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 PNG24, yang juga biasa disebut sebagai Truecolor PNG, adalah format lossless yang banyak digunakan untuk menyimpan gambar. Didefinisikan sebagai bagian dari spesifikasi Portable Network Graphics (PNG), format ini telah mendapatkan popularitas yang cukup besar karena kemampuannya untuk menampilkan gambar dengan kedalaman warna yang bagus tanpa mengorbankan kualitas selama kompresi. Tidak seperti format lainnya seperti JPEG, yang menggunakan teknik kompresi lossy yang menyebabkan penurunan kualitas saat disimpan, PNG24 mempertahankan kualitas gambar asli berapa kali pun file disimpan atau dikompresi.
Format PNG24 mendapatkan namanya dari kemampuannya untuk menyimpan 24 bit informasi warna per piksel. Hal ini dimungkinkan dengan mengalokasikan 8 bit atau satu byte untuk masing-masing dari tiga warna primer: merah, hijau, dan biru (RGB). Konfigurasi ini memungkinkan spektrum representasi warna yang luas, khususnya memungkinkan tampilan hingga 16,7 juta warna berbeda. Rentang warna yang begitu luas menjadikan PNG24 pilihan ideal untuk gambar berkualitas tinggi, termasuk foto, seni digital, dan grafik dengan gradien.
Salah satu fitur yang menentukan PNG24 adalah algoritma kompresi lossless-nya. PNG menggunakan metode yang dikenal sebagai DEFLATE, kombinasi dari algoritma LZ77 dan pengkodean Huffman. Metode ini secara efisien mengurangi ukuran file tanpa kehilangan kualitas gambar, sehingga sangat efektif untuk berbagi dan menyimpan gambar online. Kompresi tidak membuang data apa pun; sebaliknya, ia mengidentifikasi pola dan struktur berulang dalam data gambar dan mengodekan informasi ini dengan lebih ringkas.
Transparansi adalah fitur penting lainnya dari format PNG24. Tidak seperti GIF, yang hanya dapat mendukung satu tingkat transparansi (aktif atau nonaktif), PNG24 mendukung 256 tingkat transparansi melalui saluran alfa. Setiap piksel dalam gambar PNG24 dapat memiliki tingkat transparansi individual mulai dari sepenuhnya buram hingga sepenuhnya transparan. Fitur ini sangat berguna untuk melapisi gambar pada latar belakang yang berbeda, membuat tepi yang lembut, dan membangun antarmuka grafis yang kompleks tanpa perlu masking tambahan pada gambar.
Gambar PNG24 juga mendukung fitur yang dikenal sebagai koreksi gamma. Hal ini memungkinkan gambar mempertahankan kecerahan dan pewarnaan yang konsisten di berbagai perangkat tampilan. Koreksi gamma bekerja dengan menyesuaikan luminansi gambar sesuai dengan nilai gamma yang telah ditentukan, yang membantu mengimbangi respons gamma yang berbeda dari monitor yang berbeda. Ini memastikan bahwa gambar yang diedit pada satu monitor akan tampak serupa saat dilihat pada tampilan lain, aspek penting bagi fotografer dan desainer grafis.
Interlacing adalah fitur opsional di PNG24 yang memungkinkan gambar ditampilkan secara progresif di browser web. Hal ini sangat berguna untuk koneksi internet yang lambat di mana pengguna dapat melihat gambar versi resolusi rendah saat masih dimuat, meningkatkan pengalaman pengguna. PNG menggunakan algoritma Adam7, skema interlacing tujuh lintasan, yang secara bertahap meningkatkan detail gambar pada setiap lintasan. Ini kontras dengan format non-interlaced, di mana gambar muncul baris demi baris dari atas ke bawah.
Dalam hal implementasi dan dukungan, PNG24 didukung dengan baik di seluruh browser web modern, perangkat lunak pengedit gambar, dan berbagai sistem operasi. Dukungan yang luas ini sebagian karena standar terbuka format, yang dikembangkan sebagai alternatif bebas paten untuk GIF. Spesifikasi PNG, termasuk PNG24, dikelola oleh World Wide Web Consortium (W3C), memastikan evolusi dan kompatibilitasnya yang berkelanjutan dengan standar web.
Terlepas dari banyak kelebihannya, format PNG24 bukan tanpa kekurangan. Salah satu masalah utama adalah ukuran file; karena kompresi lossless dan kedalaman warna yang tinggi, file PNG24 biasanya lebih besar dari file JPEG. Ukuran file yang lebih besar ini dapat menyebabkan waktu pemuatan yang lebih lama untuk situs web dan menggunakan lebih banyak bandwidth. Oleh karena itu, untuk penggunaan web, sangat penting untuk menyeimbangkan kebutuhan akan kualitas dengan kebutuhan akan kecepatan, dan dalam beberapa kasus, format dengan kompresi lossy seperti JPEG mungkin lebih sesuai.
Selain itu, meskipun rentang warna PNG24 yang luas bermanfaat untuk gambar berkualitas tinggi, mungkin tidak diperlukan untuk grafik yang lebih sederhana dengan warna terbatas. Dalam kasus seperti itu, format dengan kedalaman warna yang lebih rendah seperti PNG8, yang mendukung 256 warna, mungkin lebih cocok. Memilih format yang sesuai berdasarkan konten gambar dapat secara signifikan mengurangi ukuran file tanpa mengorbankan kualitas visual untuk penggunaan yang dimaksudkan.
Selain format PNG24 standar, ada juga varian yang dikenal sebagai PNG32. Perbedaannya terletak pada penambahan saluran alfa 8-bit ke 24 bit yang ada untuk merah, hijau, dan biru, menghasilkan total 32 bit per piksel. Penggabungan saluran alfa langsung ke dalam format memungkinkan kontrol yang lebih besar atas transparansi, membuat PNG32 lebih disukai untuk gambar yang membutuhkan efek transparansi yang canggih.
Pembuatan dan manipulasi file PNG24 dapat dilakukan menggunakan berbagai alat dan aplikasi perangkat lunak. Sebagian besar perangkat lunak pengedit gambar, seperti Adobe Photoshop, GIMP, dan lainnya, menawarkan dukungan untuk PNG24, memungkinkan pengguna untuk menyimpan pekerjaan mereka dalam format ini secara langsung. Selain itu, berbagai alat online dan offline tersedia untuk mengoptimalkan file PNG24 untuk penggunaan web, lebih lanjut mengompresi file tanpa kehilangan kualitas. Alat-alat ini sering menerapkan strategi yang lebih agresif untuk mengurangi ukuran file, seperti mengurangi palet warna seminimal mungkin atau menyesuaikan pengaturan kompresi.
Mempertimbangkan spesifikasi teknis, proses pengkodean PNG24 melibatkan beberapa langkah, termasuk pemfilteran, yang bertujuan untuk meningkatkan efektivitas kompresi. Sebelum kompresi aktual, encoder dapat menerapkan salah satu dari lima metode filter ke setiap baris gambar untuk mengubah data gambar menjadi bentuk yang lebih dapat dikompresi. Langkah praproses ini dapat secara signifikan memengaruhi ukuran akhir file, dan memilih metode filter yang tepat berdasarkan karakteristik gambar dapat menghasilkan kompresi yang lebih efisien.
Aspek penting lainnya dari file PNG24 adalah struktur berbasis chunk-nya. File PNG terdiri dari beberapa chunk, masing-masing melayani tujuan yang berbeda seperti menyimpan data gambar, metadata, profil warna, dan banyak lagi. Pendekatan modular ini tidak hanya memfasilitasi pemrosesan dan rendering gambar yang efisien tetapi juga memungkinkan penyertaan informasi tambahan tanpa mengganggu struktur data yang ada. Misalnya, dimungkinkan untuk menyematkan informasi hak cipta dan lisensi langsung ke dalam file, meningkatkan perlindungan dan pengelolaan aset digital.
Aksesibilitas dan internasionalisasi juga dipertimbangkan dalam file PNG24. Informasi tekstual, seperti deskripsi dan anotasi, dapat disimpan dalam berbagai bahasa di dalam chunk teks file. Fitur ini membuat PNG24 cocok untuk distribusi global dengan memungkinkan pembuat untuk menyertakan informasi dan metadata yang dilokalkan, sehingga membuat gambar lebih mudah diakses dan dipahami oleh beragam audiens.
Kesimpulannya, format gambar PNG24 merupakan pilihan yang kuat dan serbaguna untuk menyimpan dan berbagi gambar berkualitas tinggi. Kompatibilitasnya dengan berbagai warna, dukungan untuk transparansi, dan kompresi lossless menjadikannya pilihan yang menarik untuk media web dan cetak. Namun, ukuran filenya yang relatif besar dan potensi berlebihan dalam grafik sederhana menyoroti pentingnya memilih format yang sesuai berdasarkan kebutuhan spesifik suatu proyek. Seiring teknologi dan standar web terus berkembang, PNG24 tetap menjadi pemain penting dalam ranah pencitraan digital, dihargai karena fleksibilitas dan kualitasnya.
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.