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.
DirectDraw Surface (DDS) formatı, öncelikle video oyunlarında ve diğer 3D uygulamalarda dokuları ve küp haritalarını depolamak için kullanılan bir raster görüntü dosya formatıdır. Microsoft tarafından geliştirilen DDS formatı, donanım hızlandırması için optimize edilmiştir ve grafik işleme birimlerinde (GPU'lar) doku verilerinin doğrudan kullanımına olanak tanır. Bu optimizasyon, GPU'nun sıkıştırılmış doku verilerine doğrudan erişmesine izin vererek, CPU tarafından ek işleme veya sıkıştırma ihtiyacını ortadan kaldırarak gerçek zamanlı işleme uygulamalarında görüntülerin yükleme süresini önemli ölçüde azaltır.
DDS formatının temel özelliklerinden biri, görüntü kalitesini önemli ölçüde düşürmeden dosya boyutunu ve doku aktarımı için gereken bant genişliğini azaltan kayıplı bir doku sıkıştırma algoritması olan DirectX Doku Sıkıştırma (DXT) desteğidir. DXT sıkıştırması, sıkıştırma oranı ve kalite arasında farklı bir denge sunan DXT1, DXT3 ve DXT5 olmak üzere çeşitli varyasyonlarda mevcuttur. DXT1, alfa kanalı olmayan veya basit ikili alfa içeren dokular için tasarlanmıştır, DXT3 açık alfa içeren dokular için kullanılır ve DXT5, enterpole edilmiş alfa şeffaflığına sahip dokular için kullanılır.
DDS formatının bir diğer önemli avantajı, mipmapping desteğidir. Mipmap'ler, her biri giderek daha düşük çözünürlüklerde, bir dokunun önceden hesaplanmış, optimize edilmiş sürümleridir. Bu daha küçük dokular, bir nesne kameradan uzaktayken kullanılır ve performansı artırır ve takma adlı eserleri azaltır. Tek bir DDS dosyası içinde bir mipmap zincirinin tamamını depolayarak, oyun motorları, nesneleri dokulamak için izleyiciden uzaklıklarına göre en uygun ayrıntı seviyesini hızlı bir şekilde seçebilir ve böylece işleme verimliliğini daha da artırabilir.
DDS formatı ayrıca küp haritalarının kullanımıyla kübik ortam eşlemesini de destekler. Bir küp haritası, tek bir noktadan görülen bir ortam üzerindeki yansımaları temsil eden altı kare dokudan oluşur ve 3D bir dünyada yansımaları simüle eder. Bu küp haritalarının doğrudan DDS formatında depolanması, gerçek zamanlı uygulamalarda verimli ortam yansımalarına olanak tanır ve 3D grafiklerin sürükleyici kalitesini artırır.
Sıkıştırma ve verimlilik özelliklerine ek olarak, DDS formatı yüksek dinamik aralıklı (HDR) dokuları depolayabilir. HDR dokular, daha geniş bir parlaklık ve renk aralığı sunarak 3D işlemede daha gerçekçi aydınlatma efektleri sağlar. Bu özellik, fotogerçekçi görsel kalite elde etmeyi amaçlayan modern oyun motorları ve grafik yazılımları için çok önemlidir. DDS dosyalarındaki HDR desteği, üst düzey grafik uygulamalarında yaygın olarak kullanılmasına katkıda bulunur.
DDS dosya formatı yapısı, yükseklik, genişlik, piksel verilerinin formatı ve mipmap'lerin veya küp haritalarının varlığını gösteren bayraklar gibi doku verileri hakkında meta veriler içeren bir üst bilgi ve isteğe bağlı ek üst bilgiler içerir. Meta verilere yönelik bu yapılandırılmış yaklaşım, uygulamaların DDS dosyası içindeki doku verilerini, verileri kapsamlı bir şekilde işlemeye veya sorgulamaya gerek kalmadan doğru bir şekilde yorumlamasına ve kullanmasına olanak tanır.
Sayısız avantajına rağmen, DDS formatının sınırlamaları ve zorlukları vardır. Örneğin, DXT sıkıştırması dosya boyutunu önemli ölçüde azaltırken, özellikle yüksek ayrıntı seviyelerine veya karmaşık alfa geçişlerine sahip dokularda eserler oluşturabilir. Sıkıştırma seviyesinin (DXT1, DXT3, DXT5) seçimi, doku görsel sadakatini etkiler ve doku sanatçıları ve geliştiricilerinin projelerinin özel ihtiyaçlarına göre uygun sıkıştırma ayarını seçmeleri çok önemlidir.
DDS formatıyla ilgili bir diğer zorluk, oyun geliştirme ve 3D uygulamalarının dışında sınırlı desteğidir. Video oyun endüstrisinde ve DirectX gibi grafik API'leri tarafından yaygın olarak desteklenip kullanılsa da, DDS dosyaları görüntü düzenleme yazılımları tarafından evrensel olarak desteklenmez. Bu sınırlama, DDS dosyalarının özel yazılımların dışında düzenleme veya görüntüleme için daha evrensel olarak desteklenen formatlara dönüştürülmesini gerektirir ve bu da grafik sanatçıları için iş akışını karmaşıklaştırabilir.
Bununla birlikte, grafik geliştirme araçları ve kitaplıklarındaki gelişmeler bu zorlukların bir kısmını hafifletti. Birçok modern görüntü düzenleme yazılım paketi, DDS formatı için eklentiler veya yerleşik destek sunarak, dönüştürme olmadan DDS dosyalarının doğrudan düzenlenmesine olanak tanır. Dahası, açık kaynaklı kitaplıklar ve araç kitleri, geliştiricilerin DDS desteğini uygulamalarına entegre etmelerini kolaylaştırarak, DDS formatının erişilebilirliğini ve kullanılabilirliğini geleneksel video oyunu ve 3D uygulama nişlerinin ötesine taşıdı.
DDS formatının benimsenmesi, geleneksel video oyunlarının ötesinde sanal gerçeklik (VR), artırılmış gerçeklik (AR) ve profesyonel görselleştirme uygulamaları gibi alanlara kadar uzanmaktadır. Bu alanlarda, DDS formatının verimliliği ve sıkıştırma yetenekleri özellikle değerlidir, çünkü sürükleyici ortamlarda yüksek kaliteli dokuların gerçek zamanlı işlenmesine olanak tanır. Bu, daha karmaşık ve gerçekçi VR ve AR deneyimlerinin ve bilimsel ve endüstriyel uygulamalar için yüksek çözünürlüklü görselleştirme araçlarının geliştirilmesini kolaylaştırdı.
Geleceğe bakıldığında, grafik donanımı ve yazılımının sürekli evrimi, DDS formatının alaka düzeyini ve yeteneklerini daha da artıracaktır. Yeni sıkıştırma algoritmaları, yüksek dinamik aralıklı görüntüleme için daha gelişmiş destek ve ortaya çıkan işleme teknikleri için geliştirilmiş destek, DDS spesifikasyonuna entegre edilebilir. Bu gelişmeler, DDS formatının en son 3D grafikler ve oyun teknolojilerinin geliştirilmesinde önemli bir araç olarak hizmet etmeye devam etmesini sağlayacaktır.
Sonuç olarak, DDS görüntü formatı, gerçek zamanlı işleme taleplerine göre uyarlanmış verimlilik, kalite ve esneklik karışımı sunan, 3D grafikler ve oyun geliştirme alanında çok önemli bir teknolojiyi temsil etmektedir. Çeşitli sıkıştırma algoritmaları, mipmapping, küp haritaları ve yüksek dinamik aralıklı görüntüleme desteği, görsel kalite ve performans sınırlarını zorlamayı amaçlayan geliştiriciler için vazgeçilmez bir format haline getirmektedir. Benimsenmesiyle ilgili bazı zorluklara ve sıkıştırma yoluyla eserlerin ortaya çıkmasına rağmen, DDS formatı, sektördeki devam eden destek ve geliştirmelerle alaka düzeyini koruyan modern 3D grafik uygulamalarının temel taşı olmaya devam etmektedir.
Bu dönüştürücü tamamen tarayıcınızda çalışır. Bir dosya seçtiğinizde, belleğe okunur ve seçilen biçime dönüştürülür. Ardından dönüştürülen dosyayı indirebilirsiniz.
Dönüştürmeler anında başlar ve çoğu dosya bir saniyeden kısa sürede dönüştürülür. Daha büyük dosyalar daha uzun sürebilir.
Dosyalarınız asla sunucularımıza yüklenmez. Tarayıcınızda dönüştürülürler ve dönüştürülen dosya daha sonra indirilir. Dosyalarınızı asla görmeyiz.
JPEG, PNG, GIF, WebP, SVG, BMP, TIFF ve daha fazlası dahil olmak üzere tüm resim formatları arasında dönüştürmeyi destekliyoruz.
Bu dönüştürücü tamamen ücretsizdir ve her zaman ücretsiz olacaktır. Tarayıcınızda çalıştığı için sunucular için ödeme yapmamıza gerek yoktur, bu nedenle sizden ücret almamıza gerek yoktur.
Evet! İstediğiniz kadar dosyayı aynı anda dönüştürebilirsiniz. Sadece eklerken birden fazla dosya seçin.