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.
PNG48 görüntü formatı, yaygın olarak kullanılan Taşınabilir Ağ Grafikleri (PNG) formatının bir uzantısıdır. Önceki sürümünün sınırlamalarını aşmanın bir yolu olarak geliştirilen PNG48, özellikle dijital görüntülerde daha yüksek renk derinliğine olan ihtiyacı gidermektedir. Özünde, "48" bit derinliğini ifade eder ve bir PNG48 görüntüsünün her pikselinin 48 bit renk bilgisi içerdiğini gösterir. Bu, standart 24 bit PNG'lerden önemli bir sıçramadır ve renk hassasiyetini etkili bir şekilde ikiye katlayarak daha zengin ve daha ayrıntılı bir görsel deneyim sağlar.
PNG48'in mimarisini anlamak, renk derinliğine ve görüntü verilerini nasıl işlediğine dair derin bir dalış gerektirir. Bir PNG48 dosyasında her piksel, kırmızı, yeşil ve mavi (RGB) olmak üzere üç bileşene bölünmüş 48 bit ile temsil edilir. Bu bileşenlerin her biri, standart PNG dosyalarındaki kanal başına 8 bite kıyasla 16 bit derinliğe sahiptir. Bu daha yüksek bit derinliği, sırasıyla 65.536 kırmızı, yeşil ve mavi tonuna izin vererek teorik olarak 281 trilyonun üzerinde bir renk paletiyle sonuçlanır. Bu geniş spektrum, özellikle renk doğruluğu ve gradasyonun çok önemli olduğu üst düzey grafik uygulamaları, fotoğrafçılık ve dijital sanat için faydalıdır.
Sıkıştırma, PNG formatının kritik bir yönüdür ve PNG48 de bir istisna değildir. PNG, DEFLATE olarak bilinen kayıpsız bir sıkıştırma yöntemi kullanır. Bu algoritma, görüntü verilerindeki fazlalıkları bularak ortadan kaldırarak, herhangi bir ayrıntı veya kaliteyi feda etmeden dosya boyutunu etkili bir şekilde azaltır. PNG48 dosyalarındaki zorluk, artan renk bilgisi nedeniyle doğal olarak daha büyük boyutlarıdır. Buna rağmen, DEFLATE algoritması, yüksek kaliteli renk bilgilerini korurken dosya boyutundaki artışın mümkün olduğunca azaltılmasını sağlayarak verimli sıkıştırma oranlarını korumayı başarır.
Şeffaflık, PNG formatının bir başka ayırt edici özelliğidir ve PNG48'de bu, benzer bir zarafetle ele alınır. PNG48, her pikselin opaklığını belirten ek bir bileşene sahip olmasına izin veren tam alfa şeffaflığını destekler. Bununla birlikte, saf bir PNG48 dosyasında şeffaflık doğrudan 48 bit tanımına dahil edilmez. Bunun yerine, şeffaflığı dahil etmek için PNG64 olarak bilinen formatın bir uzantısı kullanılır ve burada ek 16 bit alfa kanalına ayrılmıştır. Bu, görüntülerin tamamen şeffaftan tamamen opaklığa kadar değişen derecelerde görünürlük kalitesine sahip olmasını sağlar ve formatın grafik tasarım ve web geliştirmedeki faydasını artırır.
PNG48 formatı, PNG24 öncülünden doğal olarak daha karmaşıktır ve hem donanım hem de yazılımdan daha fazlasını talep eder. Daha yüksek renk derinliği, hem görüntüleme hem de düzenleme için daha fazla işlem gücü ve bellek gerektirir. Yazılım uyumluluğu da bir husustur, çünkü tüm görüntü görüntüleyicileri ve düzenleyicileri 48 bit renk derinliğini desteklemez. Bununla birlikte, çoğu profesyonel sınıf yazılım, görsel içerik oluşturucularına sağladıkları değeri kabul ederek bu daha yüksek kaliteli görüntüleri barındıracak şekilde güncellenmiştir.
PNG48 formatının kritik avantajlarından biri, yüksek kaliteli görsel temsiller gerektiren çeşitli alanlardaki uygulanabilirliğidir. Dijital fotoğrafçılıkta, genişletilmiş renk derinliği, gölgelerdeki ve vurgulardaki nüansların çok daha iyi korunması anlamına gelir ve daha düşük renk derinliklerindeki gradyanlarda sıklıkla görülen bantlama etkisini azaltır. Grafik tasarımcılar ve dijital sanatçılar için format, daha geniş bir renk spektrumuyla çalışma olanağı sunarak daha canlı ve gerçekçi kreasyonlarla sonuçlanır.
Avantajlarına rağmen, PNG48 formatı evrensel olarak ideal değildir. Kayıpsız sıkıştırmaya rağmen artan dosya boyutu, yükleme sürelerinin ve bant genişliği kullanımının kritik hususlar olduğu web üzerinde kullanım için daha az uygun hale getirir. Bu nedenle, PNG48 arşivler, dijital sanat ve profesyonel fotoğrafçılık için mükemmel olsa da, daha küçük dosya boyutları ve daha hızlı yükleme süreleri nedeniyle standart bir PNG veya hatta bir JPEG çevrimiçi içerik için tercih edilebilir.
PNG48 formatının bir diğer önemli özelliği de gama düzeltmesi desteğidir. Bu, görüntülerin farklı görüntüleme cihazlarında daha tutarlı bir şekilde görüntülenmesini sağlar. Gama düzeltmesi, bir bilgisayar monitörü veya mobil ekran gibi çıktı cihazının özelliklerine göre bir görüntünün parlaklığını ve kontrastını ayarlar. Bu özelliği destekleyerek PNG48 görüntüleri, çeşitli platformlarda sıklıkla görüntülenen dijital medya için çok önemli olan daha tekdüze bir görsel deneyim sunabilir.
PNG48'i kullanmakla ilgilenen içerik oluşturucular ve geliştiriciler için teknik özellikleri ve yazılım gereksinimlerini anlamak çok önemlidir. Adobe Photoshop, GIMP ve diğerleri gibi görüntü düzenleme yazılımları, PNG48 dosyalarının düzenlenmesine olanak tanıyan yüksek bit derinlikli görüntüler için destek uygulamıştır. Bununla birlikte, artan hassasiyet, kullanıcıların mümkün olan en iyi çıktıyı sağlamak için renk yönetimi uygulamaları hakkında iyi bir anlayışa sahip olmasını da gerektirir. Ek olarak, web uygulamalarıyla çalışan geliştiriciler, yüksek bit derinlikli PNG dosyalarını desteklemeyen tarayıcılar için geri dönüş seçenekleri uygulamalı ve geniş erişilebilirlik sağlamalıdır.
Optimizasyon ve dönüştürme araçları da PNG48 dosyalarının pratik kullanımında önemli bir rol oynar. Boyutları göz önüne alındığında, bu dosyaları belirli kullanım durumları için optimize etmek çok önemlidir. PNG48 dosyalarını kalitelerinden ödün vermeden daha da sıkıştırmak için çeşitli yazılım araçları ve kitaplıkları mevcuttur. Dahası, dönüştürme araçları, gerektiğinde PNG48 dosyalarının daha yaygın olarak uyumlu formatlara küçültülmesine olanak tanır ve bu yüksek kaliteli görüntülerin nasıl kullanılıp paylaşılacağı konusunda esneklik sağlar.
Özetle, PNG48 görüntü formatı, benzersiz renk derinliği ve görsel sadakat sunan dijital görüntü teknolojisinde önemli bir ilerlemeyi temsil eder. Daha büyük dosya boyutları ve artan hesaplama gereksinimleri gibi bir dizi zorlukla birlikte gelse de, görüntü kalitesi açısından sağladığı faydalar tartışılmazdır. Teknoloji gelişmeye devam ettikçe ve daha yüksek bit derinliklerine destek daha yaygın hale geldikçe, PNG48 ve benzer formatların profesyonel ve üst düzey tüketici uygulamalarında daha geniş bir şekilde benimsendiğini ve dijital görüntünün sınırlarını daha da zorladığını göreceğiz.
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.