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 Portable Document Format (PDF) è un formato di file versatile sviluppato da Adobe Systems nel 1993. È progettato per presentare documenti, inclusi formattazione del testo e immagini, in modo indipendente dal software applicativo, dall'hardware e dai sistemi operativi. I PDF possono incapsulare un'ampia varietà di contenuti, tra cui testo, caratteri, grafica vettoriale, immagini raster e altre informazioni necessarie per visualizzare il documento come previsto. Il formato è diventato uno standard per lo scambio di documenti su diverse piattaforme ed è ampiamente utilizzato in ambito aziendale, educativo e governativo.
Il PDF supporta diversi tipi di immagini, che possono essere ampiamente classificate in due gruppi: immagini vettoriali e immagini raster. Le immagini vettoriali sono costituite da percorsi definiti da equazioni matematiche, che le rendono scalabili senza perdita di qualità. Sono ideali per illustrazioni, loghi e testo. Le immagini raster, d'altro canto, sono composte da una griglia fissa di pixel e vengono utilizzate per fotografie e opere d'arte digitali. Possono perdere qualità quando vengono ingrandite o rimpicciolite. I PDF possono contenere entrambi i tipi di immagini e possono essere compressi utilizzando vari algoritmi per ridurre le dimensioni del file senza compromettere significativamente la qualità.
Quando un'immagine viene incorporata in un PDF, viene in genere compressa per ridurre le dimensioni del file. Il PDF supporta diversi algoritmi di compressione a questo scopo. Per le immagini raster, vengono spesso utilizzati metodi di compressione con perdita come JPEG per le fotografie, poiché possono ridurre significativamente le dimensioni del file con una perdita di qualità minima e visibile. I metodi di compressione senza perdita come PNG e TIFF vengono utilizzati quando la qualità dell'immagine è fondamentale. Per le immagini vettoriali, la compressione viene ottenuta attraverso l'uso di rappresentazioni matematiche efficienti dei percorsi dell'immagine e l'uso di algoritmi di compressione come ZIP può essere applicato per ridurre le dimensioni di queste rappresentazioni.
Il processo di incorporamento di un'immagine in un PDF prevede diversi passaggi. Innanzitutto, l'immagine viene codificata utilizzando un algoritmo di compressione specifico. I dati dell'immagine codificati vengono quindi incorporati nella struttura del file PDF, insieme a informazioni sulle dimensioni, sulla risoluzione e sullo spazio colore dell'immagine. Il PDF memorizza anche informazioni su come l'immagine deve essere renderizzata, comprese eventuali trasformazioni come ridimensionamento, rotazione o ritaglio che devono essere applicate quando il documento viene visualizzato o stampato.
La gestione del colore è un aspetto importante delle immagini PDF. I PDF supportano vari spazi colore come DeviceRGB, DeviceCMYK e DeviceGray, nonché spazi colore più sofisticati come CalRGB e spazi colore basati su ICC che consentono una riproduzione del colore più accurata su diversi dispositivi. Quando un'immagine viene incorporata in un PDF, viene definito il suo spazio colore e, se necessario, possono essere incorporati profili colore per garantire che i colori vengano visualizzati in modo coerente su diversi dispositivi.
La trasparenza è un'altra caratteristica supportata dalle immagini PDF. Ciò consente alle immagini di avere vari livelli di opacità, che possono essere utilizzati per creare effetti visivi complessi. La trasparenza nei PDF viene gestita tramite l'uso di speciali modalità di fusione che determinano come i colori degli oggetti trasparenti vengono fusi con i colori degli oggetti dietro di essi. Questa funzione è particolarmente utile per sovrapporre immagini l'una sull'altra o per incorporare testo che si sovrappone a un'immagine.
Il PDF supporta anche l'inclusione di metadati nei file immagine. Questi metadati possono includere informazioni sull'immagine come autore, copyright, data di creazione e parole chiave. Queste informazioni possono essere utili per la gestione e il recupero dei documenti, nonché per garantire che venga dato il giusto credito per l'uso di immagini protette da copyright. I metadati vengono memorizzati in un formato standardizzato all'interno del PDF, rendendoli facilmente accessibili e leggibili da varie applicazioni software.
La sicurezza è una caratteristica chiave del formato PDF e si estende alle immagini nei documenti PDF. I PDF possono essere crittografati e l'accesso a essi può essere controllato tramite l'uso di password. Ciò significa che le immagini sensibili incorporate nei PDF possono essere protette da accessi non autorizzati. Inoltre, i PDF supportano le firme digitali, che possono essere utilizzate per verificare l'autenticità e l'integrità di un documento, comprese le immagini in esso contenute.
Il formato PDF è progettato anche per l'accessibilità, il che significa che supporta funzionalità che rendono i documenti utilizzabili da persone con disabilità. Per le immagini, ciò include la possibilità di includere descrizioni di testo alternative che possono essere lette dagli screen reader. Ciò garantisce che le informazioni trasmesse dalle immagini siano accessibili agli utenti ipovedenti.
Quando si tratta di stampa, i PDF sono altamente affidabili grazie alla loro natura autonoma. Tutte le informazioni necessarie per riprodurre accuratamente il documento, comprese le immagini, sono incorporate nel file. Ciò significa che un PDF verrà stampato allo stesso modo su qualsiasi stampante, indipendentemente dal dispositivo o dal software utilizzato. Ciò è particolarmente importante per i documenti che richiedono un layout preciso e immagini di alta qualità, come opuscoli e riviste.
I file PDF possono essere interattivi e ciò si estende anche alle immagini. Le immagini in un PDF possono essere collegate tramite hyperlink, il che significa che facendo clic su un'immagine l'utente può essere indirizzato a una parte diversa del documento o addirittura a un sito web esterno. Inoltre, i PDF possono includere campi modulo, annotazioni e altri elementi interattivi che possono essere associati alle immagini, migliorando l'esperienza utente e la funzionalità del documento.
La creazione e la manipolazione di PDF, incluso l'incorporamento e la modifica delle immagini, possono essere eseguite utilizzando una varietà di strumenti software. Adobe Acrobat è l'editor PDF più noto, ma sono disponibili molti altri strumenti, comprese opzioni gratuite e open source. Questi strumenti consentono agli utenti di inserire immagini nei PDF, ridimensionarle e ritagliarle, regolarne le proprietà ed eseguire altre attività di modifica. Il software di modifica PDF avanzato può anche eseguire il riconoscimento ottico dei caratteri (OCR) sulle immagini, convertendo il testo all'interno delle immagini in testo ricercabile e modificabile.
In termini di struttura dei file, un documento PDF è composto da oggetti che definiscono il contenuto del documento. Questi oggetti sono organizzati in una struttura gerarchica nota come "albero degli oggetti" del documento. Le immagini vengono incorporate in questa struttura come "oggetti immagine". Ogni oggetto immagine contiene il flusso di dati immagine compressi, nonché un dizionario che definisce le proprietà dell'immagine, come tipo, larghezza, altezza, spazio colore ed eventuali filtri applicati per la compressione.
La specifica PDF si è evoluta nel tempo ed è ora mantenuta dall'Organizzazione internazionale per la normazione (ISO) come ISO 32000. Questa standardizzazione garantisce che il PDF rimanga un formato aperto e che i documenti creati utilizzando software e piattaforme diversi possano essere scambiati e visualizzati in modo affidabile. La specifica include informazioni dettagliate su come le immagini devono essere formattate e incorporate nei file PDF, garantendo la coerenza nell'ampia gamma di software che possono creare e leggere documenti PDF.
In conclusione, il formato immagine PDF è un componente complesso e ricco di funzionalità dello standard PDF. Supporta un'ampia gamma di tipi di immagini e algoritmi di compressione, gestione del colore sofisticata, trasparenza e metadati. I PDF forniscono solide funzionalità di sicurezza, opzioni di accessibilità e affidabili capacità di stampa. Le funzionalità interattive delle immagini PDF migliorano l'esperienza utente e la struttura standardizzata dei file PDF garantisce la compatibilità su diverse piattaforme e dispositivi. Di conseguenza, il PDF rimane uno dei formati più utilizzati per lo scambio di documenti e comprendere le sue capacità in relazione alle immagini è essenziale per chiunque lavori con documenti digitali.
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.