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 file Portable FloatMap (PFM) adalah format gambar yang kurang dikenal namun sangat penting, terutama di bidang yang membutuhkan ketelitian dan presisi tinggi dalam data gambar. Tidak seperti format yang lebih umum seperti JPEG atau PNG yang dirancang untuk penggunaan umum dan grafik web, format PFM secara khusus dirancang untuk menyimpan dan menangani data gambar rentang dinamis tinggi (HDR). Ini berarti bahwa format ini dapat mewakili rentang tingkat luminansi yang jauh lebih luas daripada format gambar 8-bit atau bahkan 16-bit tradisional. Format PFM mencapai hal ini dengan menggunakan angka floating-point untuk merepresentasikan intensitas setiap piksel, memungkinkan rentang nilai kecerahan yang hampir tidak terbatas, dari bayangan paling gelap hingga sorotan paling terang.
File PFM dicirikan oleh kesederhanaan dan efisiensinya dalam menyimpan data HDR. File PFM pada dasarnya adalah file biner yang terdiri dari bagian header yang diikuti oleh data piksel. Header adalah teks ASCII, sehingga dapat dibaca manusia, dan menentukan informasi penting tentang gambar, seperti dimensinya (lebar dan tinggi) dan apakah data piksel disimpan dalam format skala abu-abu atau RGB. Setelah header, data piksel disimpan dalam format biner, dengan nilai setiap piksel direpresentasikan sebagai angka floating-point IEEE 32-bit (untuk gambar skala abu-abu) atau 96-bit (untuk gambar RGB). Struktur ini membuat format mudah diimplementasikan dalam perangkat lunak sekaligus memberikan presisi yang diperlukan untuk pencitraan HDR.
Salah satu aspek unik dari format PFM adalah dukungannya untuk urutan byte little-endian dan big-endian. Fleksibilitas ini memastikan bahwa format tersebut dapat digunakan di berbagai platform komputasi tanpa masalah kompatibilitas. Urutan byte ditunjukkan di header oleh pengidentifikasi format: 'PF' untuk gambar RGB dan 'Pf' untuk gambar skala abu-abu. Jika pengidentifikasi menggunakan huruf besar, itu berarti file menggunakan urutan byte big-endian; jika menggunakan huruf kecil, file menggunakan little-endian. Mekanisme ini tidak hanya elegan tetapi juga penting untuk menjaga akurasi data floating-point ketika file dibagikan antar sistem dengan urutan byte yang berbeda.
Meskipun memiliki keunggulan dalam merepresentasikan gambar HDR, format PFM tidak banyak digunakan dalam aplikasi konsumen atau grafik web karena ukuran file yang besar yang dihasilkan dari penggunaan representasi floating-point untuk setiap piksel. Selain itu, sebagian besar perangkat tampilan dan perangkat lunak tidak dirancang untuk menangani rentang dinamis dan presisi tinggi yang disediakan oleh file PFM. Akibatnya, file PFM banyak digunakan di bidang profesional seperti penelitian grafis komputer, produksi efek visual, dan visualisasi ilmiah, di mana kualitas dan ketelitian gambar sangat diperlukan.
Pemrosesan file PFM memerlukan perangkat lunak khusus yang dapat membaca dan menulis data floating-point secara akurat. Karena adopsi format yang terbatas, perangkat lunak tersebut kurang umum dibandingkan alat untuk format gambar yang lebih umum. Namun demikian, beberapa aplikasi pengeditan dan pemrosesan gambar tingkat profesional mendukung file PFM, memungkinkan pengguna untuk bekerja dengan konten HDR. Alat-alat ini sering kali menyediakan fitur tidak hanya untuk melihat dan mengedit tetapi juga untuk mengonversi file PFM ke format yang lebih konvensional sambil mencoba mempertahankan rentang dinamis sebanyak mungkin melalui pemetaan nada dan teknik lainnya.
Salah satu tantangan paling signifikan dalam bekerja dengan file PFM adalah kurangnya dukungan yang luas untuk konten HDR di perangkat keras dan perangkat lunak konsumen. Meskipun ada peningkatan bertahap dalam dukungan HDR dalam beberapa tahun terakhir, dengan beberapa tampilan dan TV yang lebih baru yang mampu menampilkan rentang tingkat luminansi yang lebih luas, ekosistemnya masih mengejar ketinggalan. Situasi ini seringkali mengharuskan konversi file PFM ke format yang lebih kompatibel secara luas, meskipun dengan mengorbankan sebagian rentang dinamis dan presisi yang membuat format PFM sangat berharga untuk penggunaan profesional.
Selain peran utamanya dalam menyimpan gambar HDR, format PFM juga terkenal karena kesederhanaannya, yang menjadikannya pilihan yang sangat baik untuk tujuan pendidikan dan proyek eksperimental dalam grafis komputer dan pemrosesan gambar. Strukturnya yang mudah dipahami memungkinkan siswa dan peneliti untuk dengan mudah memahami dan memanipulasi data HDR tanpa terjebak dalam spesifikasi format file yang rumit. Kemudahan penggunaan ini, dikombinasikan dengan presisi dan fleksibilitas format, menjadikan PFM alat yang sangat berharga dalam pengaturan akademis dan penelitian.
Fitur teknis lain dari format PFM adalah dukungannya untuk angka tak terhingga dan subnormal, berkat penggunaan representasi floating-point IEEE. Kemampuan ini sangat berguna dalam visualisasi ilmiah dan jenis pekerjaan grafis komputer tertentu, di mana nilai ekstrem atau gradasi data yang sangat halus perlu direpresentasikan. Misalnya, dalam simulasi fenomena fisik atau rendering pemandangan dengan sumber cahaya yang sangat terang, kemampuan untuk merepresentasikan nilai intensitas yang sangat tinggi atau sangat rendah secara akurat dapat menjadi sangat penting.
Namun, manfaat dari presisi floating-point format PFM disertai dengan peningkatan tuntutan komputasi saat memproses file-file ini, terutama untuk gambar berukuran besar. Karena nilai setiap piksel adalah angka floating-point, operasi seperti penskalaan gambar, pemfilteran, atau pemetaan nada dapat lebih intensif secara komputasi dibandingkan dengan format gambar berbasis integer tradisional. Persyaratan untuk daya pemrosesan yang lebih besar ini dapat menjadi batasan dalam aplikasi waktu nyata atau pada perangkat keras dengan kemampuan terbatas. Meskipun demikian, untuk aplikasi di mana kualitas gambar tertinggi sangat penting, manfaatnya jauh lebih besar daripada tantangan komputasi ini.
Format PFM juga menyertakan ketentuan untuk menentukan faktor skala dan endian-ness di headernya, yang semakin meningkatkan keserbagunaannya. Faktor skala adalah angka floating-point yang memungkinkan file menunjukkan rentang kecerahan fisik yang direpresentasikan oleh rentang numerik nilai piksel file. Fitur ini sangat penting untuk memastikan bahwa ketika file PFM digunakan di berbagai proyek atau dibagikan antar kolaborator, ada pemahaman yang jelas tentang bagaimana nilai piksel berkorelasi dengan nilai luminansi dunia nyata.
Meskipun memiliki keunggulan teknis, format PFM menghadapi tantangan signifikan dalam adopsi yang lebih luas di luar lingkungan profesional dan akademis khusus. Kebutuhan akan perangkat lunak khusus untuk memproses file PFM, dikombinasikan dengan ukuran file yang besar dan tuntutan komputasi, berarti bahwa penggunaannya tetap terbatas dibandingkan dengan format yang lebih umum. Agar format PFM mendapatkan penerimaan yang lebih luas, perlu ada perubahan signifikan baik pada perangkat keras yang tersedia yang mampu menampilkan konten HDR maupun dukungan ekosistem perangkat lunak untuk gambar rentang dinamis tinggi dengan ketelitian tinggi.
Ke depan, masa depan format PFM dan pencitraan HDR, secara umum, terkait dengan kemajuan dalam teknologi tampilan dan algoritma pemrosesan gambar. Karena tampilan yang mampu menyajikan rentang tingkat luminansi yang lebih luas menjadi lebih umum, dan karena sumber daya komputasi menjadi lebih mudah diakses, hambatan untuk menggunakan format HDR seperti PFM dapat berkurang. Selain itu, dengan penelitian yang sedang berlangsung ke dalam algoritma yang lebih efisien untuk memproses data gambar floating-point, kesenjangan kinerja antara penanganan file PFM dan format gambar tradisional dapat menyempit, yang selanjutnya memfasilitasi adopsi pencitraan HDR dalam rentang aplikasi yang lebih luas.
Sebagai kesimpulan, format Portable FloatMap (PFM) mewakili teknologi penting dalam bidang pencitraan rentang dinamis tinggi, menawarkan presisi dan fleksibilitas yang tak tertandingi untuk merepresentasikan berbagai tingkat luminansi. Meskipun kompleksitasnya, bersama dengan kebutuhan akan perangkat lunak dan perangkat keras khusus, telah membatasi adopsi ke konteks profesional dan akademis, kemampuan format PFM menjadikannya aset yang sangat berharga di mana ketelitian gambar sangat penting. Karena ekosistem teknologi terus berkembang, ada potensi bagi PFM dan konten HDR untuk menjadi lebih terintegrasi ke dalam aplikasi arus utama, memperkaya pengalaman visual untuk khalayak yang lebih luas.
Konverter ini berjalan sepenuhnya di browser Anda. Ketika Anda memilih sebuah file, file tersebut dibaca ke dalam memori dan dikonversi ke format yang dipilih. Anda kemudian dapat mengunduh file yang telah dikonversi.
Konversi dimulai seketika, 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 lainnya.
Konverter ini sepenuhnya gratis, dan akan selalu gratis. Karena berjalan di browser Anda, kami tidak perlu membayar untuk server, jadi kami tidak perlu mengenakan biaya kepada Anda.
Ya! Anda dapat mengonversi sebanyak mungkin file sekaligus. Cukup pilih beberapa file saat Anda menambahkannya.