dan aplikasi lama tertentu, terutama yang dirancang untuk sistem operasi Macintosh lama. Untuk alasan ini, memahami format PCT dapat menjadi penting saat menangani materi grafik arsip atau saat berinteraksi dengan perangkat lunak Macintosh lama.
Untuk pengembang dan pengguna yang bekerja dengan file PCT, ada sejumlah alat yang tersedia untuk melihat, mengonversi, dan mengedit gambar ini. GraphicConverter adalah aplikasi Macintosh populer yang dapat menangani file PCT di antara banyak format lainnya. Adobe Photoshop juga memiliki kemampuan untuk membuka dan mengonversi file PCT, meskipun versi yang lebih baru mungkin telah menghentikan dukungan karena menurunnya relevansi format tersebut. Ada juga beberapa alat online yang memungkinkan pengguna mengonversi file PCT ke format yang lebih umum seperti JPEG atau PNG.
Dalam bidang pemrograman, pustaka seperti ImageMagick dan Python Imaging Library (PIL) dapat digunakan untuk memanipulasi file PCT secara terprogram. Pustaka ini menyediakan fungsi untuk membaca, menulis, dan mengonversi file PCT, serta untuk melakukan tugas pemrosesan gambar. Namun, pengembang harus menyadari bahwa dukungan untuk file PCT di pustaka ini mungkin terbatas dibandingkan dengan format yang lebih modern, dan upaya tambahan mungkin diperlukan untuk menangani file PCT dengan benar.
Sebagai kesimpulan, format gambar PCT memainkan peran penting pada masa-masa awal komputasi Macintosh, menyediakan cara yang fleksibel dan kuat untuk menyimpan dan memanipulasi grafik. Meskipun sebagian besar telah digantikan oleh format yang lebih baru, warisannya berlanjut dalam bentuk konten dan aplikasi lama yang masih mengandalkan format yang dulu ada di mana-mana ini. Memahami aspek teknis PCT, dari struktur dan kemampuannya hingga keterbatasan dan masalah keamanannya, sangat penting bagi para profesional yang mungkin menemukan format ini dalam pekerjaan arsip atau saat berinteraksi dengan sistem Macintosh lama.
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.