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.
EPSI (Encapsulated PostScript Interchange) görüntü formatı, PostScript dosyalarını bir önizleme görüntüsüyle birlikte kapsüllemek için tasarlanmış, EPS formatının özel bir sürümüdür. Bu format, PostScript kodunun kendisini doğrudan işlemeden PostScript içeriğinin görselleştirilmesi gereken ortamlarda özellikle değerlidir. Bir önizleme görüntüsünün varlığı, PostScript'i anlamayan uygulamaların ve sistemlerin içeriğin görsel bir temsilini görüntülemesini sağlar. Bu ikilik, EPSI'yi baskı, yayıncılık ve tasarım alanlarında son derece çok yönlü kılar ve karmaşık grafik tasarımları ile farklı yazılım platformlarındaki temsilleri arasındaki boşluğu kapatır.
Temel olarak, bir EPSI dosyası iki ana bileşenden oluşur: PostScript kodu ve önizleme görüntüsü. PostScript kodu, Adobe Systems tarafından basılı materyal üzerinde metin, grafik şekiller ve görüntülerin görünümünü tanımlamak için geliştirilmiş bir programlama dilidir. Karmaşık düzenleri ve tipografileri hassasiyetle tanımlayabilen son derece güçlü ve esnektir. Öte yandan önizleme görüntüsü, genellikle ikili veya ASCII formatında kaydedilir ve PostScript içeriğinin hızlı bir görsel referansı olarak hizmet eder. Bu ayrım, kullanıcıların dosyayla daha sezgisel bir şekilde etkileşime girmelerini sağlar ve soyut PostScript komutları ile görsel sonuçları arasında bir köprü görevi görür.
EPSI formatının çok çeşitli yazılımlarla uyumluluğu, en ilgi çekici özelliklerinden biridir. EPSI dosyaları hem orijinal PostScript verilerini hem de bir önizleme görüntüsü içerdiğinden, hem vektör tabanlı hem de raster tabanlı iş akışlarına sorunsuz bir şekilde entegre edilebilirler. Bu, EPSI dosyalarını, Adobe Illustrator, Photoshop ve diğer grafik tasarım yazılımları gibi çeşitli araçlar tarafından işlenebilecekleri grafik tasarım, masaüstü yayıncılık ve çevrimiçi içerik oluşturma alanlarında kullanım için ideal hale getirir. Ayrıca, formatın farklı işletim sistemlerindeki desteği, çok platformlu bir dünyada kullanılabilirliğini daha da artırır.
EPSI dosyaları oluşturmak ve düzenlemek, hem PostScript programlama hem de görüntü düzenleme konusunda nüanslı bir anlayış gerektirir. Süreç genellikle vektör tabanlı bir tasarım aracında grafik bir tasarım veya düzen oluşturmakla başlar. Tasarım tamamlandıktan sonra PostScript dosyası olarak dışa aktarılır. Bu dosya daha sonra bir önizleme görüntüsüyle birlikte EPSI formatına kapsüllenir. Önizleme görüntüsü, kullanılan yazılıma bağlı olarak çeşitli şekillerde oluşturulabilir, ancak genellikle PostScript içeriğinin rasterleştirilmiş bir sürümünü temsil eder. EPSI dosyalarının bu ikili doğası, PostScript kodundaki hassasiyet ile önizleme görüntüsünün görsel sadakati arasında dikkatli bir denge gerektirir.
EPSI formatına özgü teknik zorluklardan biri, PostScript içeriği ile önizleme görüntüsü arasındaki senkronizasyonu sağlamaktır. Dosyanın PostScript kısmı karmaşık ve dinamik olarak oluşturulmuş grafikler içerebildiğinden, önizleme görüntüsünün bu içeriği doğru bir şekilde temsil ettiğinden emin olmak zor olabilir. Bu sorun, PostScript içeriğinin EPSI dosyasının ilk oluşturulmasından sonra düzenlendiği durumlarda özellikle belirginleşir. Bu gibi durumlarda, güncellenen içeriği yansıtmak için önizleme görüntüsünün yeniden oluşturulması gerekir; bu da hassasiyetle ele alınmazsa tutarsızlıklara yol açabilecek bir süreçtir.
EPSI formatının esnekliği, önizlemede çeşitli görüntü kalitesi seviyelerini destekleme yeteneğine kadar uzanır. Dosyanın amaçlanan kullanımına bağlı olarak, önizleme görüntüsünün kalitesi görsel netlik ile dosya boyutu arasında denge kurmak için ayarlanabilir. EPSI dosyasının hızlı görüntüleme veya çevrimiçi paylaşım için tasarlandığı durumlarda, daha düşük kaliteli, daha küçük boyutlu bir önizleme tercih edilebilir. Tersine, yüksek kaliteli baskı veya ayrıntılı inceleme için, temeldeki PostScript içeriğini doğru bir şekilde temsil etmek için yüksek çözünürlüklü bir önizleme gereklidir. Bu esneklik düzeyi, kullanıcıların formatı özel ihtiyaçlarına göre uyarlamalarına olanak tanır ve onu farklı kullanım durumlarında son derece uyarlanabilir hale getirir.
Güçlü yönlerine rağmen, EPSI formatı sınırlamalarından da yoksun değildir. Önemli bir dezavantajı, diğer görüntü formatlarından önemli ölçüde daha büyük olabilen dosya boyutudur. Bu, hem tam PostScript kodunu hem de bir önizleme görüntüsünü içeren dosyanın ikili doğasından kaynaklanmaktadır. Depolama veya bant genişliğinin sorun olduğu ortamlarda EPSI formatı ideal bir seçim olmayabilir. Dahası, PostScript dilinin karmaşıklığı, EPSI dosyalarının oluşturulması ve düzenlenmesinin daha yüksek düzeyde teknik beceri gerektirmesi anlamına gelir ve bu da uzman olmayanlar için erişilebilirliğini sınırlayabilir.
Bir EPSI dosyasındaki PostScript ile önizleme görüntüsü arasındaki etkileşimin güvenlik için de sonuçları vardır. PostScript, bir programlama dili olarak, kötü amaçlı amaçlarla kullanılabilecek kodun yürütülmesine izin verir. EPSI dosyalarını dağıtırken, güvenlik risklerini azaltmak için PostScript içeriğinin güvenilir bir kaynaktan geldiğinden emin olmak çok önemlidir. Bu yön, özellikle hassas veya güvenli ortamlarda EPSI dosyalarını işlerken dikkat ve özen gerektirir.
Dosya uyumluluğu ve geleceğe yönelik hazırlık açısından EPSI formatı, köklü ve yaygın olarak desteklenen bir dil olan PostScript'teki temelinden faydalanır. Bununla birlikte, grafik tasarım ve yayıncılık yazılımlarının gelişen manzarası, sürekli alaka düzeyine meydan okuyabilir. Daha yeni formatlar ve teknolojiler ortaya çıktıkça, öncelikle baskı ve yüksek kaliteli tasarıma hitap eden EPSI gibi formatlara olan ihtiyaç azalabilir. Alaka düzeyindeki bu potansiyel azalma, modern yazılım ekosistemleriyle uyumluluğu sağlamak için eski sistemlerin ve dosyaların bakımının ve güncellenmesinin önemini vurgulamaktadır.
Teknik bir bakış açısından, EPSI dosyalarını performans ve uyumluluk için optimize etmek birkaç hususu içerir. Önemli bir husus, görsel kalite ile dosya boyutu arasında bir denge kurması gereken önizleme görüntüsü için doğru çözünürlüğün seçilmesidir. Ek olarak, PostScript içeriği oluşturulurken verimli kodlama uygulamaları kullanmak, genel dosya boyutunu azaltmaya ve işleme sürelerini iyileştirmeye yardımcı olabilir. Bu, vektör yollarını optimize etmeyi, karmaşık desenlerin veya gradyanların kullanımını en aza indirmeyi ve PostScript kodunda öğelerin gereksiz tekrarından kaçınmayı içerir.
Geleneksel EPS dosyalarını EPSI formatına dönüştürme süreci, formatın uyarlanabilirliğini vurgulamaktadır. Mevcut bir EPS dosyasına bir önizleme görüntüsü ekleyerek kullanıcılar, PostScript'in tüm sağlam yeteneklerini korurken, çeşitli platformlarda önizleme avantajını da elde eden bir EPSI dosyasına dönüştürebilirler. Bu dönüştürme süreci, uygun bir önizleme görüntüsü oluşturmayı ve bunu EPSI spesifikasyonuna uygun bir şekilde PostScript kodu ile kapsüllemeyi içerir. Bu yetenek, EPSI formatının grafik tasarım ve yayıncılık alanlarındaki esnekliğini ve kalıcı değerini ortaya koymaktadır.
Sonuç olarak, EPSI görüntü formatı, PostScript'in karmaşık, programlama odaklı dünyası ile grafik tasarım ve yayıncılığın görsel odaklı küresi arasında bir köprü görevi görür. Önizleme görüntüsü ile PostScript içeriğinin benzersiz birleşimi, diğer formatlarla eşleşmesi zor olan bir hassasiyet, çok yönlülük ve uyumluluk karışımı sunar. Dosya boyutu hususları ve teknik uzmanlık ihtiyacı gibi kendi zorluklarıyla birlikte gelse de, özellikle baskı kalitesi ve platformlar arası tutarlılık açısından masaya getirdiği faydalar, onu tasarımcılar, yayıncılar ve baskı profesyonellerinin cephaneliğinde değerli bir araç haline getirmektedir. Teknoloji gelişmeye devam ettikçe, EPSI formatının rolü ve işlevselliği değişebilir, ancak kapsamlı ve esnek bir görüntü formatı olarak temel değer önerisinin önümüzdeki yıllarda da geçerliliğini koruması muhtemeldir.
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.