O Reconhecimento Ótico de Caracteres (OCR) transforma imagens de texto—digitalizações, fotos de smartphone, PDFs—em strings legíveis por máquina e, cada vez mais, em dados estruturados. O OCR moderno é um pipeline que limpa uma imagem, encontra texto, lê e exporta metadados ricos para que os sistemas downstream possam pesquisar, indexar ou extrair campos. Dois padrões de saída amplamente utilizados são hOCR, um microformato HTML para texto e layout, e ALTO XML, um esquema orientado para bibliotecas/arquivos; ambos preservam posições, ordem de leitura e outras dicas de layout e são suportados por motores populares como Tesseract.
Pré-processamento. A qualidade do OCR começa com a limpeza da imagem: conversão para tons de cinza, remoção de ruído, limiarização (binarização) e correção de inclinação. Tutoriais canônicos do OpenCV cobrem limiarização global, adaptativa e Otsu —itens básicos para documentos com iluminação não uniforme ou histogramas bimodais. Quando a iluminação varia dentro de uma página (pense em fotos de celular), os métodos adaptativos geralmente superam um único limiar global; Otsu escolhe automaticamente um limiar analisando o histograma. A correção da inclinação é igualmente importante: a correção de inclinação baseada em Hough (Transformada de Linha de Hough) combinada com a binarização de Otsu é uma receita comum e eficaz em pipelines de pré-processamento de produção.
Detecção vs. reconhecimento. O OCR é normalmente dividido em detecção de texto (onde está o texto?) e reconhecimento de texto (o que ele diz?). Em cenas naturais e muitas digitalizações, detectores totalmente convolucionais como EAST preveem eficientemente quadriláteros no nível de palavra ou linha sem estágios de proposta pesados e são implementados em kits de ferramentas comuns (por exemplo, tutorial de detecção de texto do OpenCV). Em páginas complexas (jornais, formulários, livros), a segmentação de linhas/regiões e a inferência da ordem de leitura são importantes:Kraken implementa a segmentação tradicional de zona/linha e a segmentação neural de linha de base, com suporte explícito para diferentes scripts e direções (LTR/RTL/vertical).
Modelos de reconhecimento. O clássico cavalo de batalha de código aberto Tesseract (de código aberto pelo Google, com raízes na HP) evoluiu de um classificador de caracteres para um reconhecedor de sequência baseado em LSTM e pode emitir PDFs pesquisáveis, saídas amigáveis para hOCR/ALTO, e mais a partir da CLI. Os reconhecedores modernos dependem da modelagem de sequência sem caracteres pré-segmentados. Classificação Temporal Conexionista (CTC) permanece fundamental, aprendendo alinhamentos entre sequências de características de entrada e strings de rótulo de saída; é amplamente utilizado em pipelines de caligrafia e texto de cena.
Nos últimos anos, os Transformers remodelaram o OCR. TrOCR usa um codificador Vision Transformer mais um decodificador Text Transformer, treinado em grandes corpora sintéticos e, em seguida, ajustado em dados reais, com forte desempenho em benchmarks de texto impresso, manuscrito e de cena (veja também documentação do Hugging Face). Em paralelo, alguns sistemas contornam o OCR para compreensão downstream: Donut (Document Understanding Transformer) é um codificador-decodificador livre de OCR que produz diretamente respostas estruturadas (como JSON de chave-valor) a partir de imagens de documentos (repositório, cartão do modelo), evitando o acúmulo de erros quando uma etapa separada de OCR alimenta um sistema de IE.
Se você quer leitura de texto completa em vários scripts, EasyOCR oferece uma API simples com mais de 80 modelos de linguagem, retornando caixas, texto e confianças — útil para protótipos e scripts não latinos. Para documentos históricos, Kraken brilha com segmentação de linha de base e ordem de leitura consciente do script; para treinamento flexível no nível da linha, Calamari se baseia na linhagem Ocropy (Ocropy) com reconhecedores (multi-)LSTM+CTC e uma CLI para ajuste fino de modelos personalizados.
A generalização depende dos dados. Para caligrafia, o Banco de Dados de Caligrafia IAM fornece frases em inglês de diversos escritores para treinamento e avaliação; é um conjunto de referência de longa data para reconhecimento de linha e palavra. Para texto de cena, COCO-Text sobrepôs anotações extensas sobre o MS-COCO, com rótulos para impresso/manuscrito, legível/ilegível, script e transcrições completas (veja também a página original do projeto). O campo também depende muito do pré-treinamento sintético: SynthText in the Wild renderiza texto em fotografias com geometria e iluminação realistas, fornecendo enormes volumes de dados para pré-treinar detectores e reconhecedores (referência código e dados).
As competições sob a égide do Robust Reading do ICDAR mantêm a avaliação fundamentada. As tarefas recentes enfatizam a detecção/leitura de ponta a ponta e incluem a ligação de palavras em frases, com o código oficial relatando precisão/recall/F-score, interseção sobre união (IoU) e métricas de distância de edição no nível do caractere — espelhando o que os praticantes devem rastrear.
O OCR raramente termina em texto simples. Arquivos e bibliotecas digitais preferem ALTO XML porque ele codifica o layout físico (blocos/linhas/palavras com coordenadas) juntamente com o conteúdo, e combina bem com o empacotamento METS. O microformato hOCR , por outro lado, incorpora a mesma ideia em HTML/CSS usando classes como ocr_line e ocrx_word, tornando mais fácil exibir, editar и transformar com ferramentas da web. O Tesseract expõe ambos — por exemplo, gerando hOCR ou PDFs pesquisáveis diretamente da CLI (guia de saída de PDF); wrappers de Python como pytesseract adicionam conveniência. Existem conversores para traduzir entre hOCR e ALTO quando os repositórios têm padrões de ingestão fixos — veja esta lista com curadoria de ferramentas de formato de arquivo OCR.
A tend ência mais forte é a convergência: detecção, reconhecimento, modelagem de linguagem e até mesmo decodificação específica da tarefa estão se fundindo em pilhas unificadas de Transformer. O pré-treinamento em grandes corpora sintéticos continua sendo um multiplicador de força. Os modelos livres de OCR competirão agressivamente onde quer que o alvo seja saídas estruturadas em vez de transcrições literais. Espere também implantações híbridas: um detector leve mais um reconhecedor no estilo TrOCR para texto longo e um modelo no estilo Donut para formulários e recibos.
Tesseract (GitHub) · Documentação do Tesseract · Especificação hOCR · Fundo ALTO · Detector EAST · Detecção de texto do OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · Caligrafia IAM · Ferramentas de formato de arquivo OCR · EasyOCR
Reconhecimento óptico de caracteres (OCR) é uma tecnologia usada para converter diferentes tipos de documentos, como documentos de papel digitalizados, arquivos PDF ou imagens capturadas por uma câmera digital, em dados editáveis e pesquisáveis.
O OCR digitaliza a imagem ou documento de entrada, decompõe a imagem em caracteres individuais e, em seguida, compara cada caractere com um banco de dados de formas de caracteres usando o reconhecimento de padrões ou recursos.
O OCR é usado em várias indústrias e aplicações, incluindo a digitalização de documentos impressos, aproveitando serviços de texto para fala, automatizando o processo de entrada de dados e ajudando usuários com deficiência visual a interagir com o texto de maneira mais eficaz.
Apesar de as tecnologias OCR terem melhorado significativamente, elas não são infalíveis. A precisão pode variar dependendo da qualidade do documento original e das características específicas do software OCR usado.
Embora o OCR seja projetado principalmente para reconhecer texto impresso, alguns sistemas OCR avançados também podem reconhecer a escrita à mão legível. No entanto, o reconhecimento da escrita à mão é geralmente menos preciso, devido à variabilidade dos estilos de escrita individuais.
Sim, muitos softwares OCR podem reconhecer vários idiomas. No entanto, você deve garantir que o idioma que você precisa está suportado no software que está usando.
OCR é a sigla de Optical Character Recognition (Reconhecimento Óptico de Caracteres), que é usado para reconhecer o texto impresso, enquanto o ICR, ou Intelligent Character Recognition (Reconhecimento Inteligente de Caracteres), é uma tecnologia mais avançada utilizada para reconhecer a escrita à mão.
O OCR é mais eficiente ao processar fontes claras e legíveis e tamanhos de texto padrão. Embora seja capaz de reconhecer variações de fontes e tamanhos, a sua precisão pode diminuir ao processar fontes não convencionais ou tamanhos de texto muito pequenos.
O OCR pode ter problemas em processar documentos de baixa resolução, fontes complexas, texto de má qualidade de impressão, texto manuscrito ou documentos onde o texto se confunde com o fundo. Além disso, embora o OCR possa reconhecer muitos idiomas, pode não ser capaz de cobrir todos os idiomas de forma perfeita.
Sim, o OCR pode escanear texto e fundos coloridos, mas é mais eficaz com combinações de cores de alto contraste, como texto preto sobre fundo branco. Se o contraste entre a cor do texto e do fundo não for suficiente, a precisão pode diminuir.
O formato de imagem PALM, também conhecido como Palm Bitmap, é um formato de arquivo gráfico raster associado a dispositivos Palm OS. Ele foi projetado para armazenar imagens em PDAs (Assistentes Digitais Pessoais) Palm OS, que eram populares no final da década de 1990 e início dos anos 2000. O formato é especificamente adaptado às limitações de exibição e memória desses dispositivos portáteis, e é por isso que ele é otimizado para imagens de baixa resolução e cores indexadas que podem ser renderizadas rapidamente na tela do dispositivo.
As imagens PALM são caracterizadas por sua simplicidade e eficiência. O formato suporta uma paleta de cores limitada, normalmente até 256 cores, o que é suficiente para as telas pequenas dos PDAs. Essa abordagem de cores indexadas significa que cada pixel na imagem não é representado por seu próprio valor de cor, mas por um índice para uma tabela de cores que contém os valores RGB (vermelho, verde, azul) reais. Esse método de representação de cores é muito eficiente em termos de memória, o que é crucial para dispositivos com RAM e capacidade de armazenamento limitadas.
A estrutura básica de um arquivo de imagem PALM consiste em um cabeçalho, uma paleta de cores (se a imagem não for monocromática), dados de bitmap e possivelmente informações de transparência. O cabeçalho contém metadados sobre a imagem, como sua largura e altura em pixels, a profundidade de bits (que determina o número de cores) e sinalizadores que indicam se a imagem tem um índice de transparência ou é compactada.
A compactação é outro recurso do formato de imagem PALM. Para economizar ainda mais espaço, as imagens PALM podem ser compactadas usando um algoritmo de codificação de comprimento de execução (RLE). RLE é uma forma de compactação de dados sem perdas em que sequências do mesmo valor de dados (execuções) são armazenadas como um único valor de dados e uma contagem. Isso é particularmente eficaz para imagens com grandes áreas de cor uniforme, o que é comum em ícones e elementos de interface do usuário usados em PDAs.
A transparência em imagens PALM é tratada por meio de um índice de transparência. Esse índice aponta para uma cor na paleta que é designada como transparente, permitindo a sobreposição de imagens em diferentes planos de fundo sem um retângulo opaco e em blocos ao redor da imagem. Esse recurso é essencial para criar uma interface de usuário perfeita, onde ícones e outros gráficos precisam se misturar ao plano de fundo.
A paleta de cores em uma imagem PALM é um componente crítico, pois define o conjunto de cores usadas na imagem. A paleta é uma matriz de entradas de cores, onde cada entrada é normalmente um valor de 16 bits que representa uma cor RGB. A profundidade de bits da imagem determina o número máximo de cores na paleta. Por exemplo, uma imagem de profundidade de 1 bit teria uma paleta de 2 cores (geralmente preto e branco), enquanto uma imagem de profundidade de 8 bits poderia ter até 256 cores.
Os dados de bitmap em um arquivo de imagem PALM são uma representação pixel por pixel da imagem. Cada pixel é armazenado como um índice na paleta de cores. O armazenamento desses dados pode estar em um formato bruto e descompactado ou compactado usando RLE. No formato descompactado, os dados de bitmap são simplesmente uma sequência de índices, um para cada pixel, organizados em linhas de cima para baixo e colunas da esquerda para a direita.
Um dos aspectos exclusivos do formato de imagem PALM é seu suporte a várias profundidades de bits em uma única imagem. Isso significa que uma imagem pode conter regiões com diferentes resoluções de cores. Por exemplo, uma imagem PALM pode ter um ícone de alta profundidade de cor (8 bits) ao lado de um elemento decorativo de baixa profundidade de cor (1 bit). Essa flexibilidade permite o uso eficiente da memória usando profundidades de bits mais altas somente quando necessário para a qualidade visual da imagem.
O formato de imagem PALM também inclui suporte para ícones personalizados e gráficos de menu, que são essenciais para a interface do usuário dos aplicativos Palm OS. Essas imagens podem ser integradas ao código do aplicativo e exibidas no dispositivo usando a API (Interface de Programação de Aplicativo) do Palm OS. A API fornece funções para carregar, exibir e manipular imagens PALM, facilitando para os desenvolvedores incorporar gráficos em seus aplicativos.
Apesar de sua eficiência e utilidade no contexto dos dispositivos Palm OS, o formato de imagem PALM tem várias limitações quando comparado a formatos de imagem mais modernos. Por exemplo, ele não suporta imagens em cores verdadeiras (24 bits ou mais), o que limita seu uso em aplicativos que exigem gráficos de alta fidelidade. Além disso, o formato não suporta recursos avançados como camadas, canais alfa (além da transparência simples) ou metadados como EXIF (Formato de Arquivo de Imagem Intercambiável) comumente encontrados em formatos como JPEG ou PNG.
O formato de imagem PALM não é amplamente usado fora dos dispositivos e aplicativos Palm OS. Com o declínio dos PDAs Palm OS e a ascensão de smartphones e outros dispositivos móveis com sistemas operacionais e recursos gráficos mais avançados, o formato PALM tornou-se amplamente obsoleto. Os dispositivos móveis modernos suportam uma ampla gama de formatos de imagem, incluindo JPEG, PNG e GIF, que oferecem maior profundidade de cor, melhor compactação e mais recursos do que o formato PALM.
Para fins históricos e de arquivamento, pode ser necessário converter imagens PALM para formatos mais contemporâneos. Isso pode ser feito usando ferramentas de software especializadas que podem ler o formato PALM e transformá-lo em um formato como PNG ou JPEG. Essas ferramentas normalmente analisam a estrutura do arquivo PALM, extraem os dados de bitmap e a paleta de cores e, em seguida, reconstróem a imagem no formato de destino, preservando o máximo possível da qualidade da imagem original.
Em termos de extensão de arquivo, as imagens PALM normalmente usam a extensão '.pdb' (Banco de Dados Palm), pois são frequentemente armazenadas em arquivos do Banco de Dados Palm, que são contêineres para vários tipos de dados usados por aplicativos Palm OS. Os dados da imagem são armazenados em um registro específico dentro do arquivo PDB, que pode ser acessado pelo aplicativo conforme necessário. Essa integração com o sistema do Banco de Dados Palm facilita o agrupamento de imagens com outros dados do aplicativo, como texto ou configurações de configuração.
A criação e manipulação de imagens PALM requerem uma compreensão das especificações e limitações do formato. Os desenvolvedores que trabalham com o Palm OS normalmente usam kits de desenvolvimento de software (SDKs) fornecidos pela Palm, que incluem ferramentas e documentação para trabalhar com imagens PALM. Esses SDKs fornecem bibliotecas para manipulação de imagens, permitindo que os desenvolvedores criem, modifiquem e exibam imagens PALM em seus aplicativos sem ter que gerenciar os detalhes de baixo nível do formato de arquivo.
Em conclusão, o formato de imagem PALM desempenhou um papel significativo na era dos PDAs Palm OS ao fornecer uma maneira simples e eficiente de lidar com gráficos em dispositivos com recursos limitados. Embora tenha sido superado por formatos de imagem mais avançados no cenário tecnológico atual, entender o formato PALM oferece insights sobre as considerações de design e restrições das plataformas de computação móvel anteriores. Para aqueles que lidam com aplicativos ou dispositivos Palm OS legados, o conhecimento do formato PALM permanece relevante para manter e converter ativos de imagem antigos.
Este conversor é executado inteiramente no seu navegador. Ao selecionar um arquivo, ele é carregado na memória e convertido para o formato selecionado. Você pode baixar o arquivo convertido.
As conversões começam instantaneamente e a maioria dos arquivos são convertidos em menos de um segundo. Arquivos maiores podem levar mais tempo.
Seus arquivos nunca são enviados para nossos servidores. Eles são convertidos no seu navegador e o arquivo convertido é baixado. Nunca vemos seus arquivos.
Suportamos a conversão entre todos os formatos de imagem, incluindo JPEG, PNG, GIF, WebP, SVG, BMP, TIFF e muito mais.
Este conversor é completamente gratuito e sempre será gratuito. Como ele é executado no seu navegador, não precisamos pagar por servidores, então não precisamos cobrar de você.
Sim! Você pode converter quantos arquivos quiser de uma vez. Basta selecionar vários arquivos ao adicioná-los.