Оптическое распознавание символов (OCR) преобразует изображения текста — сканы, фотографии со смартфона, PDF-файлы — в машиночитаемые строки и, все чаще, в структурированные данные. Современное OCR — это конвейер, который очищает изображение, находит текст, читает его и экспортирует богатые метаданные, чтобы последующие системы могли искать, индексировать или извлекать поля. Два широко используемых стандарта вывода: hOCR, микроформат HTML для текста и макета, и ALTO XML, схема, ориентированная на библиотеки/архивы; оба сохраняют позиции, порядок чтения и другие подсказки макета и поддерживаются популярными движками, такими как Tesseract.
Предварительная обработка. Качество OCR начинается с очистки изображения: преобразования в оттенки серого, удаления шума, пороговой обработки (бинаризации) и выравнивания. Канонические учебные пособия по OpenCV охватывают глобальную, адаптивную и пороговую обработку Оцу — основные методы для документов с неравномерным освещением или бимодальными гистограммами. Когда освещение меняется в пределах страницы (подумайте о снимках с телефона), адаптивные методы часто превосходят один глобальный порог; Оцу автоматически выбирает порог, анализируя гистограмму. Коррекция наклона не менее важна: выравнивание н а основе преобразования Хафа (преобразование Хафа для линий) в паре с бинаризацией Оцу является распространенным и эффективным рецептом в производственных конвейерах предварительной обработки.
Обнаружение и распознавание. OCR обычно делится на обнаружение текста (где находится текст?) и распознавание текста (что он говорит?). В естественных сценах и многих сканах полностью сверточные детекторы, такие как EAST , эффективно предсказывают четырехугольники на уровне слов или строк без тяжелых этапов предложения и реализованы в общих наборах инструментов (например, учебное пособие по обнаружению текста в OpenCV). На сложных страницах (газеты, формы, книги) важны сегментация строк/областей и определение порядка чтения:Kraken реализует традиционную сегментацию зон/строк и нейронную сегментацию базовой линии с явной поддержкой различных письменностей и направлений (слева направо/справа налево/вертикально).
Модели распознавания. Классическая рабочая лошадка с открытым исходным кодом Tesseract (с открытым исходным кодом от Google, с корнями в HP) эволюционировала от классификатора символов до распознавателя последовательностей на основе LSTM и может выдавать PDF с возможностью поиска, выходные данные, дружественные к hOCR/ALTO, и многое другое из командной строки. Современные распознаватели полагаются на моделирование последовательностей без предварительно сегментированных символов. Коннективистская временная классификация (CTC) остается основополагающей, изучая выравнивания между последовательностями входных признаков и строками выходных меток; она широко используется в конвейерах для распознавания рукописного ввода и текста на сцене.
В последние несколько лет трансформеры изменили OCR. TrOCR ис пользует кодировщик Vision Transformer и декодер Text Transformer, обученный на больших синтетических корпусах, а затем доработанный на реальных данных, с высокой производительностью на тестах печатного, рукописного и сценического текста (см. также документацию Hugging Face). Параллельно некоторые системы обходят OCR для последующего понимания: Donut (Document Understanding Transformer) — это кодировщик-декодер без OCR, который напрямую выводит структурированные ответы (например, JSON «ключ-значение») из изображений документов (репозиторий, карточка модели), избегая накопления ошибок, когда отдельный шаг OCR передает данные в систему извлечения информации.
Если вам нужно готовое решение для чтения текста на многих языках, EasyOCR предлагает простой API с более чем 80 языковыми моделями, возвращающий рамки, текст и достоверность — у добно для прототипов и нелатинских письменностей. Для исторических документов Kraken отличается сегментацией базовой линии и порядком чтения с учетом письменности; для гибкого обучения на уровне строк Calamari основан на наследии Ocropy (Ocropy) с распознавателями (multi-)LSTM+CTC и CLI для тонкой настройки пользовательских моделей.
Обобщение зависит от данных. Для рукописного ввода база данных рукописного ввода IAM предоставляет разнообразные по авторам английские предложения для обучения и оценки; это давний эталонный набор для распознавания строк и слов. Для текста на сцене COCO-Text наложил обширные аннотации на MS-COCO с метками для печатного/рукописного, разборчивого/неразборчивого, письменности и полных транскрипций (см. также оригинальную страницу проекта). Эта область также в значительной степени зависит от синтетического предварительного обучения: SynthText in the Wild визуализирует текст на фотографиях с реалистичной геометрией и освещением, предоставляя огромные объемы данных для предварительного обучения детекторов и распознавателей (ссылка на код и данные).
Соревнования под эгидой ICDAR’s Robust Reading сохраняют обоснованность оценки. Последние задачи подчеркивают сквозное обнаружение/чтение и включают связывание слов во фразы, с официальным кодом, сообщающим точность/полноту/F-меру, пересечение над объединением (IoU) и метрики расстояния редактирования на уровне символов, что отражает то, что должны отслеживать практики.
OCR редко заканчивается простым текстом. Архивы и цифровые библиотеки предпочитают ALTO XML , потому что он кодирует физический макет (блоки/строки/слова с координатами) вместе с содержимым, и он хорошо сочетается с упаковкой METS. Микроформат hOCR , напротив, встраивает ту же идею в HTML/CSS, используя классы, такие как ocr_line и ocrx_word, что упрощает отображение, редактирование и преобразование с помощью веб-инструментов. Tesseract предоставляет оба варианта, например, генерируя hOCR или PDF с возможностью поиска прямо из командной строки (руководство по выводу PDF); оболочки Python, такие как pytesseract , добавляют удобства. Существуют преобразователи для перевода между hOCR и ALTO, когда в репозиториях есть фиксированные стандарты приема — см. этот тщательно подобранный список инструментов для формата файлов OCR.
Самая сильная тенденция — это конвергенция: обнаружение, распознавание, языковое моделирование и даже декодирование для конкретных задач объединяются в единые стеки трансформеров. Предварительное обучение на больших синтетических корпусах остается мультипликатором силы. Модели без OCR будут агрессивно конкурировать везде, где целью являются структурированные выходные данные, а не дословные транскрипции. Ожидайте также гибридных развертываний: легкий детектор плюс распознаватель в стиле TrOCR для длинного текста и модель в стиле Donut для форм и квитанций.
Tesseract (GitHub) · Документация Tesseract · Спецификация hOCR · Фон ALTO · Детектор EAST · Обнаружение текста OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · Рукописный ввод IAM · Инструменты формата файлов OCR · EasyOCR
Оптическое распознавание символов (OCR) - это технология, используемая для преобразования различных типов документов, таких как отсканированные бумажные документы, PDF-файлы или изображения, снятые цифровой камерой, в данные, которые можно редактировать и искать.
OCR сканирует входное изображение или документ, разбирает изображение на отдельные символы, а затем сравнивает каждый символ с базой данных форм символов, используя распознавание по образцу или распознавание по признакам.
OCR используется в различных отраслях и приложениях, включая цифровизацию печатных документов, использование услуг перевода текста в речь, автоматизацию процесса ввода данных и помощь людям с нарушениями зрения в более качественном взаимодействии с текстом.
Несмотря на значительные усовершенствования технологии OCR, она не абсолютно надежна. Точность может варьироваться в зависимости от качества исходного документа и конкретных характеристик используемого ПО OCR.
Хотя OCR в основном предназначен для распознавания печатного текста, некоторые продвинутые системы OCR также могут распознавать чистописание. Однако точность распознавания рукописного текста обычно ниже из-за вариативности индивидуальных стилей письма.
Да, многие программы OCR могут распознавать множество языков. Однако следует убедиться, что используемое вами программное обеспечение поддерживает конкретный язык.
OCR - это аббревиатура от Optical Character Recognition (оптическое распознавание символов), которое используется для распознавания печатного текста, в то время как ICR, или Intelligent Character Recognition (интеллектуальное распознавание символов), это более продвинутая технология, которая используется для распознавания рукописного тек ста.
OCR наиболее эффективен при обработке четких, легко читаемых шрифтов и стандартных размеров текста. Хотя он способен распознавать различные шрифты и размеры, его точность может снизиться при обработке нестандартных шрифтов или очень мелкого текста.
У OCR может быть проблемы при обработке документов с низким разрешением, сложных шрифтов, текста с плохим качеством печати, рукописного текста или документов, где текст плохо сочетается с фоном. Кроме того, хотя OCR может распознавать многие языки, он может не покрывать все языки идеально.
Да, OCR может сканировать цветной текст и фоны, хотя он наиболее эффективен при работе с комбинациями цветов с высоким контрастом, такими как черный текст на белом фоне. Если контраст между цветом текста и фона недостаточен, точность может снизиться.
Формат JPEG 2000 Multi-layer (JPM) является расширением стандарта JPEG 2000, который представляет собой стандарт сжатия изображений и систему кодирования. Он был создан комитетом Joint Photographic Experts Group в 2000 году с целью замены оригинального стандарта JPEG. JPEG 2000 известен своей высокой эффективностью сжатия и способностью обрабатывать широкий спектр типов изображений, включая черно-белые, цветные и многокомпонентные изображения. Формат JPM специально расширяет возможности JPEG 2000, включая поддержку составных документов, которые могут содержать смесь текста, графики и изображений.
JPM определен в части 6 пакета JPEG 2000 (ISO/IEC 15444-6) и предназначен для инкапсуляции нескольких изображений и связанных данных в одном файле. Это делает его особенно полезным для таких приложений, как обработка изображений документов, медицинская визуализация и техническая визуализация, где необходимо хранить вместе различные типы контента. Формат JPM позволяет эффективно хранить страницы в документе, каждая из которых может содержать несколько областей изображений с различными характеристиками, а также неизобразительные данные, такие как аннотации или метаданные.
Одной из ключевых особенностей JPM является использование потока кода JPEG 2000 (JPX), который является расширенной версией базового потока кода JPEG 2000 (JP2). JPX поддерживает более широкий спектр цветовых пространств, более сложные метаданные и более высокую глубину битов. В файле JPM каждое изображение или «слой» хранится как отдельный поток кода JPX. Это позволяет сжимать каждый слой в соответствии с его собственными характеристиками, что может привести к более эффективному сжатию и более качественным результатам, особенно для составных документов с различными типами контента.
Структура файла JPM является иерархической и состоит из ряда блоков. Блок — это автономный блок, который включает заголовок и данные. Заголовок указывает тип и длину блока, а данные содержат фактическое содержимое. Блок верхнего уровня в файле JPM — это блок подписи, который идентифицирует файл как файл семейства JPEG 2000. За блоком подписи следуют блоки типа файла, блоки загол овка и блоки содержимого, среди прочего. Блоки заголовка содержат информацию о файле, такую как количество страниц и атрибуты каждой страницы, а блоки содержимого содержат данные изображения и любые связанные неизобразительные данные.
С точки зрения сжатия файлы JPM могут использовать как методы сжатия без потерь, так и с потерями. Сжатие без потерь гарантирует, что исходные данные изображения могут быть идеально восстановлены из сжатых данных, что имеет решающее значение для приложений, где целостность изображения имеет первостепенное значение, таких как медицинская визуализация. Сжатие с потерями, с другой стороны, позволяет уменьшить размер файла за счет отбрасывания части данных изображения, что может быть приемлемо в ситуациях, когда не требуется идеальная точность.
JPM также поддерживает концепцию «прогрессивного декодирования», что означает, что можно отобразить версию изображения с низким разрешением, пока изображение с полным разрешением все еще загружается или обрабатывается. Это особенно полезно для больших изображений или медленных сетевых подключений, поскольку позволяет пользователям быстро просматривать изображение, не дожидаясь, пока весь файл станет доступным.
Еще одним важным аспектом JPM является поддержка метаданных. Метаданные в файлах JPM могут включать информацию о документе, такую как автор, название и ключевые слова, а также информацию о каждом изображении, такую как дата съемки, настройки камеры и географическое положение. Эти метаданные можно хранить в формате XML, что делает их легкодоступными и изменяемыми. Кроме того, JPM поддерживает включение профилей ICC, которые определяют цветовое пространство изображений, обеспечивая точное воспроизведение цветов на разных устройствах.
Файлы JPM также способны хранить несколько версий изображения, каждая с разным разрешением или настройками качества. Эта функция, известная как «многослойность», обеспечивает более эффективное хранение и передачу, поскольку соответствующую версию изображения можно выбрать в зависимости от конкретных потребностей приложения или доступной пропускной способности.
Безопасность — еще одна область, в которой JPM предоставляет надежные функции. Формат поддерживает включение цифровых подписей и шифрования, которые можно использовать для проверки подлинности документа и защиты конфиденциальной информации. Это особенно важно в таких областях, как управление юридическими и медицинскими документами, где целостность и конфиденциальность документов имеют первостепенное значение.
Несмотря на множество преимуществ, формат JPM не получил широкого распространения, особенно на потребительском рынке. Это отчасти связано со сложностью формата и вычислительными ресурсами, необходимыми для обработки файлов JPM. Кроме того, семейство стандартов JPEG 2000, включая JPM, было подвержено проблемам лицензирования патентов, что препятствовало его принятию по сравнению с оригинальным стандартом JPEG, который обычно не обременен патентами.
Для разработчиков программного обеспечения и инженеров, работающих с файлами JPM, доступно несколько библиотек и инструментов, которые обеспечивают поддержку формата. К ним относятся библиотека OpenJPEG, которая является открытым кодеком JPEG 2000, и коммерческие предложения от различных компаний, занимающихся программным обеспечением для обработки изображений. При работе с файлами JPM разработчики должны быть знакомы с синтаксисом потока кода JPEG 2000, а также с конкретными требованиями к обработке составных документов и метаданных.
В заключение, формат изображения JPM является мощным расширением стандарта JPEG 2000, который предлагает ряд функций, подходящих для хранения и управления составными документами. Его поддержка нескольких слоев изображений, прогрессивного декодирования, метаданных, многослойности и функций безопасности делают его идеальным выбором для профессиональных и технических приложений, где качество изображения и целостность документа имеют решающее значение. Хотя он может быть не таким распространенным, как другие форматы изображений, его специализированные возможности гарантируют, что он остается важным инструментом в таких областях, как обработка изображений документов и медицинская визуализация.
Этот конвертер полностью работает в вашем браузере. Когда вы выбираете файл, он загружается в память и преобразуется в выбранный формат. Затем вы можете скачать преобразованный файл.
Преобразования начинаются мгновенно, и большинство файлов преобразуются за считанные секунды. Более крупные файлы могут занимать больше времени.
Ваши файлы никогда не загружаются на наши серверы. Они преобразуются в вашем браузере, а затем скачиваются. Мы никогда не видим ваши файлы.
Мы поддерживаем преобразование между всеми форматами изображений, включая JPEG, PNG, GIF, WebP, SVG, BMP, TIFF и другие.
Этот конвертер полностью бесплатен и всегда будет бесплатным. Поскольку он работает в вашем браузere, нам не нужно платить за серверы, поэтому мы не взимаем плату с вас.
Да! Вы можете преобразовать сколько угодно фа йлов одновременно. Просто выберите несколько файлов при их добавлении.