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.
MATLAB tarafından geliştirilen yüksek seviyeli bir dil ve etkileşimli bir ortam olan MATLAB ile sıklıkla ilişkilendirilen MAT görüntü formatı, JPEG veya PNG gibi geleneksel bir görüntü formatı değildir. Bunun yerine, tipik olarak MATLAB içinde kullanılan matrisleri, değişkenleri ve diğer veri türlerini depolamak için bir dosya biçimidir. MAT formatı, MATLAB MAT dosyası için bir kısaltmadır. Bu dosya formatı, MATLAB kullanıcıları için çok önemlidir çünkü değişkenler, fonksiyonlar, diziler ve hatta görüntüleri daha sonraki analiz veya işleme için MATLAB çalışma alanına kolayca yüklenebilecek bir biçimde depolama ve yönetme olanağı sağlar.
MAT dosyaları, çok boyutlu diziler ve skaler veriler de dahil olmak üzere çeşitli değişkenleri tutabilen ikili veri kapsayıcılarıdır. Görüntülere gelince, MATLAB bunları matristeki bir öğe olarak depolanan her piksel değeriyle matrisler olarak ele alır. Gri tonlamalı görüntüler için bu iki boyutlu bir matristir, renkli görüntüler için ise kırmızı, yeşil ve mavi renk bileşenleri için ayrı katmanları olan üç boyutlu bir matristir. MAT formatı, verilerin tam sayısal hassasiyetini ve yapısını koruduğu için bu tür görüntü verilerini depolamak için özellikle kullanışlıdır; bu da bilimsel ve mühendislik uygulamaları için çok önemlidir.
MAT dosya formatı zaman içinde gelişmiştir ve MATLAB güncellendikçe farklı sürümleri yayınlanmıştır. En yaygın sürümler, 2023'teki bilgi kesinti tarihim itibariyle en son sürüm olan 7.3 sürümüyle birlikte MAT dosyası sürümleri 4, 5 ve 7'dir. Her sürüm, karmaşık veri depolama ve yönetme için yaygın olarak kullanılan bir veri modeli, kitaplık ve dosya biçimi olan HDF5 (Hiyerarşik Veri Biçimi sürüm 5) ile veri kapasitesi, sıkıştırma ve uyumluluk açısından iyileştirmeler getirmiştir.
MAT dosyası sürüm 4, veri sıkıştırmayı veya karmaşık hiyerarşik yapıları desteklemeyen en basit ve en eski formattır. Esas olarak MATLAB'ın eski sürümleriyle uyumluluk için kullanılır. Sürüm 5, veri sıkıştırma, Unicode karakter kodlaması ve karmaşık sayılar ve nesneler için destek gibi özellikler getiren daha gelişmiş bir formattır. Sürüm 7, gelişmiş sıkıştırma ve daha büyük dizileri depolama yeteneği de dahil olmak üzere daha fazla geliştirme ekledi. Sürüm 7.3, MAT dosyalarının daha büyük veri depolama ve daha karmaşık veri organizasyonu gibi HDF5'in gelişmiş özelliklerinden yararlanmasını sağlayan HDF5 standardıyla tamamen bütünleşir.
MAT dosyalarıyla, özellikle görüntü verileriyle uğraşırken, MATLAB'ın görüntüleri nasıl işlediğini anlamak önemlidir. MATLAB, görüntüleri sayı dizileri olarak temsil eder ve her sayı, gri tonlamalı görüntülerde bir pikselin yoğunluğuna veya RGB görüntülerde renk koduna karşılık gelir. Örneğin, 8 bitlik bir gri tonlamalı görüntü, 0 ile 255 arasında değişen değerlere sahip bir matris olarak depolanır; burada 0 siyahı, 255 beyazı ve arasındaki değerler gri tonlarını temsil eder. Renkli görüntüler söz konusu olduğunda, MATLAB, ilk iki boyutun piksel konumlarına ve üçüncü boyutun renk kanallarına karşılık geldiği üç boyutlu bir dizi kullanır.
MATLAB'da bir MAT dosyası oluşturmak için 'kaydet' işlevi kullanılabilir. Bu işlev, kullanıcılara dosyanın adını ve kaydetmek istedikleri değişkenleri belirtme olanağı tanır. Örneğin, 'img' adlı bir görüntü matrisini 'imageData.mat' adlı bir MAT dosyasına kaydetmek için 'save('imageData.mat', 'img')' komutu yürütülür. Bu komut, daha sonra 'yükle' işlevi kullanılarak MATLAB'a geri yüklenebilen görüntü verilerini içeren bir MAT dosyası oluşturur.
MATLAB'da bir MAT dosyası yüklemek çok kolaydır. 'Yükle' işlevi, verileri dosyadan okumak ve MATLAB çalışma alanına getirmek için kullanılır. Örneğin, 'load('imageData.mat')' yürütülmesi, 'imageData.mat' içeriğini çalışma alanına yükler ve kullanıcının depolanan görüntü verilerine erişmesine ve bunları düzenlemesine olanak tanır. Yüklemeden sonra, yüklenen değişkenler hakkında boyutları, şekilleri ve veri türleri de dahil olmak üzere bilgi görüntülemek için 'whos' komutu kullanılabilir.
MAT formatının temel avantajlarından biri, verileri sıkıştırılmış ve verimli bir şekilde depolama yeteneğidir. MATLAB, verileri bir MAT dosyasına kaydederken, dosya boyutunu küçültmek için sıkıştırma uygulayabilir. Bu, özellikle yüksek çözünürlüklü görüntüler veya kapsamlı görüntü veri kümeleriyle uğraşırken oldukça büyük olabilen görüntü verileri için kullanışlıdır. MAT dosyalarında kullanılan sıkıştırma kayıpsızdır, yani veriler MATLAB'a geri yüklendiğinde, hassasiyet veya kalite kaybı olmadan orijinal verilerle aynıdır.
MAT dosyaları ayrıca, verilerin kaynağı, oluşturulduğu tarih, kullanılan MATLAB sürümü ve diğer ilgili ayrıntılar hakkında bilgi içerebilen meta verilerin depolanmasını da destekler. Bu meta veriler, verileri başkalarıyla paylaşırken veya gelecekte kullanılmak üzere arşivlerken son derece değerli olabilir, çünkü bağlam sağlar ve verilerin doğru bir şekilde yorumlanmasını ve yeniden üretilmesini sağlar.
Sayısal dizilere ve görüntü verilerine ek olarak, MAT dosyaları yapı, hücre dizileri, tablolar ve nesneler gibi çeşitli başka veri türlerini de depolayabilir. Bu esneklik, MAT dosyalarını MATLAB kullanıcıları için çok yönlü bir araç haline getirir, çünkü tek bir dosyada çok çeşitli veri türlerini ve yapılarını kapsüllenebilirler. Bu, birden fazla veri türünü içeren karmaşık projeler için özellikle kullanışlıdır, çünkü tüm ilgili veriler tutarlı ve düzenli bir şekilde kaydedilebilir.
MAT dosyalarıyla MATLAB dışında etkileşim kurması gereken kullanıcılar için MathWorks, C, C++ ve Fortran'da yazılmış programların MAT dosyalarını okuyup yazmasına olanak tanıyan MAT dosyası G/Ç kitaplığını sağlar. Bu kitaplık, MATLAB verilerini diğer uygulamalarla bütünleştirmek veya MAT dosyası verilerine erişmesi gereken özel yazılım geliştirmek için kullanışlıdır. Ayrıca, Python gibi diğer programlama dilleri için üçüncü taraf kitaplıklar ve araçlar mevcuttur ve bu da daha geniş bir uygulama yelpazesinin MAT dosyalarıyla çalışmasını sağlar.
MAT dosyalarının sürüm 7.3'te HDF5 standardıyla bütünleştirilmesi, formatın yeteneklerini önemli ölçüde genişletmiştir. HDF5, büyük miktarlarda veriyi depolamak ve düzenlemek için tasarlanmıştır ve bu standardı benimseyerek MAT dosyaları artık eskisinden çok daha büyük veri kümelerini işleyebilir. Bu, büyük miktarlarda verinin yaygın olduğu makine öğrenimi, veri madenciliği ve yüksek performanslı bilgi işlem gibi alanlar için özellikle önemlidir. HDF5 bütünleştirmesi ayrıca MAT dosyalarına HDF5 uyumlu araçlar kullanılarak erişilebileceği anlamına gelir ve bu da diğer sistemler ve yazılımlarla birlikte çalışabilirliği daha da artırır.
MAT formatının birçok avantajına rağmen, akılda tutulması gereken bazı hususlar vardır. Bunlardan biri sürüm uyumluluğu sorunudur. MATLAB geliştiği için MAT dosyası formatı da gelişmiştir ve yeni sürümlerde kaydedilen dosyalar MATLAB'ın eski sürümleriyle uyumlu olmayabilir. Kullanıcıların kullandıkları MATLAB sürümünün ve yüklemeye çalıştıkları MAT dosyasının sürümünün farkında olmaları gerekir. MATLAB, kaydederken MAT dosyalarının sürümünü kontrol etmek ve belirtmek için işlevler sağlar; bu da farklı MATLAB sürümleri arasında uyumluluğun korunmasına yardımcı olabilir.
Bir diğer husus da MAT formatının tescilli yapısıdır. İyi belgelenmiş ve MathWorks tarafından desteklense de, bazı diğer veri formatları gibi açık bir standart değildir. Bu, MATLAB'a veya uyumlu yazılıma erişimi olmayan kullanıcılarla veri paylaşırken zorluklara neden olabilir. Ancak, HDF5 açık bir standart olduğu ve HDF5 dosyalarıyla çalışmak için birçok araç bulunduğu için HDF5 ile bütünleştirme bu sorunu bir dereceye kadar azaltmıştır.
Sonuç olarak, MAT görüntü formatı, görüntü verilerini ve diğer değişkenleri MATLAB'da depolamak için güçlü ve esnek bir yoldur. Sayısal hassasiyeti koruması, çok çeşitli veri türlerini desteklemesi ve HDF5 standardıyla bütünleşmesi, onu MATLAB kullanıcıları, özellikle bilimsel ve mühendislik alanlarında çalışanlar için paha biç
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.