Il Riconoscimento Ottico dei Caratteri (OCR) trasforma le immagini di testo—scansioni, foto da smartphone, PDF—in stringhe leggibili dalla macchina e, sempre più, in dati strutturati. L'OCR moderno è una pipeline che pulisce un'immagine, trova il testo, lo legge ed esporta metadati ricchi in modo che i sistemi a valle possano cercare, indicizzare o estrarre campi. Due standard di output ampiamente utilizzati sono hOCR, un microformato HTML per testo e layout, e ALTO XML, uno schema orientato a biblioteche/archivi; entrambi conservano posizioni, ordine di lettura e altri spunti di layout e sono supportati da motori popolari come Tesseract.
Pre-elaborazione. La qualità dell'OCR inizia con la pulizia dell'immagine: conversione in scala di grigi, denoising, sogliatura (binarizzazione) e raddrizzamento. I tutorial canonici di OpenCV coprono la sogliatura globale, adattiva e di Otsu —punti fermi per documenti con illuminazione non uniforme o istogrammi bimodali. Quando l'illuminazione varia all'interno di una pagina (pensa agli scatti del telefono), i metodi adattivi spesso superano una singola soglia globale; Otsu sceglie automaticamente una soglia analizzando l'istogramma. La correzione dell'inclinazione è altrettanto importante: il raddrizzamento basato su Hough (Trasformata di Hough) abbinato alla binarizzazione di Otsu è una ricetta comune ed efficace nelle pipeline di pre-elaborazione di produzione.
Rilevamento vs. riconoscimento. L'OCR è tipicamente suddiviso in rilevamento del testo (dov'è il testo?) e riconoscimento del testo (cosa dice?). Nelle scene naturali e in molte scansioni, i rilevatori completamente convoluzionali come EAST prevedono in modo efficiente quadrilateri a livello di parola o riga senza pesanti fasi di proposta e sono implementati in toolkit comuni (ad es. tutorial sul rilevamento del testo di OpenCV). Su pagine complesse (giornali, moduli, libri), la segmentazione di righe/regioni e l'inferenza dell'ordine di lettura sono importanti:Kraken implementa la segmentazione tradizionale di zone/righe e la segmentazione neurale della linea di base, con supporto esplicito per diversi script e direzioni (LTR/RTL/verticale).
Modelli di riconoscimento. Il classico cavallo di battaglia open-source Tesseract (reso open-source da Google, con radici in HP) si è evoluto da un classificatore di caratteri in un riconoscitore di sequenze basato su LSTM e può emettere PDF ricercabili, output compatibili con hOCR/ALTOe altro dalla CLI. I riconoscitori moderni si basano sulla modellazione di sequenze senza caratteri pre-segmentati. Connectionist Temporal Classification (CTC) rimane fondamentale, imparando gli allineamenti tra le sequenze di feature di input e le stringhe di etichette di output; è ampiamente utilizzato nelle pipeline di scrittura a mano e di testo di scena.
Negli ultimi anni, i Transformer hanno rimodellato l'OCR. TrOCR utilizza un encoder Vision Transformer più un decoder Text Transformer, addestrato su grandi corpora sintetici e poi messo a punto su dati reali, con ottime prestazioni su benchmark di testo stampato, scritto a mano e di scena (vedi anche documentazione di Hugging Face). In parallelo, alcuni sistemi eludono l'OCR per la comprensione a valle: Donut (Document Understanding Transformer) è un encoder-decoder senza OCR che produce direttamente risposte strutturate (come JSON chiave-valore) da immagini di documenti (repo, scheda del modello), evitando l'accumulo di errori quando un passaggio OCR separato alimenta un sistema IE.
Se si desidera una lettura del testo "batterie incluse" su molti script, EasyOCR offre una semplice API con oltre 80 modelli linguistici, restituendo riquadri, testo e confidenze, utile per prototipi e script non latini. Per i documenti storici, Kraken brilla con la segmentazione della linea di base e l'ordine di lettura consapevole dello script; per un addestramento flessibile a livello di riga, Calamari si basa sulla discendenza di Ocropy (Ocropy) con riconoscitori (multi-)LSTM+CTC e una CLI for la messa a punto di modelli personalizzati.
La generalizzazione dipende dai dati. Per la scrittura a mano, il Database di scrittura a mano IAM fornisce frasi in inglese diverse per scrittore per l'addestramento e la valutazione; è un set di riferimento di lunga data per il riconoscimento di righe e parole. Per il testo di scena, COCO-Text ha stratificato annotazioni estese su MS-COCO, con etichette per stampato/scritto a mano, leggibile/illeggibile, script e trascrizioni complete (vedi anche la pagina del progetto originale). Il campo si basa anche pesantemente sul pre-addestramento sintetico: SynthText in the Wild renderizza il testo in fotografie con geometria e illuminazione realistiche, fornendo enormi volumi di dati per pre-addestrare rilevatori e riconoscitori (riferimento codice e dati).
Le competizioni sotto l'ombrello Robust Reading di ICDAR mantengono la valutazione fondata. I compiti recenti enfatizzano il rilevamento/lettura end-to-end e includono il collegamento di parole in frasi, con il codice ufficiale che riporta precisione/richiamo/F-score, intersection-over-union (IoU) e metriche di distanza di modifica a livello di carattere, rispecchiando ciò che i professionisti dovrebbero monitorare.
L'OCR raramente termina con testo semplice. Archivi e biblioteche digitali preferiscono ALTO XML perché codifica il layout fisico (blocchi/righe/parole con coordinate) insieme al contenuto, e si abbina bene con il packaging METS. Il hOCR microformato, al contrario, incorpora la stessa idea in HTML/CSS usando classi come ocr_line e ocrx_word, rendendo facile visualizzare, modificare e trasformare con strumenti web. Tesseract espone entrambi, ad es. generando hOCR o PDF ricercabili direttamente dalla CLI (guida all'output PDF); wrapper Python come pytesseract aggiungono convenienza. Esistono convertitori per tradurre tra hOCR e ALTO quando i repository hanno standard di ingestione fissi —vedi questo elenco curato di strumenti per formati di file OCR.
La tendenza più forte è la convergenza: rilevamento, riconoscimento, modellazione del linguaggio e persino la decodifica specifica del compito si stanno fondendo in stack Transformer unificati. Il pre-addestramento su grandi corpora sintetici rimane un moltiplicatore di forza. I modelli senza OCR competeranno aggressivamente ovunque l'obiettivo siano output strutturati piuttosto che trascrizioni letterali. Aspettatevi anche implementazioni ibride: un rilevatore leggero più un riconoscitore in stile TrOCR per testo lungo, e un modello in stile Donut per moduli e ricevute.
Tesseract (GitHub) · Documentazione di Tesseract · Specifiche hOCR · Sfondo ALTO · Rilevatore EAST · Rilevamento del testo OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · Scrittura a mano IAM · Strumenti per formati di file OCR · EasyOCR
L'Optical Character Recognition (OCR) è una tecnologia utilizzata per convertire vari tipi di documenti, come documenti cartacei scansionati, file PDF o immagini catturate da una fotocamera digitale, in dati modificabili e ricercabili.
L'OCR funziona analizzando l'immagine o il documento in ingresso, segmentando l'immagine in singoli caratteri, e confrontando ciascun carattere con un database di forme carattere utilizzando il riconoscimento di pattern o il riconoscimento delle caratteristiche.
L'OCR viene utilizzato in vari settori e applicazioni, tra cui la digitalizzazione di documenti stampati, l'attivazione di servizi di testo in voce, l'automazione dei processi di inserimento dati, e l'aiuto agli utenti con problemi di vista a interagire in modo più efficace con il testo.
Nonostante ci siano stati notevoli progressi nella tecnologia OCR, non è infallibile. L'accuratezza può variare a seconda della qualità del documento originale e delle specifiche del software OCR utilizzato.
Sebbene l'OCR sia principalmente progettato per il testo stampato, alcuni sistemi OCR avanzati sono anche in grado di riconoscere la scrittura a mano chiara e coerente. Tuttavia, il riconoscimento della scrittura a mano è generalmente meno preciso a causa della grande varietà di stili di scrittura individuali.
Sì, molti sistemi software OCR possono riconoscere più lingue. Tuttavia, è importante assicurarsi che la lingua specifica sia supportata dal software che si utilizza.
L'OCR sta per Optical Character Recognition ed è usato per riconoscere il testo stampato, mentre l'ICR, o Intelligent Character Recognition, è più avanzato ed è usato per riconoscere il testo scritto a mano.
L'OCR funziona meglio con font chiari, facilmente leggibili e dimensioni standard del testo. Anche se può lavorare con vari font e dimensioni, l'accuratezza tende a diminuire quando si tratta di font insoliti o dimensioni del testo molto piccole.
L'OCR può avere difficoltà con documenti a bassa risoluzione, font complessi, testi stampati male, scrittura a mano, e documenti con sfondi che interferiscono con il testo. Inoltre, anche se può lavorare con molte lingue, potrebbe non coprire ogni lingua perfettamente.
Sì, l'OCR può eseguire la scansione di testi colorati e sfondi colorati, sebbene generalmente sia più efficace con combinazioni di colori ad alto contrasto, come il testo nero su sfondo bianco. L'accuratezza può diminuire quando il colore del testo e dello sfondo non ha un contrasto sufficiente.
APNG (Animated Portable Network Graphics) è un formato di file che estende le capacità del formato PNG (Portable Network Graphics) ampiamente utilizzato per supportare le animazioni. È stato creato per fornire un'alternativa più efficiente e accessibile al GIF (Graphics Interchange Format) per la distribuzione di immagini animate sul Web. APNG mantiene le stesse caratteristiche di compressione senza perdita e trasparenza di PNG, introducendo al contempo la possibilità di memorizzare più fotogrammi, consentendo la creazione di animazioni fluide e di alta qualità.
Il formato APNG si basa sulla struttura PNG esistente introducendo nuovi tipi di chunk progettati specificamente per l'animazione. I chunk principali utilizzati in APNG sono il chunk `acTL` (Animation Control) e il chunk `fcTL` (Frame Control). Il chunk `acTL` viene posizionato all'inizio del file e contiene informazioni sull'animazione nel suo complesso, come il numero di fotogrammi e il numero di volte in cui l'animazione deve essere ripetuta. Il chunk `fcTL` precede ogni fotogramma e fornisce dettagli specifici del fotogramma, comprese le dimensioni, la posizione e il tempo di ritardo del fotogramma.
Uno dei principali vantaggi di APNG è la sua retrocompatibilità con i visualizzatori PNG standard. Un file APNG inizia con la stessa firma e gli stessi chunk critici di un normale file PNG, consentendogli di essere visualizzato come un'immagine statica nelle applicazioni che non supportano APNG. Ciò garantisce che gli utenti con browser o visualizzatori di immagini più vecchi possano comunque visualizzare il primo fotogramma dell'animazione, mantenendo la compatibilità su un'ampia gamma di piattaforme.
Il processo di animazione in APNG si basa su una serie di fotogrammi, ciascuno rappresentato da un'immagine separata. Il primo fotogramma è in genere un'immagine completamente renderizzata, mentre i fotogrammi successivi possono essere fotogrammi completi o fotogrammi parziali che contengono solo le modifiche rispetto al fotogramma precedente. Questo approccio consente una memorizzazione più efficiente e tempi di caricamento più rapidi, poiché i pixel invariati non devono essere ridisegnati per ogni fotogramma.
Per creare un file APNG, viene utilizzato uno strumento di modifica delle immagini o un software specializzato per assemblare i singoli fotogrammi e generare i chunk necessari. I fotogrammi vengono in genere esportati come file PNG separati e quindi combinati in un singolo file APNG utilizzando un codificatore APNG. Il codificatore analizza i fotogrammi, determina il metodo di codifica ottimale (fotogrammi completi o fotogrammi parziali) e genera i chunk `acTL` e `fcTL` per controllare la riproduzione dell'animazione.
Quando un file APNG viene caricato in un visualizzatore compatibile, il visualizzatore legge il chunk `acTL` per determinare le proprietà dell'animazione e quindi elabora i fotogrammi in sequenza. Il chunk `fcTL` associato a ciascun fotogramma fornisce le informazioni necessarie per eseguire correttamente il rendering del fotogramma, inclusa la sua durata e il posizionamento all'interno della tela. Il visualizzatore visualizza i fotogrammi nell'ordine specificato, utilizzando i tempi di ritardo per controllare la velocità dell'animazione e il comportamento di ripetizione.
APNG offre numerosi vantaggi rispetto alle tradizionali animazioni GIF. Supporta colori a 24 bit e trasparenza a 8 bit, consentendo una grafica più vivace e dettagliata rispetto alla limitata tavolozza di 256 colori di GIF. APNG fornisce anche una migliore compressione, con conseguenti dimensioni di file più piccole per una qualità dell'immagine equivalente. Inoltre, APNG consente frame rate variabili, consentendo un maggiore controllo sulla tempistica e sulla fluidità delle animazioni.
Tuttavia, APNG presenta alcune limitazioni. Sebbene sia supportato dai principali browser Web come Firefox, Chrome e Safari, non è così ampiamente adottato come GIF. Alcuni browser e visualizzatori di immagini più vecchi potrebbero non avere il supporto integrato per APNG, richiedendo agli utenti di installare estensioni o utilizzare software alternativi per visualizzare le animazioni. Inoltre, la creazione di file APNG può essere più complessa rispetto a GIF, poiché comporta la gestione di più fotogrammi e la comprensione della struttura specifica del chunk.
Nonostante queste limitazioni, APNG ha guadagnato popolarità negli ultimi anni grazie alla sua qualità dell'immagine superiore, alle dimensioni dei file più piccole e al crescente supporto da parte dei browser Web e degli strumenti di modifica delle immagini. È diventato una scelta preferita per la distribuzione di animazioni di alta qualità sui siti Web, in particolare per animazioni brevi e in loop che richiedono trasparenza e riproduzione fluida.
In conclusione, APNG è un formato di file potente e versatile che estende le capacità di PNG per supportare le animazioni. Sfruttando la struttura PNG esistente e introducendo nuovi chunk per il controllo dell'animazione, APNG offre un'alternativa più efficiente e visivamente accattivante a GIF. Sebbene possa non essere così ampiamente supportato come GIF, la crescente adozione di APNG da parte dei browser Web e la crescente domanda di animazioni di alta qualità lo rendono uno strumento prezioso per designer e sviluppatori che cercano di creare contenuti coinvolgenti e interattivi sul Web.
Questo convertitore funziona interamente nel tuo browser. Quando selezioni un file, viene letto in memoria e convertito nel formato selezionato. Puoi quindi scaricare il file convertito.
Le conversioni iniziano immediatamente e la maggior parte dei file viene convertita in meno di un secondo. I file più grandi potrebbero richiedere più tempo.
I tuoi file non vengono mai caricati sui nostri server. Vengono convertiti nel tuo browser e il file convertito viene quindi scaricato. Non vediamo mai i tuoi file.
Supportiamo la conversione tra tutti i formati di immagine, inclusi JPEG, PNG, GIF, WebP, SVG, BMP, TIFF e altro.
Questo convertitore è completamente gratuito e sarà sempre gratuito. Poiché funziona nel tuo browser, non dobbiamo pagare per i server, quindi non dobbiamo farti pagare.
Sì! Puoi convertire quanti file vuoi contemporaneamente. Basta selezionare più file quando li aggiungi.