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 PCX, yang merupakan singkatan dari 'Picture Exchange,' adalah format file grafik raster yang banyak digunakan pada komputer berbasis DOS dan Windows pada akhir tahun 1980-an dan 1990-an. Dikembangkan oleh ZSoft Corporation, ini adalah salah satu format pertama yang banyak diterima untuk gambar berwarna pada komputer yang kompatibel dengan IBM PC. Format PCX dikenal karena kesederhanaan dan kemudahan implementasinya, yang berkontribusi pada adopsi luasnya pada masa-masa awal komputasi pribadi. Ini sangat populer untuk penggunaannya dalam perangkat lunak seperti Microsoft Paintbrush, yang kemudian menjadi Microsoft Paint, dan juga digunakan untuk tangkapan layar, keluaran pemindai, dan wallpaper desktop.
Format file PCX dirancang untuk merepresentasikan gambar yang dipindai dan jenis data gambar lainnya. Ini mendukung berbagai kedalaman warna, termasuk monokrom, 2 warna, 4 warna, 16 warna, 256 warna, dan gambar warna asli 24-bit. Format ini memungkinkan berbagai resolusi dan rasio aspek, sehingga serbaguna untuk berbagai perangkat tampilan dan kebutuhan pencetakan. Meskipun fleksibel, format PCX sebagian besar telah digantikan oleh format gambar yang lebih modern seperti JPEG, PNG, dan GIF, yang menawarkan kompresi dan dukungan warna yang lebih baik. Namun, memahami format PCX masih relevan bagi mereka yang berurusan dengan sistem lama atau arsip digital yang berisi file PCX.
File PCX terdiri dari header, data gambar, dan palet 256 warna opsional. Header berukuran 128 byte dan berisi informasi penting tentang gambar, seperti versi format PCX yang digunakan, dimensi gambar, jumlah bidang warna, jumlah bit per piksel per bidang warna, dan metode pengkodean. Metode pengkodean yang digunakan dalam file PCX adalah pengkodean panjang lintasan (RLE), yang merupakan bentuk sederhana dari kompresi data lossless yang mengurangi ukuran file tanpa mengorbankan kualitas gambar. RLE bekerja dengan mengompresi urutan byte yang identik menjadi satu byte diikuti oleh byte hitung, yang menunjukkan berapa kali byte tersebut harus diulang.
Data gambar dalam file PCX diatur menjadi bidang, dengan setiap bidang mewakili komponen warna yang berbeda. Misalnya, gambar berwarna 24-bit akan memiliki tiga bidang, masing-masing untuk komponen merah, hijau, dan biru. Data dalam setiap bidang dikodekan menggunakan RLE dan disimpan dalam baris, dengan setiap baris mewakili garis piksel horizontal. Baris disimpan dari atas ke bawah, dan dalam setiap baris, piksel disimpan dari kiri ke kanan. Untuk gambar dengan kedalaman warna kurang dari 24 bit, bagian palet tambahan mungkin ada di akhir file, yang menentukan warna yang digunakan dalam gambar.
Palet 256 warna opsional adalah fitur utama format PCX untuk gambar dengan 8 bit per piksel atau kurang. Palet ini biasanya terletak di akhir file, mengikuti data gambar, dan terdiri dari serangkaian entri 3-byte, dengan setiap entri mewakili komponen merah, hijau, dan biru dari satu warna. Palet memungkinkan berbagai warna untuk direpresentasikan dalam gambar, meskipun setiap piksel hanya mereferensikan indeks warna daripada menyimpan nilai warna penuh. Pendekatan warna terindeks ini efisien dalam hal ukuran file, tetapi membatasi kesetiaan warna dibandingkan dengan gambar warna asli.
Salah satu kelebihan format PCX adalah kesederhanaannya, yang memudahkan pengembang untuk mengimplementasikannya dalam perangkat lunak mereka. Header format berukuran dan tata letak tetap, yang memungkinkan penguraian dan pemrosesan data gambar secara langsung. Selain itu, kompresi RLE yang digunakan dalam file PCX relatif sederhana dibandingkan dengan algoritma kompresi yang lebih kompleks yang digunakan dalam format lain. Kesederhanaan ini berarti bahwa file PCX dapat dengan mudah dibuat dan dimanipulasi pada perangkat keras yang terbatas pada saat itu, tanpa memerlukan daya pemrosesan atau memori yang ekstensif.
Meskipun sederhana, format PCX memiliki beberapa keterbatasan. Salah satu kelemahan utama adalah kurangnya dukungan untuk transparansi atau saluran alfa, yang penting untuk pekerjaan grafis modern seperti desain ikon atau grafik video game. Selain itu, kompresi RLE, meskipun efektif untuk jenis gambar tertentu, tidak seefisien algoritma kompresi yang digunakan dalam format seperti JPEG atau PNG. Hal ini dapat menghasilkan ukuran file yang lebih besar untuk file PCX, terutama saat berhadapan dengan gambar resolusi tinggi atau warna asli.
Keterbatasan lain dari format PCX adalah kurangnya dukungan untuk metadata. Tidak seperti format seperti TIFF atau JPEG, yang dapat menyertakan berbagai metadata tentang gambar, seperti pengaturan kamera yang digunakan untuk mengambil foto atau tanggal dan waktu gambar dibuat, file PCX hanya berisi informasi paling dasar yang diperlukan untuk menampilkan gambar. Hal ini membuat format kurang cocok untuk fotografi profesional atau aplikasi apa pun yang memerlukan penyimpanan informasi tersebut.
Terlepas dari keterbatasan ini, format PCX banyak digunakan di masa lalu dan masih dikenali oleh banyak program pengeditan dan tampilan gambar saat ini. Warisannya terbukti dalam dukungan berkelanjutan untuk format dalam perangkat lunak seperti Adobe Photoshop, GIMP, dan CorelDRAW. Bagi pengguna yang bekerja dengan sistem lama atau perlu mengakses konten digital historis, kemampuan untuk menangani file PCX tetap relevan. Selain itu, kesederhanaan format menjadikannya studi kasus yang berguna bagi mereka yang mempelajari format file gambar dan teknik kompresi data.
Format PCX juga memainkan peran pada masa-masa awal penerbitan desktop dan desain grafis. Dukungannya untuk berbagai resolusi dan kedalaman warna menjadikannya pilihan yang fleksibel untuk membuat dan bertukar grafik antara platform perangkat lunak dan perangkat keras yang berbeda. Pada saat format kepemilikan dapat menciptakan hambatan untuk kolaborasi, format PCX berfungsi sebagai penyebut umum yang memfasilitasi berbagi gambar di berbagai sistem.
Dalam hal implementasi teknis, membuat file PCX melibatkan penulisan header 128-byte dengan nilai yang benar untuk properti gambar, diikuti oleh data gambar terkompresi RLE untuk setiap bidang warna. Jika gambar menggunakan palet, data palet ditambahkan ke akhir file. Saat membaca file PCX, prosesnya dibalik: header dibaca untuk menentukan properti gambar, data RLE didekompresi untuk merekonstruksi gambar, dan jika ada, palet dibaca untuk memetakan indeks warna ke nilai RGB yang sesuai.
Header PCX berisi beberapa bidang yang penting untuk menafsirkan data gambar. Ini termasuk pabrikan (selalu disetel ke 10 untuk ZSoft), versi (menunjukkan versi format PCX), pengkodean (selalu disetel ke 1 untuk kompresi RLE), bit per piksel (menunjukkan kedalaman warna), dimensi gambar (diberikan oleh bidang Xmin, Ymin, Xmax, dan Ymax), resolusi horizontal dan vertikal, jumlah bidang warna, byte per baris (menunjukkan jumlah byte di setiap baris bidang warna), dan tanda untuk gambar skala abu-abu, antara lain.
Kompresi RLE format PCX dirancang agar efisien untuk gambar dengan area warna seragam yang besar, yang umum dalam grafik komputer pada saat itu. Misalnya, gambar dengan langit biru yang besar dapat dikompresi secara efektif karena piksel biru akan direpresentasikan oleh satu byte diikuti oleh byte hitung, daripada menyimpan setiap piksel biru secara individual. Namun, untuk gambar dengan pola atau variasi warna yang lebih kompleks, kompresi RLE kurang efektif, dan ukuran file yang dihasilkan mungkin tidak jauh lebih kecil dari gambar yang tidak dikompresi.
Sebagai kesimpulan, format gambar PCX adalah format file historis yang memainkan peran penting pada masa-masa awal komputasi pribadi dan grafik digital. Kesederhanaan dan kemudahan implementasinya menjadikannya pilihan populer bagi pengembang perangkat lunak dan pengguna. Meskipun sebagian besar telah digantikan oleh format gambar yang lebih canggih, format PCX tetap menjadi bagian penting dari warisan digital dan terus didukung oleh banyak aplikasi grafis modern. Memahami format PCX memberikan wawasan berharga tentang evolusi teknologi pencitraan digital dan tantangan kompresi data dan desain format file.
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.