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.
Silikon Grafik Görüntü (SGI) dosya biçimi, RGB dosya biçimi olarak da bilinir, başlangıçta Silicon Graphics, Inc. (SGI) tarafından geliştirilen bir raster grafik dosya biçimidir. 1980'ler ve 1990'larda özellikle 3D animasyon ve bilimsel görselleştirme gibi alanlarda yüksek kaliteli grafikleri sıkıştırılmış bir biçimde saklamak için yaygın olarak kullanılmıştır. SGI görüntü biçimi, şeffaflık için alfa kanalıyla veya kanalsız, gri tonlama, dizinli renk ve gerçek renk gibi çeşitli veri türlerini destekleyen çok yönlülüğüyle karakterize edilir.
Temel olarak, SGI görüntü biçimi yüksek çözünürlüklü görüntüleri etkili bir şekilde işlemek için tasarlanmıştır. Görüntü kalitesi ve dosya boyutu arasında bir denge sağlamak için koşu uzunluğu kodlaması (RLE) sıkıştırması ve basit dosya yapısının bir kombinasyonunu kullanır. Bu, hem görsel verilerin bütünlüğünün hem de depolama verimliliğinin çok önemli olduğu uygulamalar için özellikle uygun hale getirir. Web kullanımı açısından PNG ve JPEG gibi daha yeni biçimler tarafından biraz gölgede bırakılmasına rağmen, SGI biçimi sağlamlığı ve sadakati çok değer verilen profesyonel ve sanatsal ortamlarda hala uygulama bulmaktadır.
Bir SGI görüntüsünün dosya yapısı, bir üst bilgi, ardından isteğe bağlı renk haritası verileri ve ardından görüntü verilerinin kendisinden oluşur. Üst bilgi 512 bayt uzunluğundadır ve dosyayı bir SGI görüntü dosyası olarak tanımlayan sihirli sayı (dosyayı bir SGI görüntü dosyası olarak tanımlayan), depolama biçimi (görüntü verilerinin koşu uzunluğu kodlu veya olduğu gibi olup olmadığı), boyut sayısı (RGB görüntüler için genellikle 3), x boyutu, y boyutu, z boyutu (renk kanalı sayısı) ve piksel minimum ve maksimum değerleri gibi kritik bilgiler içerir. Üst bilgiye gömülü bu zengin meta veri, görüntü verileri üzerinde geniş esneklik ve kontrol sağlar.
Üst bilgiden sonra, bir SGI görüntü dosyası, isteğe bağlı olan ve genellikle gerçek renkli görüntüler için kullanılmayan bir renk haritası içerebilir. Renk haritası, her pikselin değerinin renk haritasındaki bir renge işaret ettiği dizinli renkli görüntüler için tasarlanmıştır ve karmaşık görüntülerin azaltılmış renk paletleriyle temsil edilmesine olanak tanır. Bu, algılanan görüntü kalitesinde buna karşılık gelen bir kayıp olmadan dosya boyutunu önemli ölçüde azaltabilir ve bu da onu belirli grafik uygulamaları için ideal hale getirir.
Bir SGI dosyasındaki görüntü verileri iki biçimden birinde saklanabilir: sıkıştırılmamış (olduğu gibi) veya RLE kullanılarak sıkıştırılmış. Sıkıştırılmamış biçimde, pikseller doğrudan renk değerleri olarak saklanır, bu da büyük dosya boyutlarına neden olabilir ancak görüntü verilerine hızlı erişim ve işleme olanağı tanır. Buna karşılık, RLE sıkıştırması, her pikseli ayrı ayrı saklamak yerine, aynı piksel dizilerini tek bir değer ve sayımla kodlayarak dosya boyutunu azaltmayı amaçlar. Bu, özellikle tekdüze renkli geniş alanlara sahip görüntülerde önemli sıkıştırma oranları sağlayabilir, ancak verilerin sıkıştırılması gerektiğinden görüntü işlemede ek yük oluşturabilir.
Temsil edilebilecek içerik çeşitliliğini yönetmek için SGI görüntüleri, tipik olarak gri tonlamadan (1 kanal) RGB'ye (3 kanal) ve RGBA'ya (şeffaflık dahil 4 kanal) kadar değişen birden fazla renk kanalını destekler. Her kanal ayrı ayrı saklanır ve RLE sıkıştırılmış dosyalar durumunda her kanal bağımsız olarak sıkıştırılır. Bu yaklaşım, karmaşık görüntülerin verimli bir şekilde saklanmasına olanak tanır ve kanallara ayrı ayrı erişilebildiği ve değiştirilebildiği için görüntü işleme ve manipülasyonunda esneklik sağlar.
SGI görüntü biçiminin ayırt edici özelliklerinden biri, kanal başına geleneksel 8 bitten daha fazlasına izin veren derin renk derinliklerini desteklemesidir. Bu özellik, özellikle nüanslı renk geçişlerinin yakalanması ve yeniden üretilmesinin çok önemli olduğu dijital sinema gibi profesyonel alanlarda faydalı olan geniş dinamik aralıklı ve renk doğruluğuna sahip görüntüleri destekler. Ancak daha yüksek renk derinlikleri, depolama ve bant genişliği hususlarıyla dengelenmesi gereken daha büyük dosya boyutlarına neden olur.
SGI görüntü biçimi, tarihsel olarak önemli ve teknik olarak sağlam olsa da, çağdaş dijital ortamda sınırlamalarla karşı karşıyadır. Modern görüntüleme yazılımı ve web platformlarında yaygın olarak desteklenmemesinden dolayı kullanıcılar için zorluklar oluşturabilir. Ayrıca, RLE sıkıştırma tekniği etkili olsa da, JPEG'in kayıplı sıkıştırması veya PNG'nin kayıpsız sıkıştırması gibi daha modern kodekler kadar verimli değildir. Sonuç olarak, SGI dosyaları daha büyük olabilir ve çevrimiçi içerik dağıtımı gibi bant genişliğine duyarlı uygulamalarda kullanım için daha az uygun olabilir.
Bu zorluklara rağmen, SGI görüntü biçimi belirli kullanım durumlarında değerli bir varlık olmaya devam etmektedir. Yüksek çözünürlük ve derin renk derinliği görüntülerini işleme yeteneği, bu özelliklerin kritik olduğu profesyonel ortamlarda tercih edilen bir seçim haline getirir. Ek olarak, dosya yapısının basitliği, özel araçlar ve komut dosyalarıyla kolayca işlenmesini kolaylaştırır; bu, özel veri temsili ve analizinin yaygın olduğu bilimsel görselleştirme gibi özel iş akışlarında özellikle avantajlı olabilir.
Teknik geliştirme açısından, SGI görüntü dosyalarıyla çalışmak, yapısının ve kodlama şemalarının nüanslı bir şekilde anlaşılmasını gerektirir. SGI görüntü desteğini uygulamalarına dahil etmek isteyen programcılar ve geliştiriciler, meta verileri doğru bir şekilde yorumlamak için dosya üst bilgisini ayrıştırmada ve RLE sıkıştırma ve sıkıştırma algoritmalarını uygulamakta veya bunlardan yararlanmakta yetkin olmalıdır. Ayrıca, biçimin boyutlar ve renk kanalları açısından esnekliği göz önüne alındığında, uygulamalar çok çeşitli görüntü türlerini işlemek için dinamik olarak uyarlanabilir olmalıdır.
Dahası, SGI görüntülerini daha geniş uyumluluk için daha çağdaş biçimlere dönüştürmek, doğasında var olan takasların dikkatli bir şekilde değerlendirilmesini içerir. Örneğin, bir SGI görüntüsünü daha az renk derinliğine veya daha agresif bir sıkıştırma algoritmasına sahip bir biçime dönüştürmek, ayrıntı kaybına veya eserlere neden olabilir. Bu nedenle, geliştiriciler, özellikle doğruluğun çok önemli olduğu profesyonel kullanım için tasarlanmış görüntülerle uğraşırken kalite bozulmasını en aza indiren dönüştürme rutinleri uygulamalıdır.
SGI görüntü biçiminin tarihsel önemi hafife alınamaz. Dijital görüntülemenin hızla geliştiği bir dönemde geliştirilen bu biçim, bilgisayar grafiğinin evriminde, hesaplama kaynaklarının ciddi şekilde sınırlı olduğu bir zamanda yüksek doğruluklu görüntülerin oluşturulmasını ve işlenmesini kolaylaştırarak çok önemli bir rol oynamıştır. SGI biçiminin mirası, kurduğu temel ilkelerde görülebilir ve bunların çoğu modern görüntü işleme tekniklerini ve biçimlerini etkilemeye devam etmektedir.
Geleceğe bakıldığında, SGI görüntü biçimi eski önemini yeniden kazanmasa da, verimlilik ve esneklik ilkeleri yankılanmaya devam etmektedir. Mevcut ve gelecekteki görüntü biçimleri, SGI'nin görüntü kalitesini dosya boyutu, yönetilen renk derinlikleri ve desteklenen şeffaflıkla nasıl dengelediğini öğrenebilir. Dijital görüntüleme teknolojisi geliştikçe, çok yönlü, yüksek kaliteli görüntü biçimlerine vurgu sabit kalmakta ve SGI biçiminin bilgisayar grafiği alanındaki kalıcı etkisini vurgulamaktadır.
Sonuç olarak, SGI görüntü biçimi, görüntü kalitesi, dosya boyutu ve işleme verimliliği arasındaki dengede büyüleyici bir çalışma sunmaktadır. Modern kullanım ve destek açısından zorluklarla karşılaşmasına rağmen, tasarım ilkeleri -özellikle yüksek çözünürlük, derin renk derinliği görüntüleri ve basit ancak esnek dosya yapısı için desteği- mevcut ve gelecekteki görüntü biçimleri için değerli dersler sunmaktadır. Dijital görüntüleme gelişmeye devam ettikçe, SGI gibi biçimlerin teknik inceliklerini ve tarihsel önemini anlamak ve takdir etmek, sürekli değişen bir teknolojik ortamda dijital görüntüleri en iyi şekilde nasıl yönetecekleri, işleyecekleri ve koruyacakları konusunda profesyoneller için çok önemlidir.
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.