光学文字認識（OCR）は、テキストの画像（スキャン、スマートフォンの写真、PDF）を機械が読み取れる文字列に、そしてますます 構造化データに変換します。現代のOCRは、画像をクリーンアップし、テキストを見つけ、それを読み取り、豊富なメタデータをエクスポートするパイプラインであり、 下流のシステムがフィールドを検索、索引付け、または抽出できるようにします。広く使用されている2つの出力標準は、 hOCR、テキストとレイアウトのためのHTMLマイクロフォーマット、および ALTO XML、図書館/アーカイブ指向のスキーマです。どちらも位置、読み取り順序、その他のレイアウトの合図を保持し、Tesseractのような人気のあるエンジンでサポートされています。
前処理。 OCRの品質は、画像のクリーンアップから始まります：グレースケール変換、ノイズ除去、 しきい値処理（二値化）、および傾き補正。標準的なOpenCVのチュートリアルでは、グローバル、 適応型 および Otsu のしきい値処理が扱われています。これらは、不均一な照明やバイモーダルなヒストグラムを持つドキュメントの定番です。ページ内で照明が変化する場合 （電話のスナップショットを考えてみてください）、適応型メソッドは単一のグローバルしきい値よりも優れていることがよくあります。Otsu はヒストグラムを分析して自動的にしきい値を選択します。傾き補正も同様に重要です：Houghベースの 傾き補正（ハフライン変換）とOtsuの二値化を組み合わせることは、生産前処理パイプラインで一般的で効果的なレシピです。
検出と認識。 OCRは通常、テキスト検出（テキストはどこにあるか ？）とテキスト認識（何が書かれているか？）に分けられます。自然なシーンや多くのスキャンでは、 EAST のような完全畳み込み検出器は、重い提案段階なしで単語または行レベルの四辺形を効 率的に予測し、 一般的なツールキット（例： OpenCVのテキスト検出チュートリアル）に実装されています。複雑なページ（新聞、フォーム、書籍）では、行/領域のセグメンテーションと読み取り順序の推論が重要です：Kraken は、従来のゾーン/ラインセグメンテーションとニューラルベースラインセグメンテーションを実装しており、さまざまなスクリプトと方向（LTR / RTL /垂直）を明示的にサポートしています。
認識モデル。 古典的なオープンソースの主力製品である Tesseract （Googleによってオープンソース化され、HPにルーツを持つ）は、文字分類器からLSTMベースのシーケンス 認識器に進化し、検索可能なPDF、 hOCR / ALTOフレンドリーな出力などをCLIから出力できます。現代の認識器は、事前にセグメント化された文字なしでシーケンスモデリングに依存しています。 コネクショニスト時間分類（CTC） は、入力特徴シーケンスと出力ラベル文字列間のアライメントを学習する基礎であり続け、手書きおよびシーンテキストパイプラインで広く 使用されています。
過去数年間で、TransformerはOCRを再構築しました。 TrOCR は、ビジョントランスフォーマーエンコーダーとテキストトランスフォーマーデコーダーを使用し、大規模な合成コーパスでトレーニングされた後、 実際のデータで微調整され、印刷、手書き、シーンテキストのベンチマークで強力なパフォーマンスを発揮します（ Hugging Faceのドキュメントも参照）。並行して、一部のシステムは下流の理解のためにOCRを回避します： Donut（Document Understanding Transformer） は、ドキュメント 画像から直接構造化された回答（キーと値のJSONなど）を出力するOCRフリーのエンコーダーデコーダーです（リポジトリ、 モデルカード）、別のOCRステップがIEシステムにフィードされるときのエラー蓄積を回避します。
多くのスクリプトでバッテリー付属のテキスト読み取りが必要な場合は、 EasyOCR が80以上の言語モデルを備えたシンプルなAPIを提供し、ボックス、テキスト、信頼度を返します。これはプロトタイプや 非ラテン文字のスクリプトに便利です。歴史的な文書の場合、 Kraken はベースラインセグメンテーションとスクリプト対応の読み取り順序で 優れています。柔軟な行レベルのトレーニングには、 Calamari がOcropyの系統に基づいて構築されています（Ocropy）（マルチ）LSTM + CTC認識器とカスタムモデルを微調整するためのCLIを備えています。
一般化はデータにかかっています。手書きの場合、 IAM手書きデータベース は、トレーニングと評価のために作家の多様な英語の文章を提供します。これは、 行と単語の認識のための長年の参照セットです。シーンテキストの場合、 COCO-Text は、MS-COCOに広範な注釈を重ね、印刷/手書き、判読可能/判読不能、スクリプト、および 完全な転写のラベルを付けました（元の プロジェクトページも参照）。この分野はまた、合成事前トレーニングに大きく依存しています： SynthText in the Wild は、リアルなジオメトリと照明でテキストを写真にレンダリングし、事前トレーニング 検出器と認識器に大量のデータを提供します（参照 コードとデータ）。
ICDARのRobust Reading の傘下での競争は、評価を現実的なものに保ちます。最近のタスクは、エンドツーエンドの検出/読み取りを強調し、単語を フレーズにリンクすることを含み、公式コードは 精度/再現率/ Fスコア、和集合上の積集合 （IoU）、および文字レベルの編集距離メトリックを報告します。これは、実践者が追跡すべきことを反映しています。
OCRはめったにプレーンテキストで終わりません。アーカイブやデジタルライブラリは ALTO XML を好みます。なぜなら、コンテンツとともに物理的なレイアウト（座標を持つブロック/行/単語）をエンコードし、 METSパッケージングとうまく連携するからです。 hOCR マイクロフォーマットは、対照的に、ocr_lineや ocrx_wordなどのクラスを使用して同じアイデアをHTML / CSSに埋め込み、Webツールで簡単に表示、編集、変換できるようにします。Tesseractは両方を公開しています。たとえば、 CLIから直接hOCRまたは検索可能なPDFを生成します（PDF出力ガイド）。 pytesseract のようなPythonラッパーは利便性を高めます。リポジトリに固定の取り込み 標準がある場合、hOCRとALTOの間で変換するためのコンバーターが存在します。この厳選されたリスト を参照してください OCRファイル形式ツール。
最も強力なトレンドは収束です：検出、認識、言語モデリング、さらにはタスク固有のデコードまで が統一されたTransformerスタックに統合されています。 大規模な合成コーパス での事前トレーニングは、依然として力の乗数です。OCRフリーモデルは、ターゲットが逐語的な転写ではなく構造化された出力である場所ならどこでも積極的に競争します。 ハイブリッド展開も期待してください：長文テキスト用の軽量検出器とTrOCRスタイルの 認識器、およびフォームとレシート用のDonutスタイルのモデル。
Tesseract (GitHub) · Tesseractドキュメント · hOCR仕様 · ALTOの背景 · EAST検出器 · OpenCVテキスト検出 · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · IAM手書き · OCRファイル形式ツール · EasyOCR
光学的文字認識（OCR）は、さまざまな形式のドキュメント（スキャンされた紙のドキュメント、PDFファイル、デジタルカメラで撮影された画像など）を編集可能で検索可能なデータに変換するために使用される技術です。
OCRは入力画像またはドキュメントをスキャンし、画像を個々の文字に分割し、各文字を形状認識または特徴認識を使用して文字形状のデータベースと比較します。
OCRは印刷文書のデジタル化、テキストから音声へのサービスの活用、デ ータ入力プロセスの自動化、視覚障害のあるユーザーがテキストとより良く対話できるようにするなど、さまざまな業界とアプリケーションで使用されています。
OCR技術は大幅に進歩していますが、それが無敵ではありません。精度は、元のドキュメントの品質と使用されているOCRソフトウェアの特性によって異なることがあります。
OCRは主に印刷されたテキストを認識するように設計されていますが、一部の高度なOCRシステムは明瞭で一貫性のある手書き文字も認識することができます。ただし、個々の文字スタイルの変動幅が広いため、手書き文字の認識は通常、印刷されたテキストの認識よりも精度が低いです。
はい、 多くのOCRソフトウェアは複数の言語を認識できます。ただし、特定の言語がサポートされていることを確認する必要があります。
OCRはOptical Character Recognition（光学的文字認識）の略で、印刷されたテキストを認識します。一方、ICRはIntelligent Character Recognition（知能的文字認識）の略で、より進んだ技術を使用して手書きのテキストを認識します。
OCRはクリアで読みやすいフォントと標準的な文字サイズを処理するのに最も適しています。それはさまざまなフォントとサイズを処理する能力を持っていますが、非常に小さい文字サイズや一般的でないフォントを処理するときには、その精度が下がる可能性があります。
OCRは低解像度のドキュメント、複雑なフォント、印刷品質が悪いテキスト、手書きのテキスト、またはテキストが含まれている背景からの混乱を処理するのに問題を抱えている可能性があります。さらに、それは多言語を处理する能力を持っていますが、すべての言語を完全にカバーすることはできない可能性があります。
はい、OCRはカラーテキストとカラーバックグラウンドをスキャンすることができますが、通常は黒いテキストと白いバックグラウンドといった高いコントラストの色の組み合わせに対して最も効果的です。テキストとバックグラウンドの色のコントラストが不十分な場合、その精度が下がる可能性があります。
JPEG 2000 画像形式は、JP2 と略されることが多く、元の JPEG 規格の後継として作成された画像エンコードシステムです。これは、従来の JPEG 形式の制限の一部を克服できる新しい画像形式を提供することを目的として、2000 年代初頭に Joint Photographic Experts Group 委員会によって開発されました。JPEG 2000 は、.jpg または .jpeg ファイル拡張子を使用する標準 JPEG 形式と混同しないでください。JPEG 2000 はファイルに .jp2 拡張子を使用し、前身よりも大幅な改善を提供します。これらには、より高い圧縮率でのより優れた画質、より高いビット深度のサポート、アルファチャンネルによる透明度の向上などが含まれます。
JPEG 2000 の重要な機能の 1 つは、元の JPEG 形式で使用される離散コサイン変換 (DCT) ではなく、ウェーブレット圧縮を使用することです。ウェーブレット圧縮は、品質を犠牲にすることなくファイルサイズを削減する、画像圧縮に適したデータ圧縮の一種です。これは、画像情報をさまざまなレベルの詳細を可能にする方法で格納するウェーブレットドメインに画像を変換することで実現されます。つまり、JPEG 2000 は同じファイル形式内でロスレス圧縮とロス圧縮の両方を提供でき、ユーザーのニーズに応じて柔軟性を提供します。
JPEG 2000 のもう 1 つの大きな利点は、プログレッシブデコードをサポートしていることです。この機能により、ファイルがまだダウンロードされている間でも、低解像度のバージョンの画像を表示できます。これは、Web 画像に特に役立ちます。より多くのデータが受信されると、画像の品質はフル解像度の画像が表示されるまで徐々に向上します。これは、ファイル全体がダウンロードされて初めて画像を表示できる標準 JPEG 形式とは対照的です。
JPEG 2000 は、関心領域 (ROI) の概念も導入しています。 これにより、画像の異なる部分を異なる品質レベルで圧縮できます。たとえば、人物の写真では、個人の顔を背景よりも高い品質でエンコードできます。この選択的な品質制御は、画像の特定の部分が他の部分よりも重要なアプリケーションで非常に役立ちます。
JPEG 2000 形式は、非常にスケーラブルでもあります。幅広い画像解像度、色深度、画像コンポーネントをサポートします。このスケーラビリティは空間的および品質的な次元に及び、つまり、1 つの JPEG 2000 ファイルに複数の解像度と品質レベルを格納でき、さまざまなアプリケーションやデバイスに応じて必要に応じて抽出できます。これにより、JPEG 2000 は、デジタルシネマから医療画像まで、さまざまなユーザーが異なる画像属性を必要とする場合に最適な選択肢となります。
色の正確さに関して、JPEG 2000 は標準 JPEG のチャンネルあたり 8 ビットと比較して、チャンネルあたり最大 16 ビットをサポートします。このビット深度の増加により、はるかに広い範囲の色とそれらの間の微妙なグラデーションが可能になり、色の忠実度が重要なハイエンドの写真編集や印刷に特に重要です。
JPEG 2000 には堅牢なエラー回復機能も含まれており、ワイヤレスネットワークやインターネットなどのデータ破損のリスクが高いネットワークを介して画像を送信する場合に適しています。この形式には、送信中に一部のデータパケットが失われた場合でも画像を再構築できるように、チェックサムやその他のデータ整合性チェックを含めることができます。
JPEG 2000 には多くの利点がありますが、元の JPEG 形式と比較して広く採用されていません。その理由の 1 つは、JPEG 2000 圧縮アルゴリズムの複雑さであり、画像のエンコードとデコードにはより多くの計算能力が必要です。これにより、多くの場合速度と単純さを優先するコンシューマー向け電子機器や Web プラットフォームには魅力が低下しました。さらに、元の JPEG 形式は業界に深く浸透しており、ソフトウェアとハードウェアのサポートの広大なエコシステムがあり、新しい形式が足場を固めることが困難になっています。
JPEG 2000 の採用を制限しているもう 1 つの要因は、特許の問題です。JPEG 2000 規格には、さまざまなエンティティによって特許を取得された技術が含まれており、これによりライセンス料と法的制約に関する懸念が生じています。これらの特許の多くは期限切れになったか、合理的かつ差別のない条件で利用可能になっていますが、当初の不確実性は一部の組織が形式を採用することをためらう一因となりました。
これらの課題にもかかわらず、JPEG 2000 は、その高度な機能が特に貴重な特定の専門分野でニッチを見つけました。たとえば、デジタルシネマでは、JPEG 2000 は映画の配布と上映に関する Digital Cinema Initiatives (DCI) 仕様の一部として使用されています。その高品質の画像表現とスケーラビリティにより、高解像度の映画スクリーンの要求に適しています。
アーカイブおよびデジタル保存の領域では、JPEG 2000 はロスレス圧縮機能と、効率的かつ長期保存に適した方法で画像を格納する能力でも支持されています。コレクションの高品質なデジタルコピーを必要とする図書館、美術館、その他の機関は、これらの理由から JPEG 2000 を選択することがよくあります。
医療画像業界は、JPEG 2000 が正常に実装されたもう 1 つの分野です。この形式は、X 線や MRI スキャンなどの医療画像が正確な診断と分析に必要なすべての詳細を保持することを保証するために、高いビット深度とロスレス圧縮をサポートしています。さらに、非常に大きな画像ファイルを効率的に処理する機能により、JPEG 2000 はこのセクターに適しています。
JPEG 2000 には豊富なメタデータ機能も含まれており、画像ファイル自体に広範な情報を埋め込むことができます。これには、著作権情報、カメラ設定、地理位置データなどが含まれます。この機能は、画像の出所とプロパティを追跡することが重要な資産管理システムやその他のアプリケーションに特に役立ちます。
結論として、JPEG 2000 画像形式は、画像の品質、柔軟性、堅牢性の点で大きな利点をもたらすさまざまな高度な機能を提供します。ウェーブレット圧縮を使用することで、より小さなファイルサイズで高品質の画像を実現し、プログレッシブデコード、関心領域、スケーラビリティをサポートすることで、多くのアプリケーションに適した汎用性の高い選択肢となります。主流の使用では元の JPEG 形式に取って代わっていませんが、JPEG 2000 はその独自の利点が最も必要とされる業界で選択される形式になっています。テクノロジーが進化し続け、より高品質のデジタル画像のニーズが高まるにつれて、JPEG 2000 は将来的にさらに広く採用される可能性があります。
このコンバーターはブラウザ内で完全に動作します。ファイルを選択すると、メモリに読み込まれ、選択したフォーマットに変換されます。その後、変換されたファイルをダウンロードできます。
変換は瞬時に開始され、ほとんどのファイルは1秒以内に変換されます。大きなファイルの場合、時間がかかる場合があります。
ファイルは決してサーバにアップロードされません。ブラウザ内で変換され、変換されたファイルがダウンロードされます。ファイルは見られません。
画像フォーマット間の変換すべてに対応しています。JPEG、PNG、GIF、WebP、SVG、BMP、TIFFなどです。
このコンバーターは完全に無料で、永久に無料のままです。ブラウザ内で動作するため、サーバを用意する必要がないので、料金を請求する必要がありません。
はい、一度に複数のファイルを変換で きます。追加時に複数のファイルを選択してください。