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.
JNG (JPEG Network Graphics) formatı, daha yaygın olarak bilinen MNG (Multiple-image Network Graphics) formatının bir alt formatı olarak tasarlanmış bir görüntü dosyası formatıdır. Başlıca olarak, JPEG veya PNG gibi diğer yaygın formatlarla o zamanlar mümkün olmayan tek bir görüntü formatı içinde kayıplı ve kayıpsız sıkıştırma için bir çözüm sağlamak üzere geliştirilmiştir. JNG dosyaları, genellikle hem yüksek kaliteli, fotoğrafik tarzı bir gösterim hem de standart JPEG görüntülerinde desteklenmeyen şeffaflık için isteğe bağlı bir alfa kanalı gerektiren görüntüler için kullanılır.
JNG, tek başına bir format değil, PNG'nin animasyonlu sürümü olarak tasarlanan MNG dosya formatı paketinin bir parçasıdır. MNG paketi, animasyonları destekleyen MNG ve tek resimli bir format olan JNG formatlarını içerir. JNG formatı, PNG formatını geliştiren aynı ekip tarafından oluşturulmuştur ve PNG'yi, PNG'nin desteklediği ancak JPEG'in desteklemediği ayrı bir alfa kanalı olasılığını korurken JPEG sıkıştırılmış renk verileri ekleyerek tamamlaması amaçlanmıştır.
Bir JNG dosyasının yapısı, bir MNG dosyasının yapısına benzer, ancak yalnızca tek görüntüler için tasarlandığı için daha basittir. Bir JNG dosyası, her biri belirli bir veri türü içeren bir dizi parçadan oluşur. Bir JNG dosyasındaki en önemli parçalar, başlık bilgilerini içeren JHDR parçası; JPEG sıkıştırılmış görüntü verilerini içeren JDAT parçası; JPEG veri akışının sonunu belirtmek için mevcut olabilecek JSEP parçası; isteğe bağlı olan ve PNG sıkıştırılmış alfa verilerini içeren IDAT parçaları veya JPEG sıkıştırılmış alfa verilerini içeren JDAA parçaları olabilen alfa kanalı parçalarıdır.
JHDR parçası, bir JNG dosyasındaki ilk parçadır ve görüntünün özelliklerini tanımladığı için kritiktir. Görüntünün genişliği ve yüksekliği, renk derinliği, bir alfa kanalının mevcut olup olmadığı, kullanılan renk uzayı ve alfa kanalı için sıkıştırma yöntemi gibi bilgiler içerir. Bu parça, kod çözücülerin dosyadaki sonraki verileri nasıl işleyeceğini anlamalarını sağlar.
JDAT parçası, JPEG standart sıkıştırma teknikleri kullanılarak sıkıştırılmış gerçek görüntü verilerini içerir. Bu sıkıştırma, genellikle karmaşık renk gradyanları ve tonda ince değişiklikler içeren fotoğrafik görüntülerin verimli bir şekilde depolanmasına olanak tanır. JNG içindeki JPEG sıkıştırma, tek başına JPEG dosyalarında kullanılanla aynıdır ve standart JPEG kod çözücülerinin, tüm JNG formatını anlamalarına gerek kalmadan bir JNG dosyasından görüntü verilerini okumasını mümkün kılar.
JNG görüntüsünde bir alfa kanalı varsa, bu kanal IDAT veya JDAA parçalarında saklanır. IDAT parçaları, PNG dosyalarında kullanılanlarla aynıdır ve PNG sıkıştırılmış alfa verilerini içerir. Bu, alfa kanalının kayıpsız sıkıştırılmasına olanak tanır ve şeffaflık bilgilerinin herhangi bir kalite kaybı olmadan korunmasını sağlar. Öte yandan JDAA parçaları, JPEG sıkıştırılmış alfa verilerini içerir ve bu da alfa kanalında olası kayıplı sıkıştırma eserleri pahasına daha küçük dosya boyutlarına olanak tanır.
JSEP parçası, JPEG veri akışının sonunu işaret eden isteğe bağlı bir parçadır. JNG dosyasının bir ağ üzerinden akıtıldığı ve kod çözücünün JPEG verilerini okumayı ne zaman durdurup alfa kanalı verilerini aramaya başlaması gerektiğini bilmesi gereken durumlarda faydalıdır. Dosya, JPEG verilerinin sonunun dosya yapısından kendisinin belirlenebileceği yerel bir depolama ortamından okunuyorsa bu parça gerekli değildir.
JNG ayrıca, gömülü bir ICC renk profili içeren bir ICCP parçası ekleyerek renk düzeltmesini de destekler. Bu profil, farklı cihazlarda doğru renk gösterimine olanak tanır ve özellikle çeşitli ekranlarda görüntülenecek veya yazdırılacak görüntüler için önemlidir. Renk yönetimi yeteneklerinin dahil edilmesi, gömülü renk profillerini doğal olarak desteklemeyen tek başına JPEG dosyalarına göre JNG formatının önemli bir avantajıdır.
Yeteneklerine rağmen, JNG formatı yaygın olarak benimsenmemiştir. Bunun nedeni kısmen, fotoğrafik görüntüler için JPEG formatının ve şeffaflık gerektiren görüntüler için PNG formatının baskınlığıdır. Ayrıca, hem kayıplı hem de kayıpsız sıkıştırmayı ve şeffaflığı destekleyen WebP ve HEIF gibi formatların yükselişi, JNG gibi ayrı bir formata olan ihtiyacı daha da azaltmıştır. Ancak JNG, benzersiz özelliklerinin birleşiminin gerekli olduğu belirli kullanım durumları için geçerli bir seçenek olmaya devam etmektedir.
JNG'nin yaygın olarak benimsenmemesinin nedenlerinden biri, MNG dosya formatı paketinin karmaşıklığıdır. JNG'nin kendisi nispeten basit olsa da, yaygın olarak uygulanmayan daha büyük ve daha karmaşık bir özellik kümesinin bir parçasıdır. Birçok yazılım geliştiricisi, çoğu kullanıcının ihtiyaçlarını MNG ve JNG'nin ek karmaşıklığı olmadan karşılayan daha basit ve daha popüler JPEG ve PNG formatlarını desteklemeyi tercih etti.
JNG'nin benimsenmesini sınırlayan bir diğer faktör de popüler görüntü düzenleme ve görüntüleme yazılımlarında destek eksikliğidir. Bazı özel yazılımlar JNG'yi destekleyebilirken, en yaygın kullanılan programların çoğu desteklememektedir. Bu destek eksikliği, kullanıcıların ve geliştiricilerin JNG dosyalarıyla karşılaşma veya kullanma olasılığının daha düşük olduğu anlamına gelir ve bu da pazar payını daha da azaltır.
Bu zorluklara rağmen, JNG'nin, özellikle teknik yeteneklerini takdir edenler arasında savunucuları vardır. Örneğin, JNG, tek bir dosyanın hem yüksek kaliteli bir fotoğrafik görüntü hem de şeffaflık için ayrı bir alfa kanalı içermesi gereken uygulamalarda faydalı olabilir. Bu, görüntülerin çeşitli arka planlara karşı birleştirilmesi gereken grafik tasarım, oyun geliştirme ve diğer alanlarda önemli olabilir.
JNG'nin teknik tasarımı, dosya boyutu ve kalitesinde potansiyel optimizasyonlara da olanak tanır. Örneğin, renk ve alfa verilerini ayırarak, her birine farklı sıkıştırma düzeyleri uygulamak, dosya boyutu ile görüntü kalitesi arasında en iyi dengeyi optimize etmek mümkündür. Bu, PNG gibi formatlarda olduğu gibi tek bir sıkıştırma yönteminin tüm görüntüye uygulanmasından daha küçük dosyalarla sonuçlanabilir.
Sonuç olarak, JNG görüntü formatı, hem kayıplı hem de kayıpsız sıkıştırma desteği, şeffaflık için isteğe bağlı bir alfa kanalı ve renk yönetimi yetenekleri dahil olmak üzere benzersiz bir özellik kombinasyonu sunan özel bir dosya formatıdır. Yaygın olarak benimsenmemiş olsa da, belirli uygulamalar için uygun olabilecek teknik olarak yetenekli bir format olmaya devam etmektedir. Gelecekteki önemi, büyük olasılıkla yeteneklerine olan ilginin yenilenmesine ve format için yazılım desteğinin genişlemesine bağlı olacaktır. Şimdilik, JNG, görüntü formatlarının sürekli evriminin ve sıkıştırma, kalite ve işlevsellik arasındaki mükemmel denge arayışının bir kanıtı olarak durmaktadır.
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.