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, Ortak Fotoğraf Uzmanları Grubu anlamına gelir, dijital görüntüler için, özellikle dijital fotoğrafçılıkla üretilen görüntüler için yaygın olarak kullanılan kayıplı sıkıştırma yöntemidir. Sıkıştırma derecesi ayarlanabilir ve bu da depolama boyutu ile görüntü kalitesi arasında seçilebilir bir denge sağlar. JPEG, genellikle görüntü kalitesinde çok az algılanabilir kayıpla 10:1 sıkıştırma elde eder. JPEG sıkıştırma algoritması, resmi olarak JPEG Değişim Formatı (JIF) olarak bilinen JPEG dosya formatının merkezinde yer alır. Ancak, 'JPEG' terimi genellikle aslında JPEG Dosya Değişim Formatı (JFIF) olarak standartlaştırılmış dosya formatını ifade etmek için kullanılır.
JPEG formatı çeşitli renk alanlarını destekler, ancak dijital fotoğrafçılıkta ve web grafiklerinde kullanılan en yaygın olanı, kırmızı, yeşil ve mavi (RGB) bileşenleri için her biri 8 bit içeren 24 bit renktir. Bu, 16 milyondan fazla farklı renge izin vererek, çok çeşitli uygulamalar için uygun, zengin ve canlı bir görüntü kalitesi sağlar. JPEG dosyaları ayrıca genellikle video sıkıştırmada kullanılan YCbCr gibi gri tonlamalı görüntüleri ve renk alanlarını da destekleyebilir.
JPEG sıkıştırma algoritması, bir Fourier dönüşümü türü olan Ayrık Kosinüs Dönüşümü'ne (DCT) dayanır. DCT, genellikle 8x8 piksellik görüntünün küçük bloklarında uygulanır ve uzamsal alan verilerini frekans alanı verilerine dönüştürür. Bu işlem avantajlıdır çünkü görüntünün enerjisini, görüntünün genel görünümü için daha önemli olan birkaç düşük frekanslı bileşene yoğunlaştırma eğilimindedir, algılanan kalite üzerinde daha az etkiyle atılabilen ve ince ayrıntılara katkıda bulunan yüksek frekanslı bileşenler azaltılır.
DCT uygulandıktan sonra, ortaya çıkan katsayılar nicelenir. Niceleme, büyük bir giriş değerleri kümesini daha küçük bir kümeye eşleme işlemidir ve DCT katsayılarının hassasiyetini etkili bir şekilde azaltır. JPEG'in kayıplı yönünün devreye girdiği yer burasıdır. Niceleme derecesi, görüntü kalitesi ve sıkıştırma oranını dengelemek için ayarlanabilen bir nicelleme tablosu tarafından belirlenir. Daha yüksek bir nicelleme seviyesi daha yüksek sıkıştırma ve daha düşük görüntü kalitesiyle sonuçlanırken, daha düşük bir nicelleme seviyesi daha düşük sıkıştırma ve daha yüksek görüntü kalitesiyle sonuçlanır.
Katsayılar nicelendikten sonra, sol üst köşeden başlayarak ve 8x8 bloğu boyunca zikzak bir desen izleyerek zikzak sırasına dönüştürülür. Bu adım, düşük frekanslı katsayıları bloğun başına ve y üksek frekanslı katsayıları sona yerleştirmek için tasarlanmıştır. Yüksek frekanslı katsayıların çoğunun nicellemeden sonra sıfır veya sıfıra yakın olması muhtemel olduğundan, bu sıralama benzer değerleri bir araya getirerek verilerin daha da sıkıştırılmasına yardımcı olur.
JPEG sıkıştırma sürecindeki bir sonraki adım, kayıpsız bir sıkıştırma yöntemi olan entropi kodlamadır. JPEG'de kullanılan en yaygın entropi kodlama biçimi Huffman kodlamasıdır, ancak aritmetik kodlama da bir seçenektir. Huffman kodlaması, daha sık görülen değerlere daha kısa kodlar ve daha az sık görülen değerlere daha uzun kodlar atayarak çalışır. Nicelenen DCT katsayıları, sıfırları ve düşük frekanslı değerleri gruplayan bir şekilde sıralandığından, Huffman kodlaması verilerin boyutunu etkili bir şekilde azaltabilir.
JPEG dosya formatı ayrıca, kamera ayarları, çekim tarihi ve saati ve diğer ilgili ayrıntılar hakkında bilgi içeren Exif verileri gibi meta verilerin dosya içinde saklanmasına da izin verir. Bu meta veriler, JPEG dosyasının uygulamaya özel bölümlerinde saklanır ve çeşitli yazılımlar tarafından görüntü bilgilerini görüntülemek veya işlemek için okunabilir.
JPEG formatının temel özelliklerinden biri, kademeli kodlamayı desteklemesidir. Kademeli bir JPEG'de görüntü, artan ayrıntıdaki birden fazla geçişte kodlanır. Bu, görüntü henüz tam olarak indirilmemiş olsa bile, tüm görüntünün kaba bir sürümünün görüntülenebileceği ve daha fazla veri alındıkça kalitenin kademeli olarak iyileştiği anlamına gelir. Bu, özellikle web görüntüleri için kullanışlıdır ve kullanıcıların tüm dosyanın indirilmesini beklemek zorunda kalmadan görüntü içeriği hakkında fikir edinmelerine olanak tanır.
Yaygın kullanımına ve birçok avantajına rağmen, JPEG formatının bazı sınırlamaları vardır. En önemlilerinden biri, kayıplı sıkıştırmanın bir sonucu olarak ortaya çıkabilecek bozulmalar veya görsel anormallikler olan eserler sorunudur. Bu eserler bulanıklık, bloklu olma ve kenarların etrafında 'çınlama' içerebilir. Eserlerin görünürlüğü, sıkıştırma seviyesinden ve görüntünün içeriğinden etkilenir. Düzgün gradyanlara veya ince renk değişikliklerine sahip görüntüler, sıkıştırma eserleri göstermeye daha yatkındır.
JPEG'in bir diğer sınırlaması da şeffaflığı veya alfa kanallarını desteklememesidir. Bu, JPEG görüntülerinin şeffaf arka planlara sahip olamayacağı anlamına gelir ve bu da görüntülerin farklı arka planlara bindirilmesinin yaygın olduğu web tasarımı gibi belirli uygulamalar için bir dezavantaj olabilir. Bu amaçlar için, şeffaflığı destekleyen PNG veya GIF gibi formatlar genellikle bunun yerine kullanılır.
JPEG ayrıca katmanları veya animasyonu da desteklemez. Katmanlar için TIFF veya animasyon için GIF gibi formatların aksine, JPEG kesinlikle tek resimli bir formattır. Bu, katmanlarda düzenleme gerektiren veya animasyonlu görüntüler oluşturmak için uygun olmadığı anlamına gelir. Katmanlar veya animasyonlarla çalışması gereken kullanıcılar, düzenleme işlemi sırasında başka formatlar kullanmalı ve gerekirse dağıtım için JPEG'e dönüştürebilirler.
Bu sınırlamalara rağmen, JPEG, verimli sıkıştırması ve hemen hemen tüm görüntü görüntüleme ve düzenleme yazılımıyla uyumluluğu nedeniyle en popüler görüntü formatlarından biri olmaya devam etmektedir. Sürekli tonlar ve renkler içeren fotoğraflar ve karmaşık görüntüler için özellikle uygundur. Web kullanımı için JPEG görüntüleri, görsel olarak hoş sonuçlar verirken hızlı yükleme süreleri için ideal hale getiren kalite ve dosya boyutu arasında denge sağlayacak şekilde optimize edilebilir.
JPEG formatı ayrıca JPEG 2000 ve JPEG XR gibi varyasyonların geliştirilmesiyle zamanla evrimleşmiştir. JPEG 2000, gelişmiş sıkıştırma verimliliği, görüntü eserlerinin daha iyi işlenmesi ve şeffaflığı işleme yeteneği sunar. Öte yandan JPEG XR, daha yüksek kalite seviyelerinde daha iyi sıkıştırma sağlar ve daha geniş bir renk derinliği ve renk alanı yelpazesini destekler. Ancak, bu daha yeni formatlar henüz orijinal JPEG formatıyla aynı yaygınlık düzeyine ulaşmamıştır.
Sonuç olarak, JPEG görüntü formatı, görüntü kalitesi ve dosya boyutu arasında bir denge sağlayan çok yönlü ve yaygın olarak desteklenen bir formattır. DCT ve nicelleme kullanımı, görüntü kalitesi üzerinde özelleştirilebilir bir etkiyle dosya boyutunda önemli bir azalma sağlar. Şeffaflık, katmanlar ve animasyon desteği eksikliği gibi bazı sınırlamaları olsa da, uyumluluk ve verimlilik açısından avantajları onu dijital görüntülemede temel bir unsur haline getirmektedir. Teknoloji ilerledikçe, daha yeni formatlar iyileştirmeler sunabilir, ancak JPEG'in mirası ve yaygın benimsenmesi, öngörülebilir gelecekte dijital görüntülemenin temel bir parçası olmaya devam edeceğini garanti 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.