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 görüntü formatı, genellikle JP2 olarak kısaltılır, orijinal JPEG standardının halefi olarak oluşturulmuş bir görüntü kodlama sistemidir. 2000'li yılların başında Joint Photographic Experts Group komitesi tarafından, geleneksel JPEG formatının bazı sınırlamalarının üstesinden gelebilecek yeni bir görüntü formatı sağlama amacıyla geliştirilmiştir. JPEG 2000, .jpg veya .jpeg dosya uzantısını kullanan standart JPEG formatıyla karıştırılmamalıdır. JPEG 2000, dosyaları için .jp2 uzantısını kullanır ve selefine göre daha yüksek sıkıştırma oranlarında daha iyi görüntü kalitesi, daha yüksek bit derinlikleri desteği ve alfa kanalları aracılığıyla şeffaflığın geliştirilmiş işlenmesi dahil olmak üzere bir dizi önemli iyileştirme sunar.
JPEG 2000'in temel özelliklerinden biri, orijinal JPEG formatında kullanılan ayrık kosinüs dönüşümünün (DCT) aksine dalgacık sıkıştırmasını kullanmasıdır. Dalgacık sıkıştırması, kalitesinden ödün vermeden dosya boyutunun küçültüldüğü görüntü sıkıştırması için çok uygun bir veri sıkıştırma biçimidir. Bu, görüntü bilgilerinin değişen ayrıntı seviyelerine izin verecek şekilde depolandığı bir dalgacık alanına dönüştürülerek elde edilir. Bu, JPEG 2000'in aynı dosya formatı içinde hem kayıpsız hem de kayıplı sıkıştırma sunabileceği, kullanıcının ihtiyaçlarına bağlı olarak esneklik sağlayabileceği anlamına gelir.
JPEG 2000'in bir diğer önemli avantajı, kademeli kod çözme desteğidir. Bu özellik, dosya hala indirilirken görüntünün düşük çözünürlüklü bir sürümünün görüntülenmesine olanak tanır; bu, özellikle web görüntüleri için faydalı olabilir. Daha fazla veri alındıkça, görüntü kalitesi tam çözünürlüklü görüntü görüntülenene kadar kademeli olarak artar. Bu, görüntünün yalnızca tüm dosya indirildikten sonra görüntülenebildiği standart JPEG formatıyla tezat oluşturur.
JPEG 2000 ayrıca ilgi alanları (ROI) kavramını da getirir. Bu, bir görüntünün farklı bölümlerinin farklı kalite seviyelerinde sıkıştırılmasına olanak tanır. Örneğin, bir kişinin fotoğrafında, kişinin yüzü arka plandan daha yüksek kalitede kodlanabilir. Bu seçici kalite kontrolü, bir görüntünün belirli bölümlerinin diğerlerinden daha önemli olduğu uygulamalarda çok faydalı olabilir.
JPEG 2000 formatı da oldukça ölçeklenebilirdir. Geniş bir görüntü çözünürlüğü, renk derinliği ve görüntü bileşeni yelpazesini destekler. Bu ölçeklenebilirlik hem uzamsal hem de kalite boyutlarına kadar uzanır; yani tek bir JPEG 2000 dosyası, farklı uygulamalar veya cihazlar için gerektiği gibi çıkarılabilen birden fazla çözünürlük ve kalite seviyesini saklayabilir. Bu, JPEG 2000'i, farklı kullanıcıların farklı görüntü özniteliklerine ihtiyaç duyabileceği dijital sinemalardan tıbbi görüntülemeye kadar çeşitli kullanımlar için mükemmel bir seçim haline getirir.
Renk doğruluğu açısından JPEG 2000, standart JPEG'deki kanal başına 8 bite kıyasla renk kanalı başına 16 bite kadar destekler. Bu artırılmış bit derinliği, çok daha geniş bir renk yelpazesine ve bunlar arasındaki daha ince geçişlere olanak tanır; bu, renk doğruluğunun çok önemli olduğu üst düzey fotoğraf düzenleme ve baskı için özellikle önemlidir.
JPEG 2000 ayrıca, kablosuz ağlar veya internet gibi veri bozulması riski yüksek ağlar üzerinden görüntü aktarmak için daha uygun hale getiren sağlam hata dayanıklılığı özelliklerini de içerir. Format, görüntünün iletim sırasında bazı veri paketleri kaybolsa bile yeniden oluşturulabilmesini sağlamak için toplam kontrol toplamları ve diğer veri bütünlüğü kontrollerini içerebilir.
Birçok avantajına rağmen JPEG 2000, orijinal JPEG formatına kıyasla yaygın bir şekilde benimsenmemiştir. Bunun bir nedeni, JPEG 2000 sıkıştırma algoritmasının karmaşıklığıdır; bu, görüntüleri kodlamak ve kodunu çözmek için daha fazla hesaplama gücü gerektirir. Bu, genellikle hız ve basitliğe öncelik veren tüketici elektroniği ve web platformları için daha az çekici hale getirmiştir. Ek olarak, orijinal JPEG formatı sektöre derinden yerleşmiştir ve yeni bir formatın yer edinmesini zorlaştıran çok çeşitli yazılım ve donanım desteğine sahiptir.
JPEG 2000'in benimsenmesini sınırlayan bir diğer faktör de patent sorunudur. JPEG 2000 standardı, çeşitli kuruluşlar tarafından patentlenmiş teknolojileri içerir ve bu da lisans ücretleri ve yasal kısıtlamalar konusunda endişelere yol açmıştır. Bu patentlerin çoğu sona ermiş veya makul ve ayrımcı olmayan şartlarda kullanıma sunulmuş olsa da, ilk belirsizlik bazı kuruluşların formatı benimseme konusundaki isteksizliğine katkıda bulunmuştur.
Bu zorluklara rağmen JPEG 2000, gelişmiş özelliklerinin özellikle değerli olduğu belirli profesyonel alanlarda bir niş bulmuştur. Örneğin, dijital sinemada JPEG 2000, filmlerin dağıtımı ve gösterimi için Dijital Sinema Girişimleri (DCI) spesifikasyonunun bir parçası olarak kullanılır. Yüksek kaliteli görüntü temsili ve ölçeklenebilirliği, onu yüksek çözünürlüklü film ekranlarının taleplerine uygun hale getirir.
Arşivleme ve dijital koruma alanında JPEG 2000, kayıpsız sıkıştırma yetenekleri ve görüntüleri hem verimli hem de uzun vadeli korumaya elverişli bir şekilde saklama özelliği nedeniyle de tercih edilmektedir. Koleksiyonlarının yüksek kaliteli dijital kopyalarına ihtiyaç duyan kütüphaneler, müzeler ve diğer kurumlar genellikle bu nedenlerle JPEG 2000'i seçmektedir.
Tıbbi görüntüleme endüstrisi, JPEG 2000'in başarıyla uygulandığı bir başka alandır. Formatın yüksek bit derinlikleri ve kayıpsız sıkıştırma desteği, röntgenler ve MR taramaları gibi tıbbi görüntülerin doğru tanı ve analiz için gerekli tüm ayrıntıları korumasını sağlamak için çok önemlidir. Ek olarak, çok büyük görüntü dosyalarını verimli bir şekilde işleme yeteneği, JPEG 2000'i bu sektör için iyi bir seçim haline getirir.
JPEG 2000 ayrıca, görüntü dosyasının kendisine kapsamlı bilgilerin gömülmesine olanak tanıyan zengin bir meta veri yetenekleri kümesi içerir. Bu, telif hakkı bilgileri, kamera ayarları, coğrafi konum verileri ve daha fazlasını içerebilir. Bu özellik, özellikle bir görüntünün kökenini ve özelliklerini izlemenin önemli olduğu varlık yönetim sistemleri ve diğer uygulamalar için faydalıdır.
Sonuç olarak, JPEG 2000 görüntü formatı, görüntü kalitesi, esneklik ve sağlamlık açısından önemli avantajlar sağlayan bir dizi gelişmiş özellik sunar. Dalgacık sıkıştırmasını kullanması, daha düşük dosya boyutlarında yüksek kaliteli görüntülere olanak tanır ve kademeli kod çözme, ilgi alanları ve ölçeklenebilirlik desteği, onu birçok uygulama için çok yönlü bir seçim haline getirir. Ana akım kullanımda orijinal JPEG formatının yerini almasa da JPEG 2000, benzersiz avantajlarının en çok ihtiyaç duyulduğu endüstrilerde tercih edilen format haline gelmiştir. Teknolojinin gelişmeye devam etmesi ve daha yüksek kaliteli dijital görüntüleme ihtiyacının artmasıyla JPEG 2000 gelecekte daha geniş bir şekilde benimsenebilir.
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.