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 WBMP (Wireless Bitmap) adalah format file grafik monokrom yang dioptimalkan untuk perangkat komputasi seluler dengan kemampuan grafis dan komputasi yang terbatas, seperti ponsel dan PDA (Personal Digital Assistants) awal. Diperkenalkan pada akhir tahun 1990-an, format ini dirancang untuk menyediakan cara yang efisien untuk mengirimkan informasi grafis melalui jaringan nirkabel, yang pada saat itu, jauh lebih lambat dan kurang andal dibandingkan koneksi internet seluler saat ini. WBMP adalah bagian dari WAP (Wireless Application Protocol), serangkaian protokol yang memungkinkan perangkat seluler mengakses konten web.
Gambar WBMP seluruhnya terdiri dari piksel hitam dan putih, tanpa dukungan untuk skala abu-abu atau warna. Keterbatasan yang mencolok ini adalah keputusan praktis, yang mencerminkan kemampuan tampilan yang terbatas dari perangkat seluler awal dan kebutuhan untuk menghemat bandwidth. Setiap piksel dalam gambar WBMP hanya dapat berada dalam salah satu dari dua status: hitam atau putih. Sifat biner ini menyederhanakan struktur data gambar, membuatnya lebih ringkas dan lebih mudah diproses pada perangkat dengan sumber daya terbatas.
Format WBMP mengikuti struktur yang relatif sederhana, sehingga mudah diurai dan dirender pada berbagai perangkat. File WBMP dimulai dengan bidang tipe, yang menunjukkan tipe gambar yang dikodekan. Untuk file WBMP standar, bidang tipe ini disetel ke 0, yang menentukan gambar monokrom dasar. Setelah bidang tipe, dua bidang integer multi-byte menentukan lebar dan tinggi gambar, masing-masing. Ini dikodekan menggunakan format panjang variabel, yang secara konservatif menggunakan bandwidth dengan hanya menggunakan byte sebanyak yang diperlukan untuk mewakili dimensi.
Setelah bagian header, isi file WBMP berisi data piksel. Setiap piksel direpresentasikan oleh satu bit: 0 untuk putih dan 1 untuk hitam. Karena itu, delapan piksel dapat dikemas menjadi satu byte, membuat file WBMP sangat ringkas, terutama jika dibandingkan dengan format yang lebih umum seperti JPEG atau PNG. Efisiensi ini sangat penting untuk perangkat dan jaringan era seluler yang dirancang untuk WBMP, yang sering kali memiliki batasan ketat pada penyimpanan data dan kecepatan transmisi.
Salah satu kekuatan utama format WBMP adalah kesederhanaannya. Pendekatan minimalis format ini membuatnya sangat efisien untuk jenis gambar dasar seperti ikon yang biasanya digunakan untuk menyampaikan, seperti logo, grafik sederhana, dan teks bergaya. Efisiensi ini meluas ke pemrosesan yang diperlukan untuk menampilkan gambar. Karena file berukuran kecil dan formatnya mudah, decoding dan rendering dapat dilakukan dengan cepat, bahkan pada perangkat keras dengan daya komputasi yang sangat terbatas. Ini menjadikan WBMP pilihan ideal untuk generasi perangkat seluler paling awal, yang sering kali kesulitan dengan format gambar yang lebih kompleks atau banyak data.
Meskipun memiliki keunggulan untuk digunakan di lingkungan yang terbatas, format WBMP memiliki keterbatasan yang signifikan. Yang paling jelas adalah pembatasannya pada citra monokrom, yang secara inheren membatasi cakupan konten grafis yang dapat direpresentasikan secara efektif. Saat tampilan perangkat seluler berevolusi untuk mendukung gambar penuh warna dan ekspektasi pengguna untuk konten media yang lebih kaya tumbuh, kebutuhan akan format gambar yang lebih serbaguna menjadi jelas. Selain itu, sifat biner dari gambar WBMP berarti bahwa gambar tersebut tidak memiliki nuansa dan detail yang dimungkinkan dengan gambar skala abu-abu atau warna, sehingga tidak cocok untuk grafik atau foto yang lebih detail.
Dengan kemajuan teknologi seluler dan infrastruktur jaringan, relevansi format WBMP telah menurun. Ponsel pintar modern memiliki prosesor yang kuat dan layar berwarna beresolusi tinggi, jauh dari perangkat yang awalnya dirancang untuk format WBMP. Demikian pula, jaringan seluler saat ini menawarkan kecepatan transmisi data yang jauh lebih tinggi, sehingga transmisi format gambar yang lebih kompleks dan banyak data seperti JPEG atau PNG menjadi layak, bahkan untuk konten web waktu nyata. Akibatnya, penggunaan WBMP sebagian besar telah dihapus demi format yang lebih mumpuni ini.
Selain itu, pengembangan standar dan protokol web juga berkontribusi pada usangnya WBMP. Proliferasi HTML5 dan CSS3 memungkinkan konten web yang jauh lebih canggih untuk dikirimkan ke perangkat seluler, termasuk grafik vektor dan gambar dalam format dengan kualitas dan kesetiaan warna yang lebih tinggi daripada yang dapat ditawarkan WBMP. Dengan teknologi ini, pengembang web dapat membuat konten interaktif yang sangat detail yang dapat beradaptasi dengan berbagai perangkat dan ukuran layar, yang semakin mengurangi kepraktisan penggunaan format yang terbatas seperti WBMP.
Meskipun sudah usang, memahami format WBMP menawarkan wawasan berharga tentang evolusi komputasi seluler dan cara-cara di mana kendala teknologi membentuk desain perangkat lunak dan protokol. Format WBMP adalah contoh utama tentang bagaimana desainer dan insinyur bekerja dalam batasan waktu mereka untuk menciptakan solusi fungsional. Kesederhanaan dan efisiensinya mencerminkan periode ketika bandwidth, daya pemrosesan, dan penyimpanan menjadi sangat penting, yang membutuhkan pendekatan inovatif untuk kompresi dan optimalisasi data.
Sebagai kesimpulan, format gambar WBMP memainkan peran penting selama periode formatif dalam pengembangan komputasi seluler, menawarkan solusi praktis untuk mentransmisikan dan menampilkan konten grafis sederhana pada perangkat seluler awal. Meskipun sebagian besar telah digantikan oleh format gambar yang lebih serbaguna dan mumpuni, format ini tetap menjadi bagian penting dari sejarah teknologi seluler. Ini berfungsi sebagai pengingat akan evolusi teknologi yang konstan, beradaptasi dengan kemampuan yang berubah dan kebutuhan pengguna, dan menggambarkan pentingnya pertimbangan desain dalam mengembangkan protokol dan format yang efisien dan dapat beradaptasi.
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.