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 Gambar Bertag (TIFF) adalah format yang serbaguna dan fleksibel untuk menyimpan data gambar. Dikembangkan pada pertengahan tahun 1980-an oleh Aldus Corporation, yang sekarang menjadi bagian dari Adobe Systems, TIFF dirancang untuk menjembatani kesenjangan antara format gambar berpemilik, menyediakan kerangka kerja yang dapat disesuaikan dan terperinci untuk penyimpanan gambar. Tidak seperti format gambar yang lebih sederhana, TIFF mampu menyimpan gambar beresolusi tinggi dan berlapis-lapis, menjadikannya pilihan yang disukai untuk para profesional di bidang seperti fotografi, penerbitan, dan citra geospasial.
Pada intinya, format TIFF bersifat seperti wadah, yang mampu menampung berbagai jenis pengkodean gambar, termasuk namun tidak terbatas pada JPEG, LZW, PackBits, dan data mentah yang tidak dikompresi. Fleksibilitas ini adalah fitur utama, karena memungkinkan gambar TIFF sangat dioptimalkan untuk kebutuhan yang berbeda, baik itu mempertahankan kualitas gambar terbaik atau mengurangi ukuran file untuk berbagi yang lebih mudah.
Karakteristik khas TIFF adalah strukturnya, yang beroperasi pada prinsip dasar tag. Setiap file TIFF terdiri dari satu atau lebih direktori, yang biasa disebut IFD (Direktori File Gambar), yang berisi metadata gambar, data gambar itu sendiri, dan kemungkinan subfile lainnya. Setiap IFD terdiri dari daftar entri yang ditentukan; setiap entri adalah tag yang menentukan atribut file yang berbeda, seperti dimensi gambar, jenis kompresi, dan informasi warna. Struktur tag ini memungkinkan file TIFF menangani berbagai jenis gambar dan data, menjadikannya sangat serbaguna.
Salah satu kekuatan TIFF adalah dukungannya untuk berbagai ruang warna dan model warna, termasuk RGB, CMYK, LAB, dan lainnya, yang memungkinkan representasi warna yang akurat dalam berbagai aplikasi profesional dan kreatif. Selain itu, TIFF dapat mendukung beberapa kedalaman warna, mulai dari 1-bit (hitam dan putih) hingga gambar warna asli 32-bit (dan lebih tinggi). Dukungan kedalaman warna ini, dikombinasikan dengan kemampuan untuk menangani saluran alfa (untuk transparansi), menjadikan TIFF format yang ideal untuk reproduksi gambar berkualitas tinggi.
TIFF juga menawarkan dukungan yang kuat untuk metadata, yang dapat mencakup informasi hak cipta, stempel waktu, data GPS, dan banyak lagi. Hal ini difasilitasi oleh pemanfaatan standar IPTC (Dewan Telekomunikasi Pers Internasional), EXIF (Format File Gambar yang Dapat Ditukar), dan XMP (Platform Metadata yang Dapat Diperluas). Kemampuan metadata yang komprehensif tersebut sangat berharga untuk membuat katalog, mencari, dan mengelola pustaka gambar yang besar, terutama di lingkungan profesional di mana informasi terperinci tentang setiap gambar sangat penting.
Fitur penting lainnya dari TIFF adalah kemampuannya untuk menangani banyak gambar dan halaman dalam satu file, properti yang dikenal sebagai dukungan multi-halaman. Hal ini membuat TIFF sangat berguna untuk dokumen yang dipindai, dokumen faks, dan aplikasi storyboard, di mana menggabungkan gambar terkait ke dalam satu file dapat secara signifikan menyederhanakan alur kerja dan manajemen file.
Terlepas dari banyak kelebihannya, kompleksitas dan fleksibilitas TIFF dapat menyebabkan masalah kompatibilitas. Tidak semua file TIFF dibuat sama, dan tidak semua perangkat lunak menangani setiap varian TIFF yang memungkinkan. Hal ini menyebabkan munculnya subset, seperti TIFF/EP (Fotografi Elektronik), yang bertujuan untuk menstandarisasi format untuk gambar kamera digital, dan TIFF/IT (Teknologi Informasi), yang menargetkan kebutuhan industri penerbitan. Subset ini berfungsi untuk memastikan bahwa file sesuai dengan profil tertentu, meningkatkan interoperabilitas di berbagai platform dan aplikasi.
Kompresi adalah aspek penting lainnya dari TIFF, karena format ini mendukung skema kompresi lossless dan lossy. Kompresi lossless, seperti LZW (Lempel-Ziv-Welch) dan Deflate (mirip dengan ZIP), lebih disukai untuk aplikasi di mana mempertahankan kualitas gambar asli sangat penting. Kompresi lossy, seperti JPEG, dapat digunakan ketika ukuran file menjadi perhatian yang lebih penting daripada fidelitas yang sempurna. Meskipun fleksibilitas TIFF dalam kompresi merupakan kekuatan, hal ini juga mengharuskan pengguna untuk memahami pengorbanan yang terlibat dalam memilih metode kompresi.
Salah satu aspek TIFF yang lebih teknis adalah header filenya, yang berisi informasi penting tentang file tersebut, termasuk urutan byte yang digunakan dalam file tersebut. TIFF mendukung urutan byte big-endian (Motorola) dan little-endian (Intel), dan beberapa byte pertama header menunjukkan mana yang digunakan, memastikan bahwa file TIFF dapat dibaca dengan benar pada sistem dan arsitektur yang berbeda. Selain itu, header menentukan offset ke IFD pertama, yang pada dasarnya menunjuk ke tempat data gambar dan metadata dimulai, aspek penting untuk membaca file.
Menangani gambar dengan rentang dinamis tinggi (HDR) adalah arena lain di mana TIFF unggul. Melalui penggunaan nilai titik mengambang untuk data piksel, file TIFF dapat mewakili rentang nilai luminansi dan warna yang lebih luas daripada format gambar standar, mengakomodasi kebutuhan industri seperti efek khusus, sinema digital, dan fotografi profesional yang menuntut penangkapan dan reproduksi gambar berkualitas tinggi.
Terlepas dari keserbagunaan dan penggunaannya yang luas di bidang profesional, format TIFF bukannya tanpa kritik. Fleksibilitas yang membuat TIFF begitu kuat juga berkontribusi pada kerumitannya, sehingga sulit untuk digunakan tanpa perangkat lunak khusus atau pemahaman menyeluruh tentang seluk-beluknya. Selain itu, ukuran file gambar TIFF bisa sangat besar, terutama ketika berhadapan dengan data gambar yang tidak dikompresi atau gambar beresolusi tinggi, yang menyebabkan tantangan penyimpanan dan transmisi.
Selama bertahun-tahun, upaya telah dilakukan untuk meningkatkan kemampuan TIFF lebih jauh sambil mengatasi keterbatasannya. Misalnya, BigTIFF adalah ekstensi dari spesifikasi TIFF asli yang memungkinkan file lebih besar dari 4 GB, mengatasi kebutuhan untuk bekerja dengan citra beresolusi sangat tinggi atau detail yang melebihi batasan file TIFF standar. Evolusi ini mencerminkan pengembangan dan adaptasi TIFF yang sedang berlangsung untuk memenuhi kebutuhan teknologi yang maju dan aplikasi yang muncul.
Sebagai kesimpulan, Format File Gambar Bertag (TIFF) berdiri sebagai bukti kebutuhan dan tantangan yang berkembang dari penyimpanan gambar digital, menyeimbangkan fleksibilitas dengan kompleksitas. Kemampuannya untuk merangkum data gambar dan metadata yang terperinci, mendukung skema kompresi yang beragam, dan beradaptasi dengan berbagai pengaturan profesional menjadikannya format yang bertahan lama. Namun demikian, menavigasi kompleksitasnya membutuhkan pemahaman yang kuat tentang struktur dan kemampuannya. Karena teknologi pencitraan digital terus berkembang, format TIFF kemungkinan akan terus berkembang, mempertahankan relevansi dan kegunaannya dalam domain profesional dan kreatif.
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.