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.
Il formato PBM (Portable Bitmap) è uno dei formati di file grafici più semplici e antichi utilizzati per memorizzare immagini monocromatiche. Fa parte della suite Netpbm, che include anche PGM (Portable GrayMap) per immagini in scala di grigi e PPM (Portable PixMap) per immagini a colori. Il formato PBM è progettato per essere estremamente facile da leggere e scrivere in un programma e per essere chiaro e univoco. Non è inteso come un formato autonomo, ma piuttosto come un minimo comun denominatore per la conversione tra diversi formati di immagine.
Il formato PBM supporta solo immagini in bianco e nero (1 bit). Ogni pixel nell'immagine è rappresentato da un singolo bit: 0 per il bianco e 1 per il nero. La semplicità del formato lo rende semplice da manipolare utilizzando strumenti di modifica del testo di base o linguaggi di programmazione senza la necessità di librerie di elaborazione delle immagini specializzate. Tuttavia, questa semplicità significa anche che i file PBM possono essere più grandi di formati più sofisticati come JPEG o PNG, che utilizzano algoritmi di compressione per ridurre le dimensioni del file.
Esistono due varianti del formato PBM: il formato ASCII (semplice), noto come P1, e il formato binario (raw), noto come P4. Il formato ASCII è leggibile dall'uomo e può essere creato o modificato con un semplice editor di testo. Il formato binario non è leggibile dall'uomo ma è più efficiente in termini di spazio e più veloce da leggere e scrivere per i programmi. Nonostante le differenze di archiviazione, entrambi i formati rappresentano lo stesso tipo di dati di immagine e possono essere convertiti tra loro senza perdita di informazioni.
La struttura di un file PBM in formato ASCII inizia con un numero magico di due byte che identifica il tipo di file. Per il formato ASCII PBM, questo è "P1". Dopo il numero magico, c'è uno spazio vuoto (spazi, TAB, CR, LF), quindi una specifica di larghezza, che è il numero di colonne nell'immagine, seguita da più spazi vuoti, quindi una specifica di altezza, che è il numero di righe nell'immagine. Dopo la specifica dell'altezza, c'è più spazio vuoto, quindi iniziano i dati dei pixel.
I dati dei pixel in un file PBM ASCII consistono in una serie di "0" e "1", con ogni "0" che rappresenta un pixel bianco e ogni "1" che rappresenta un pixel nero. I pixel sono disposti in righe, con ogni riga di pixel su una nuova riga. Lo spazio vuoto è consentito ovunque nei dati dei pixel tranne che all'interno di una sequenza di due caratteri (non è consentito tra i due caratteri della sequenza). La fine del file viene raggiunta dopo aver letto i bit larghezza*altezza.
Al contrario, il formato PBM binario inizia con un numero magico di "P4" invece di "P1". Dopo il numero magico, il formato del file è lo stesso della versione ASCII fino a quando non iniziano i dati dei pixel. I dati dei pixel binari vengono impacchettati in byte, con il bit più significativo (MSB) di ciascun byte che rappresenta il pixel più a sinistra e ogni riga di pixel riempita come necessario per riempire l'ultimo byte. I bit di riempimento non sono significativi e i loro valori vengono ignorati.
Il formato binario è più efficiente in termini di spazio perché utilizza un byte completo per rappresentare otto pixel, al contrario del formato ASCII che utilizza almeno otto byte (un carattere per pixel più uno spazio vuoto). Tuttavia, il formato binario non è leggibile dall'uomo e richiede un programma che comprenda il formato PBM per visualizzare o modificare l'immagine.
Creare un file PBM a livello di programmazione è relativamente semplice. In un linguaggio di programmazione come C, si aprirebbe un file in modalità scrittura, si emetterebbe il numero magico appropriato, si scriverebbero la larghezza e l'altezza come numeri ASCII separati da spazi vuoti, quindi si emetterebbero i dati dei pixel. Per un PBM ASCII, i dati dei pixel possono essere scritti come una serie di "0" e "1" con gli opportuni a capo. Per un PBM binario, i dati dei pixel devono essere impacchettati in byte e scritti nel file in modalità binaria.
Anche leggere un file PBM è semplice. Un programma leggerebbe il numero magico per determinare il formato, salterebbe lo spazio vuoto, leggerebbe la larghezza e l'altezza, salterebbe più spazi vuoti, quindi leggerebbe i dati dei pixel. Per un PBM ASCII, il programma può leggere i caratteri uno alla volta e interpretarli come valori di pixel. Per un PBM binario, il programma deve leggere i byte e decomprimerli in singoli bit per ottenere i valori dei pixel.
Il formato PBM non supporta alcuna forma di compressione o codifica, il che significa che le dimensioni del file sono direttamente proporzionali al numero di pixel nell'immagine. Ciò può comportare file molto grandi per immagini ad alta risoluzione. Tuttavia, la semplicità del formato lo rende ideale per apprendere l'elaborazione delle immagini, per l'uso in situazioni in cui la fedeltà dell'immagine è più importante delle dimensioni del file o per l'uso come formato intermedio nei processi di conversione delle immagini.
Uno dei vantaggi del formato PBM è la sua semplicità e la facilità con cui può essere manipolato. Ad esempio, per invertire un'immagine PBM (trasformare tutti i pixel neri in bianchi e viceversa), si possono semplicemente sostituire tutti gli "0" con "1" e tutti gli "1" con "0" nei dati dei pixel. Ciò può essere fatto con un semplice script o programma di elaborazione del testo. Allo stesso modo, altre operazioni di base sulle immagini come la rotazione o il mirroring possono essere implementate con semplici algoritmi.
Nonostante la sua semplicità, il formato PBM non è ampiamente utilizzato per l'archiviazione o lo scambio di immagini generali. Ciò è dovuto principalmente alla sua mancanza di compressione, che lo rende inefficiente per la memorizzazione di immagini di grandi dimensioni o per l'uso su Internet dove la larghezza di banda può essere un problema. Formati più moderni come JPEG, PNG e GIF offrono varie forme di compressione e sono più adatti a questi scopi. Tuttavia, il formato PBM viene ancora utilizzato in alcuni contesti, in particolare per la grafica semplice nello sviluppo del software e come strumento didattico per i concetti di elaborazione delle immagini.
La suite Netpbm, che include il formato PBM, fornisce una raccolta di strumenti per la manipolazione di file PBM, PGM e PPM. Questi strumenti consentono la conversione tra i formati Netpbm e altri formati di immagine popolari, nonché operazioni di elaborazione delle immagini di base come il ridimensionamento, il ritaglio e la manipolazione del colore. La suite è progettata per essere facilmente estensibile, con un'interfaccia semplice per aggiungere nuove funzionalità.
In conclusione, il formato immagine PBM è un formato file semplice e senza fronzoli per la memorizzazione di immagini bitmap monocromatiche. La sua semplicità lo rende facile da comprendere e manipolare, il che può essere vantaggioso per scopi didattici o per semplici attività di elaborazione delle immagini. Sebbene non sia adatto a tutte le applicazioni a causa della sua mancanza di compressione e delle conseguenti grandi dimensioni dei file, rimane un formato utile nei contesti specifici in cui i suoi punti di forza sono più vantaggiosi. Il formato PBM, insieme al resto della suite Netpbm, continua a essere uno strumento prezioso per coloro che lavorano con l'elaborazione delle immagini di base e la conversione dei formati.
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 istantaneamente 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 ancora.
Questo convertitore è completamente gratuito e lo sarà sempre. Poiché funziona nel tuo browser, non dobbiamo pagare per i server, quindi non dobbiamo addebitarti alcun costo.
Sì! Puoi convertire tutti i file che vuoi in una volta. Basta selezionare più file quando li aggiungi.