Optik Karakter Tanıma (OCR) metin resimlerini—taramaları, akıllı telefon fotoğraflarını, PDF'leri—makine tarafından okunabilir dizelere ve giderek artan bir şekilde yapılandırılmış verilere dönüştürür. Modern OCR, bir görüntüyü temizleyen, metni bulan, okuyan ve zengin meta verileri dışa aktaran bir boru hattıdır böylece alt sistemler alanları arayabilir, dizine ekleyebilir veya çıkarabilir. Yaygın olarak kullanılan iki çıktı standardı şunlardır: hOCR, metin ve düzen için bir HTML mikroformatı ve ALTO XML, bir kütüphane/arşiv odaklı şema; her ikisi de konumları, okuma sırasını ve diğer düzen ipuçlarını korur ve gibi popüler motorlar tarafından desteklenir Tesseract.
Ön işleme. OCR kalitesi görüntü temizleme ile başlar: gri tonlamaya dönüştürme, gürültü giderme, eşikleme (ikili hale getirme) ve eğrilik düzeltme. Kanonik OpenCV eğitimleri küresel, uyarlanabilir ve Otsu eşikleme—düzensiz aydınlatmalı veya bimodal histogramlı belgeler için temel unsurlar. Bir sayfa içinde aydınlatma değiştiğinde (telefon fotoğraflarını düşünün), uyarlanabilir yöntemler genellikle tek bir küresel eşikten daha iyi performans gösterir; Otsu histogramı analiz ederek otomatik olarak bir eşik seçer. Eğim düzeltme de aynı derecede önemlidir: Hough tabanlı eğrilik düzeltme (Hough Çizgi Dönüşümü) Otsu ikilileştirmesi ile eşleştirilmiş, üretim ön işleme boru hatlarında yaygın ve etkili bir reçetedir.
Tespit ve tanıma. OCR tipik olarak metin tespiti (metin nerede ?) ve metin tanıma (ne diyor?) olarak ikiye ayrılır. Doğal sahnelerde ve birçok taramada, tamamen evrişimli dedektörler gibi EAST ağır teklif aşamaları olmadan kelime veya satır düzeyinde dörtgenleri verimli bir şekilde tahmin eder ve yaygın araç setlerinde (ör. OpenCV’nin metin tespiti eğitimi) uygulanır. Karmaşık sayfalarda (gazeteler, formlar, kitaplar), satırların/bölgelerin segmentasyonu ve okuma sırası çıkarımı önemlidir:Kraken geleneksel bölge/satır segmentasyonunu ve sinirsel temel çizgi segmentasyonunu uygular, farklı komut dosyaları ve yönler (LTR/RTL/dikey) için açık destek ile.
Tanıma modelleri. Klasik açık kaynaklı iş gücü Tesseract (Google tarafından açık kaynaklı hale getirildi, kökleri HP'ye dayanıyor) bir karakter sınıflandırıcısından LSTM tabanlı bir dizi tanıyıcıya dönüştü ve aranabilir PDF'ler, hOCR/ALTO dostu çıktılarve daha fazlasını CLI'den yayabilir. Modern tanıyıcılar, önceden bölümlenmiş karakterler olmadan dizi modellemesine güvenir. Bağlantıcı Geçici Sınıflandırma (CTC) temel olmaya devam ediyor, girdi özellik dizileri ve çıktı etiket dizileri arasındaki hizalamaları öğreniyor; el yazısı ve sahne metni boru hatlarında yaygın olarak kullanılıyor.
Son birkaç yılda, Transformer'lar OCR'yi yeniden şekillendirdi. TrOCR bir görüş Transformer kodlayıcı artı bir metin Transformer kod çözücü kullanır, büyük sentetik korpuslar üzerinde eğitilmiş ve ardından gerçek veriler üzerinde ince ayar yapılmış, basılı, el yazısı ve sahne metni karşılaştırmalarında güçlü performansla (ayrıca bkz. Hugging Face belgeleri). Paralel olarak, bazı sistemler alt akım anlama için OCR'yi atlar: Donut (Belge Anlama Transformer'ı) doğrudan yapılandırılmış cevaplar (anahtar-değer JSON gibi) üreten OCR'siz bir kodlayıcı-kod çözücüdür belge resimlerinden (repo, model kartı), ayrı bir OCR adımı bir IE sistemini beslediğinde hata birikimini önler.
Birçok komut dosyasında pille birlikte metin okuma istiyorsanız, EasyOCR 80'den fazla dil modeliyle basit bir API sunar, kutular, metin ve güvenilirlikler döndürür—prototipler ve Latin olmayan komut dosyaları için kullanışlıdır. Tarihi belgeler için, Kraken temel çizgi segmentasyonu ve komut dosyasına duyarlı okuma sırası ile parlar; esnek satır düzeyinde eğitim için, Calamari Ocropy soyundan gelir (Ocropy) (çoklu)LSTM+CTC tanıyıcıları ve özel modelleri ince ayarlamak için bir CLI ile.
Genelleme verilere bağlıdır. El yazısı için, IAM El Yazısı Veritabanı eğitim ve değerlendirme için yazar açısından çeşitli İngilizce cümleler sağlar; bu, satır ve kelime tanıma için uzun süredir devam eden bir referans setidir. Sahne metni için, COCO-Text MS-COCO üzerine kapsamlı ek açıklamalar katmanladı, basılı/el yazısı, okunaklı/okunaksız, komut dosyası ve tam transkripsiyonlar için etiketlerle (ayrıca orijinal proje sayfasınabakın). Alan ayrıca sentetik ön eğitime de büyük ölçüde güvenir: Vahşi Doğada SynthText gerçekçi geometri ve aydınlatma ile fotoğraflara metin işler, önceden eğitmek için büyük hacimli veriler sağlar dedektörler ve tanıyıcılar (referans kod ve veri).
ICDAR’ın Sağlam Okuma şemsiyesi altındaki yarışmalar değerlendirmeyi temellendirir. Son görevler uçtan uca tespit/okumayı vurgular ve kelimeleri ifadelere bağlamayı içerir, resmi kod raporlaması kesinlik/geri çağırma/F-skoru, kesişim-üzeri-birleşim (IoU) ve karakter düzeyinde düzenleme mesafesi metrikleri—uygulayıcıların izlemesi gerekenleri yansıtır.
OCR nadiren düz metinle biter. Arşivler ve dijital kütüphaneler ALTO XML 'i tercih eder çünkü içeriğin yanı sıra fiziksel düzeni (koordinatlı bloklar/satırlar/kelimeler) kodlar ve METS paketlemesiyle iyi eşleşir. hOCR mikroformatı ise aynı fikri ocr_line ve ocrx_word gibi sınıfları kullanarak HTML/CSS'ye gömer, bu da web araçlarıyla görüntülemeyi, düzenlemeyi ve dönüştürmeyi kolaylaştırır. Tesseract her ikisini de sunar—örneğin, doğrudan CLI'den hOCR veya aranabilir PDF'ler oluşturma (PDF çıktı kılavuzu); pytesseract gibi Python sarmalayıcıları kolaylık sağlar. Depoların sabit alım standartları olduğunda hOCR ve ALTO arasında çeviri yapmak için dönüştürücüler mevcuttur—bu derlenmiş listeye bakın OCR dosya formatı araçları.
En güçlü eğilim yakınsamadır: tespit, tanıma, dil modelleme ve hatta göreve özgü kod çözme birleşik Transformer yığınlarında birleşiyor. büyük sentetik korpuslar üzerinde ön eğitim bir güç çarpanı olmaya devam ediyor. OCR'siz modeller, hedefin kelimesi kelimesine transkriptler yerine yapılandırılmış çıktılar olduğu her yerde agresif bir şekilde rekabet edecektir. Hibrit dağıtımlar da bekleyin: uzun biçimli metin için hafif bir dedektör artı bir TrOCR tarzı tanıyıcı ve formlar ve makbuzlar için bir Donut tarzı model.
Tesseract (GitHub) · Tesseract belgeleri · hOCR özellikleri · ALTO arka planı · EAST dedektörü · OpenCV metin tespiti · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · IAM el yazısı · OCR dosya formatı araçları · EasyOCR
Optical Character Recognition (OCR), tarama yapılan kağıt belgeler, PDF dosyaları veya dijital bir kamera ile çekilen fotoğraflar gibi çeşitli belgeleri düzenlenebilir ve aranabilir bilgilere çevirmek için kullanılan bir teknolojidir.
OCR, giriş görüntüsünü veya belgeyi tarayarak, görüntüyü bireysel karakterlere ayırarak ve her karakteri bir karakter şekli veritabanı ile pattern recognition veya feature recognition kullanarak karşılaştırarak çalışır.
OCR, basılı belgelerin dijitalleştirilmesi, metinden sesli hizmetlerin etkinleştirilmesi, veri giriş süreçlerinin otomatikleştirilmesi ve görme engelli kullanıcıların metinle daha iyi etkileşim kurması gibi farklı sektörlerde ve uygulamalarda kullanılır.
OCR teknolojisinde büyük gelişmeler kaydedilmiş olmasına rağmen, hâlâ hatalar olabilir. Doğruluk, orijinal belgenin kalitesine ve kullanılan OCR yazılımının özelliklerine bağlı olarak değişir.
OCR, temel olarak basılmış metin için tasarlanmıştır, ancak bazı gelişmiş OCR sistemleri, net ve tutarlı el yazısını da tanıyabilir. Ancak, bireysel yazı stillerindeki büyük varyasyonlar nedeniyle, genellikle el yazısının tanınması daha az doğrudur.
Evet, birçok OCR yazılım sistemi birden fazla dili tanıyabilir. Ancak, belirli bir dilin desteklendiğinden emin olmak için kullanılan yazılımı kontrol etmek önemlidir.
OCR, Optical Character Recognition anlamına gelir ve basılı metni tanımak için kullanılır, ICR ise Intelligent Character Recognition anlamına gelir ve daha gelişmiş olup el yazısını tanımak için kullanılır.
OCR, açık, okunabilir fontlar ve standart metin boyutlarıyla en iyi sonucu verir. Farklı fontlar ve boyutlarla da çalışabilir, ancak alışılmadık fontlar veya çok küçük metin boyutlarıyla karşılaştığında doğruluk genellikle azalır.
OCR, düşük çözünürlüklü belgeler, karmaşık fontlar, zayıf basılan metinler, el yazısı ve metni engelleyen arka planları olan belgelerle zorlanabilir. Ayrıca, birçok dili destekleyebilme özelliğine rağmen, her dili mükemmel bir şekilde kapsayamayabilir.
Evet, OCR, renkli metin ve arka planları tarayabilir, ancak genellikle yüksek kontrastlı renk kombinasyonları, örneğin beyaz arka plan üzerinde siyah metin, ile daha etkilidir. Metin ve arka plan rengi yeterli kontrast oluşturmadığında doğruluk düşebilir.
CUR resim formatı, genellikle Microsoft Windows işletim sistemiyle ilişkilendirilir ve özellikle fare imleçlerinin kullanımı için tasarlanmıştır. Birincil olarak simgeler için kullanılan ICO dosya formatının bir çeşididir. CUR ve ICO formatları arasındaki temel fark, CUR formatında bir etkin noktanın bulunmasıdır. Etkin nokta, imlecin tıklama eyleminin tam konumunu belirleyen koordinatlarla tanımlanan belirlenmiş bir noktadır. Bu benzersiz özellik, grafiksel kullanıcı arayüzleriyle (GUI'ler) doğru etkileşim sağlamak için çok önemlidir.
İçsel olarak, CUR dosya formatı ICO formatına benzer şekilde yapılandırılmıştır ve bir simge dizini, dosyadaki her görüntü için bir dizin girişi ve görüntü bit eşlem verilerinin kendisini içerir. Simge dizini, CUR dosyasındaki görüntü sayısını belirtirken, her dizin girişi görüntünün boyutları, renk derinliği ve bit eşlemin dosyadaki ofseti gibi bilgiler içerir. Bu format, CUR dosyalarının birden fazla görüntü içermesine izin vererek animasyonlu imleçlerin veya farklı çözünürlüklere sahip imleçlerin uygulanmasını sağlar.
CUR dosyalarının kritik yönlerinden biri, çeşitli piksel formatlarını ve renk derinliklerini desteklemeleridir. Bu esneklik, geliştiricilerin performanstan ödün vermeden görsel olarak karmaşık ve estetik açıdan hoş imleçler oluşturmalarına olanak tanır. CUR formatı, tek renkli (1 bit) ile alfa kanallı 32 bit gerçek renk arasında değişen renk derinliklerini destekleyebilir. Alfa kanalı, yarı saydam imleçlerin işlenmesini sağladığı için özellikle önemlidir ve bu da yumuşak kenarlar ve gölgeler sağlar, böylece kullanıcı arayüzünün genel görünümünü ve hissini geliştirir.
Daha önce bahsedilen etkin nokta, bir CUR dosyasındaki gerçek bit eşlem verilerinden önce gelen DIB (Cihazdan Bağımsız Bit Eşlem) başlığında tanımlanır. Etkin noktanın koordinatları tipik olarak imleç görüntüsünün sol üst köşesinden piksel cinsinden belirtilir. Bu kesin tanım, işletim sisteminin imlecin "aktif" kısmının nerede olduğunu yorumlamasını sağlar ve kullanıcının tıkladığında doğru alanın yanıt vermesini sağlar. İmleç işlevselliğinde doğruluk ve öngörülebilirlik sağlayarak kullanıcı deneyimini önemli ölçüde etkileyen küçük ama çok önemli bir ayrıntıdır.
CUR dosyaları oluşturmak ve düzenlemek, etkin nokta koordinatlarını ayarlama ve çeşitli renk derinliklerini yönetme dahil olmak üzere formatın benzersiz yönlerini ele alabilen özel yazılım gerektirir. İmleç oluşturmak için çok sayıda ticari ve ücretsiz uygulama mevcut olsa da, CUR formatının teknik özelliklerini anlamak, Windows uygulamaları veya web siteleri için özel imleçler geliştirmeyi amaçlayan profesyoneller için çok önemlidir. Bu bilgi, formatın yeteneklerinden tam olarak yararlanmalarını ve imleçlerinin hem işlevsel hem de görsel olarak ilgi çekici olmasını sağlar.
CUR formatının bir diğer önemli özelliği, Windows işletim sistemi içindeki geriye dönük uyumluluğu ve entegrasyonudur. İlk Windows sürümlerinin piyasaya sürülmesinden bu yana CUR formatı, imleçler için standart olmuştur. Bu tür bir entegrasyon, CUR dosyalarının ek yazılım veya sürücülere ihtiyaç duymadan doğal olarak desteklenmesini sağlar ve imleçlerin doğru şekilde işlenmesini sağlar. Bu sorunsuz entegrasyon, formatın sağlam tasarımının ve Windows içinde tutarlı ve kullanıcı dostu bir arayüzün korunmasındaki öneminin bir kanıtıdır.
CUR formatı ayrıca, birden fazla çözünürlüğü destekleyerek imleç tasarımının optimize edilmesini teşvik eder. CUR dosyaları farklı boyutlarda görüntüler içerebildiğinden, yazılım geliştiricileri çeşitli ekran çözünürlükleri ve boyutlarında keskin ve net görünen imleçler tasarlayabilirler. Bu özellik, geleneksel monitörlerden yüksek çözünürlüklü dizüstü bilgisayarlara ve tabletlere kadar çok çeşitli ekran teknolojilerinin ve çözünürlüklerinin bulunduğu modern bilgi işlem ortamlarında giderek daha önemli hale gelmektedir. Tek bir CUR dosyasına birden fazla imleç boyutu ekleyerek, geliştiriciler imleçlerin tüm cihazlarda görsel olarak çekici ve işlevsel kalmasını sağlayarak kullanıcı deneyimini geliştirebilirler.
Avantajlarına rağmen, CUR formatının da sınırlamaları vardır. En önemli sınırlama, Windows işletim sistemi içindeki imleçler için özel kullanım durumudur. Bu uzmanlık, CUR dosyalarının PNG veya JPEG gibi çok çeşitli amaçlara hizmet edebilen diğer görüntü formatları kadar çok yönlü olmadığı anlamına gelir. Ayrıca, CUR dosyaları oluşturmak ve düzenlemek için belirli yazılımlara güvenmek bazı kullanıcılar için bir engel olabilir. Ancak, Windows ortamındaki amaçlanan amacı için CUR formatı işlevsellik ve entegrasyon açısından rakipsizdir.
İmleç kullanımı ve tasarımındaki teknik gelişmeler, CUR dosyaları için standartların ve en iyi uygulamaların geliştirilmesine yol açmıştır. Örneğin, ana hat, dolgu ve gölge gibi imleç estetiğine dikkat etmek, bir kullanıcının etkileşimin aktif noktasını hızlı ve doğru bir şekilde tanımlama yeteneğini önemli ölçüde etkileyebilir. Ayrıca, imleçleri tasarlarken kullanıcının deneyimini farklı arka plan renkleri ve dokuları üzerinde düşünmek çok önemlidir. Bu, imlecin çeşitli arka planlara karşı farklı ve görünür kalmasını sağlamayı içerir ve potansiyel olarak aynı imleç için farklı renk şemaları veya tasarımların kullanılmasını gerektirir.
Yazılım geliştirme ve kullanıcı arayüzü tasarımı alanında CUR formatı, niş olsa da grafik arayüzlerle kullanıcı etkileşiminde kritik bir rol oynayan özel bir araçtır. Etkin noktaları tanımlama ve değişen renk derinliklerini ve çözünürlükleri destekleme yeteneği, sezgisel ve görsel olarak ilgi çekici imleçler oluşturmak isteyen geliştiriciler için güçlü bir seçenek haline getirir. İyi tasarım uygulamalarıyla birleştirildiğinde, CUR dosyaları yazılım uygulamalarının ve web sitelerinin kullanılabilirliğini ve estetik çekiciliğini önemli ölçüde artırabilir.
Teknoloji geliştikçe, CUR dosya işlevselliği ve desteğinde gelecekteki gelişmeler için potansiyel vardır. Formatın temelleri yıllar içinde nispeten istikrarlı kalsa da, yüksek DPI ekranlar ve sanal gerçeklik ortamları gibi yeni teknolojiler, CUR formatında geliştirmeler veya tamamen yeni imleç formatlarının geliştirilmesini gerektirebilir. Bu tür gelişmeler, yeni arayüz türlerine uyacak ve sürükleyici ortamlarda kullanıcı etkileşimini geliştirecek daha yüksek çözünürlük desteği, daha gelişmiş animasyon yetenekleri veya hatta 3D imleç tasarımları içerebilir.
Sonuç olarak, CUR görüntü formatı, Windows'taki kullanıcı arayüzlerinin tasarımı ve işlevselliğinde hayati bir rol oynar. Etkin nokta tanımı ve birden fazla çözünürlük ve renk derinliğini destekleme gibi özel tasarımı ve özellikleri, hem işlevsel hem de görsel olarak çekici imleçler oluşturmak için onu vazgeçilmez bir araç haline getirir. Kullanım durumu ve oluşturma ve düzenleme için özel yazılıma ihtiyaç duyulması konusunda sınırlamaları olsa da, CUR formatı Windows kullanıcı deneyiminin vazgeçilmez bir parçası olmaya devam etmektedir. CUR formatının teknik yönlerini anlamak ve bunlardan yararlanmak, yazılım geliştirmeyi önemli ölçüde etkileyebilir ve düşünceli imleç tasarımı yoluyla kullanıcı etkileşimini geliştirme fırsatları sunar.
Bu dönüştürücü tamamen tarayıcınızda çalışır. Bir dosya seçtiğinizde, belleğe okunur ve seçilen formata dönüştürülür. Daha sonra dönüştürülmüş dosyayı indirebilirsiniz.
Dönüştürmeler anında başlar ve çoğu dosya bir saniyenin altında dönüştürülür. Daha büyük dosyalar daha uzun sürebilir.
Dosyalarınız hiçbir zaman sunucularımıza yüklenmez. Tarayıcınızda dönüştürülür ve dönüştürülmüş dosya daha sonra indirilir. Dosyalarınızı asla görmeyiz.
Tüm görüntü formatları arasında dönüştürme destekliyoruz, bunlar arasında JPEG, PNG, GIF, WebP, SVG, BMP, TIFF ve daha fazlası bulunuyor.
Bu dönüştürücü tamamen ücretsizdir ve her zaman ücretsiz kalacaktır. Tarayıcınızda çalıştığı için sunucular için ödeme yapmamıza gerek yok, bu yüzden size ücret talep etmiyoruz.
Evet! İstediğiniz kadar dosyayı aynı anda dönüştürebilirsiniz. Sadece eklerken birden fazla dosya seçin.