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 PNG00 merepresentasikan subset spesifik dari format Portable Network Graphics (PNG) yang lebih luas, yang dirancang untuk memfasilitasi penyimpanan gambar raster yang terkompresi dengan baik dan tanpa kehilangan. Format ini dikembangkan sebagai penyempurnaan dan peningkatan dari GIF dan telah menjadi populer karena fitur-fiturnya yang serbaguna. Tidak seperti PNG umum yang mendukung berbagai kedalaman warna dan fitur tambahan, PNG00 secara khusus merujuk pada format yang dioptimalkan untuk kondisi tertentu, dengan fokus pada pencapaian kompresi yang efisien dan kompatibilitas dengan sistem yang lebih lama tanpa mengorbankan integritas data gambar asli.
Pada intinya, format PNG, termasuk PNG00, menggunakan metode kompresi yang tidak kehilangan. Artinya, tidak seperti JPEG atau format lossy lainnya, ketika gambar dikompresi ke format PNG00, tidak ada penurunan kualitas, dan semua informasi gambar asli dapat dipulihkan dengan sempurna. Hal ini sangat penting untuk aplikasi di mana integritas gambar sangat penting, seperti dalam penerbitan desktop, seni digital, dan grafik web tertentu di mana kejelasan dan presisi sangat penting.
Struktur file PNG00, seperti semua file PNG, berbasis potongan. File PNG terdiri dari beberapa potongan, masing-masing memiliki tujuan yang berbeda. Potongan-potongan ini dapat mencakup metadata, seperti ruang warna gambar, gamma, dan anotasi teks, selain data gambar itu sendiri. Potongan penting dalam setiap file PNG adalah potongan header (IHDR), yang menguraikan ukuran dan kedalaman warna gambar; potongan palet (PLTE) untuk gambar yang diindeks; potongan data gambar (IDAT), yang berisi data gambar terkompresi yang sebenarnya; dan potongan akhir (IEND), yang menandakan akhir file.
Kompresi dalam PNG00, dan PNG pada umumnya, dicapai melalui kombinasi penyaringan dan algoritma DEFLATE. Penyaringan adalah langkah prapemrosesan yang mempersiapkan data gambar untuk kompresi yang lebih efisien dengan mengurangi kompleksitas informasi gambar. Ada beberapa metode penyaringan yang tersedia, dan PNG menggunakan metode penyaringan yang memprediksi warna piksel berdasarkan warna piksel yang berdekatan, sehingga mengurangi jumlah informasi yang perlu dikompresi. Setelah penyaringan, algoritma kompresi DEFLATE, variasi dari pengkodean LZ77 dan Huffman, diterapkan untuk mengompresi data gambar secara signifikan tanpa kehilangan.
Salah satu fitur khas dari format PNG, termasuk PNG00, adalah dukungannya untuk saluran alfa, yang memungkinkan berbagai tingkat transparansi dalam gambar. Fitur ini sangat berguna dalam desain web dan pengembangan perangkat lunak, di mana gambar perlu ditumpangkan pada latar belakang yang berbeda. Tidak seperti format seperti GIF, yang hanya mendukung piksel yang sepenuhnya transparan atau sepenuhnya buram, dukungan PNG untuk transparansi 8-bit memungkinkan 256 tingkat opasitas, dari sepenuhnya transparan hingga sepenuhnya buram, memungkinkan pembuatan transisi dan efek yang mulus.
Manajemen warna dalam PNG, dan dengan ekstensi PNG00, ditangani melalui penyertaan potongan profil ICC atau potongan sRGB, yang menentukan bagaimana warna dalam gambar harus ditafsirkan oleh perangkat yang berbeda. Ini memastikan bahwa, terlepas dari perangkat tempat gambar dilihat, warna ditampilkan seakurat mungkin. Hal ini sangat penting dalam bidang seperti fotografi digital dan desain web, di mana konsistensi warna di berbagai perangkat sangat penting.
Kompatibilitas PNG00 dengan berbagai platform dan perangkat adalah salah satu kekuatan utamanya. Mengingat kompresi lossless, dukungan untuk transparansi, dan kemampuan manajemen warna, PNG00 didukung secara luas di seluruh browser web modern, perangkat lunak pengedit gambar, dan sistem operasi. Kompatibilitas universal ini memastikan bahwa gambar yang disimpan dalam format PNG00 dapat dilihat dan diedit dengan andal dalam berbagai konteks tanpa perlu konversi atau plugin khusus.
Terlepas dari kelebihannya, format PNG00 memang memiliki keterbatasan. Yang paling menonjol adalah ukuran file. Karena menggunakan kompresi lossless, file PNG00 umumnya lebih besar daripada file JPEG, yang menggunakan kompresi lossy. Ini bisa menjadi kelemahan yang signifikan untuk aplikasi web di mana waktu pemuatan yang cepat sangat penting. Dalam skenario ini, pengembang harus hati-hati menyeimbangkan kebutuhan akan kualitas gambar dengan kebutuhan akan efisiensi, sering kali menggunakan teknik seperti sprite gambar atau memilih kedalaman warna yang lebih rendah untuk mengurangi ukuran file jika memungkinkan.
Tantangan lain dengan PNG00 datang dalam bentuk kompleksitasnya dibandingkan dengan format yang lebih sederhana seperti JPEG. Kumpulan fitur dan opsi yang kaya yang tersedia di PNG, termasuk berbagai jenis potongan, pengaturan kompresi, dan manajemen warna, dapat membuatnya lebih rumit untuk digunakan bagi mereka yang tidak terbiasa dengan format tersebut. Kompleksitas ini dapat menyebabkan inefisiensi dan kesalahan dalam mengelola dan mendistribusikan file PNG00 jika alat dan keahlian yang tepat tidak tersedia.
Selain itu, sementara PNG00 menawarkan manfaat seperti transparansi alfa dan kompresi yang lebih baik daripada GIF, PNG00 kurang cocok untuk grafik yang sangat sederhana atau gambar dengan area warna seragam yang besar. Dalam kasus ini, format seperti GIF atau bahkan WebP yang lebih baru mungkin menawarkan kompresi yang lebih efisien tanpa penurunan kualitas yang nyata. Namun, seiring berkembangnya teknologi web dan berkurangnya kendala bandwidth, keseimbangan antara kualitas gambar dan ukuran file menjadi lebih mudah dikelola, memperkuat posisi PNG00 dalam penyimpanan dan manipulasi gambar digital.
Selain fitur standar, beberapa pengoptimalan dapat dilakukan pada file PNG00 untuk membuatnya lebih efisien. Alat dan pustaka yang memanipulasi file PNG sering kali menawarkan opsi untuk menghapus potongan tambahan, mengoptimalkan palet warna untuk gambar yang diindeks, atau menyesuaikan strategi penyaringan agar lebih sesuai dengan konten gambar tertentu. Pengoptimalan ini dapat menyebabkan pengurangan ukuran file yang signifikan sambil mempertahankan kualitas dan kompatibilitas format PNG00.
Pembuatan dan pengeditan file PNG00 memerlukan pemahaman tentang pengoptimalan ini dan prinsip-prinsip dasar format PNG. Banyak paket perangkat lunak pengedit gambar mendukung PNG dan memberi pengguna opsi untuk menyesuaikan tingkat kompresi, memilih format warna tertentu (seperti truecolor, grayscale, atau warna yang diindeks), dan mengelola pengaturan transparansi. Bagi pengembang web dan desainer grafis, alat ini sangat penting dalam menghasilkan gambar yang memenuhi persyaratan proyek mereka yang tepat sambil mengoptimalkan kinerja dan kompatibilitas.
Melihat ke masa depan, format PNG, termasuk PNG00, terus berkembang. Seiring kemajuan standar web dan munculnya format gambar baru, format PNG diperluas dan diadaptasi untuk memenuhi tantangan baru. Upaya seperti penambahan jenis potongan baru untuk dukungan metadata yang lebih baik atau penyempurnaan algoritma kompresi untuk mencapai ukuran file yang lebih kecil sedang berlangsung. Perkembangan ini memastikan bahwa PNG tetap menjadi format yang relevan dan kuat untuk menyimpan dan mengirimkan gambar digital dalam berbagai konteks.
Sebagai kesimpulan, format gambar PNG00 menawarkan solusi yang kuat untuk menyimpan gambar dalam format lossless dengan dukungan untuk transparansi dan manajemen warna. Ini menyeimbangkan antara kualitas dan kompatibilitas, membuatnya cocok untuk berbagai aplikasi. Namun, format ini menghadapi tantangan dalam hal ukuran file dan kompleksitas, yang harus dinavigasi pengguna dengan hati-hati. Dengan perkembangan dan pengoptimalan yang berkelanjutan, PNG00 dan format PNG yang lebih luas terus menjadi sangat penting dalam bidang pencitraan digital, menawarkan solusi yang memenuhi kebutuhan pengembang web, desainer grafis, dan seniman digital yang terus berkembang.
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.