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.
JPEG 2000 (JP2), 2000 yılında Joint Photographic Experts Group (JPEG) komitesi tarafından orijinal JPEG standardının yerini almak amacıyla oluşturulan bir görüntü sıkıştırma standardı ve kodlama sistemidir. JPEG 2000, .jp2 dosya uzantısıyla da bilinir. Orijinal JPEG formatının bazı sınırlamalarını gidermek ve üstün görüntü kalitesi ve esneklik sağlamak için sıfırdan geliştirilmiştir. JPC'nin genellikle sıkıştırılmış görüntü verilerini temsil eden gerçek bayt akışı olan JPEG 2000 Kod Akışına atıfta bulunmak için bir terim olarak kullanıldığını belirtmek önemlidir. Bu akış tipik olarak JP2 dosyalarında veya hareketli JPEG 2000 dizileri için MJ2 gibi diğer kapsayıcı formatlarda bulunur.
JPEG 2000, orijinal JPEG formatında kullanılan ayrık kosinüs dönüşümü (DCT) yerine dalgacık tabanlı sıkıştırma kullanır. Dalgacık sıkıştırması, özellikle daha yüksek çözünürlüklü görüntüler için daha iyi sıkıştırma verimliliği ve daha yüksek sıkıştırma oranlarında gelişmiş görüntü kalitesi dahil olmak üzere çeşitli avantajlar sağlar. Bunun nedeni, dalgacıkların görüntüler yüksek oranda sıkıştırıldığında DCT tarafından oluşturulabilecek "bloklu" eserlerden muzdarip olmamasıdır. Bunun yerine, dalgacık sıkıştırması, genellikle insan gözü tarafından daha az fark edilen daha doğal bir görüntü kalitesi bozulmasına neden olabilir.
JPEG 2000'in temel özelliklerinden biri, aynı dosya formatı içinde hem kayıpsız hem de kayıplı sıkıştırmayı desteklemesidir. Bu, kullanıcıların bir görüntüyü kalite kaybı olmadan sıkıştırmayı seçebilecekleri veya daha küçük dosya boyutları elde etmek için kayıplı sıkıştırmayı tercih edebilecekleri anlamına gelir. JPEG 2000'in kayıpsız modu, tıbbi görüntüleme, dijital arşivler ve profesyonel fotoğrafçılık gibi görüntü bütünlüğünün kritik olduğu uygulamalar için özellikle kullanışlıdır.
JPEG 2000'in bir diğer önemli özelliği de kademeli çözümleme desteğidir. Bu, veriler alındıkça bir görüntünün kademeli olarak çözülmesine ve görüntülenmesine olanak tanır; bu, web uygulamaları veya bant genişliğinin sınırlı olduğu durumlar için çok faydalı olabilir. Kademeli çözümleme ile önce tüm görüntünün düşük kaliteli bir sürümü görüntülenebilir, ardından daha fazla veri kullanılabilir hale geldikçe görüntü kalitesini artıran ardışık iyileştirmeler yapılır. Bu, tipik olarak bir görüntüyü yukarıdan aşağıya doğru yükleyen orijinal JPEG formatıyla tezat oluşturur.
JPEG 2000 ayrıca, bir görüntünün farklı bölümlerinin farklı kalite seviyelerinde sıkıştırılmasına olanak tanıyan ilgi alanı (ROI) kodlaması da dahil olmak üzere zengin bir ek özellik seti sunar. Bu, bir görüntünün belirli alanları diğerlerinden daha önemli olduğunda ve daha yüksek doğrulukla korunması gerektiğinde özellikle kullanışlıdır. Örneğin, bir uydu görüntüsünde, ilgi alanı kayıpsız olarak sıkıştırılabilirken, çevreleyen alanlar yerden tasarruf etmek için kayıplı olarak sıkıştırılabilir.
JPEG 2000 standardı ayrıca, hem kayıpsız hem de kayıplı modlarda bileşen başına 1 bit (ikili) ile 16 bit arasında değişen renk derinliğinin yanı sıra gri tonlama, RGB, YCbCr ve diğerleri dahil olmak üzere çok çeşitli renk alanlarını destekler. Bu esneklik, basit web grafiklerinden yüksek dinamik aralık ve hassas renk temsili gerektiren karmaşık tıbbi görüntülemeye kadar çeşitli görüntüleme uygulamaları için uygun hale getirir.
Dosya yapısı açısından, bir JPEG 2000 dosyası, dosya hakkında farklı bilgi parçaları içeren bir dizi kutudan oluşur. Ana kutu, dosya türü, görüntü boyutu, bit derinliği ve renk alanı gibi özellikleri içeren JP2 başlık kutusudur. Başlığın ardından, meta veri, renk profili bilgileri ve gerçek sıkıştırılmış görüntü verilerini (kod akışı) içerebilen ek kutular bulunur.
Kod akışının kendisi, görüntü verilerinin nasıl sıkıştırıldığını ve nasıl çözülmesi gerektiğini tanımlayan bir dizi işaretleyici ve segmentten oluşur. Kod akışı, SOC (Kod Akışının Başlangıcı) işaretleyicisiyle başlar ve EOC (Kod Akışının Sonu) işaretleyicisiyle biter. Bu işaretleyiciler arasında, görüntünün ve döşemelerin boyutlarını tanımlayan SIZ (Görüntü ve Döşeme Boyutu) segmenti ve sıkıştırma için kullanılan dalgacık dönüşümü ve niceleme parametrelerini belirten COD (Kodlama Stili Varsayılanı) segmenti gibi birkaç önemli segment bulunur.
JPEG 2000'in hata dayanıklılığı, onu selefinden ayıran bir diğer özelliktir. Kod akışı, kod çözücülerin iletim sırasında meydana gelebilecek hataları tespit etmesine ve düzeltmesine olanak tanıyan hata düzeltme bilgilerini içerebilir. Bu, JPEG 2000'i gürültülü kanallar üzerinden görüntü iletmek veya veri bozulması riskini en aza indiren bir şekilde görüntü depolamak için iyi bir seçim haline getirir.
Birçok avantajına rağmen, JPEG 2000, orijinal JPEG formatına kıyasla yaygın bir şekilde benimsenmemiştir. Bunun nedeni kısmen, daha fazla işlem gücü gerektirebilen ve DCT tabanlı yöntemlerden daha yavaş olabilen dalgacık tabanlı sıkıştırma ve sıkıştırma açmanın daha yüksek hesaplama karmaşıklığıdır. Ek olarak, orijinal JPEG formatı görüntüleme endüstrisinde derinlemesine yerleşmiştir ve yazılım ve donanım genelinde yaygın destek görmektedir; bu da onu birçok uygulama için varsayılan bir seçim haline getirmektedir.
Bununla birlikte, JPEG 2000, gelişmiş özelliklerinin özellikle faydalı olduğu belirli alanlarda bir niş bulmuştur. Örneğin, yüksek kaliteli görüntü temsili ve farklı en boy oranları ve kare hızları desteğinin önemli olduğu filmlerin dağıtımı için dijital sinemada kullanılmaktadır. Ayrıca, çok büyük görüntüleri işleme ve ROI kodlamasını destekleme yeteneğinin değerli olduğu coğrafi bilgi sistemlerinde (CBS) ve uzaktan algılamada da kullanılmaktadır.
JPEG 2000 ile çalışan yazılım geliştiricileri ve mühendisler için, JP2 dosyalarını kodlamak ve kodunu çözmek için destek sağlayan çeşitli kitaplıklar ve araçlar mevcuttur. En çok bilinenlerden biri, C ile yazılmış açık kaynaklı bir JPEG 2000 kodeği olan OpenJPEG kitaplığıdır. Diğer ticari yazılım paketleri de genellikle optimize edilmiş performans ve ek özellikler ile JPEG 2000 desteği sunar.
Sonuç olarak, JPEG 2000 görüntü formatı, üstün sıkıştırma verimliliği, hem kayıpsız hem de kayıplı sıkıştırma desteği, kademeli çözümleme ve gelişmiş hata dayanıklılığı dahil olmak üzere orijinal JPEG standardına göre bir dizi özellik ve geliştirme sunar. Çoğu ana akım uygulamada JPEG'nin yerini almasa da, yüksek kaliteli görüntü depolama ve iletimi gerektiren endüstrilerde değerli bir araç görevi görür. Teknoloji gelişmeye ve daha sofistike görüntüleme çözümlerine olan ihtiyaç arttıkça, JPEG 2000 yeni ve mevcut pazarlarda daha fazla benimsenme görebilir.
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.