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.
APNG (Animasyonlu Taşınabilir Ağ Grafikleri), yaygın olarak kullanılan PNG (Taşınabilir Ağ Grafikleri) formatının yeteneklerini animasyonları destekleyecek şekilde genişleten bir dosya biçimidir. Web'de animasyonlu görüntüler sunmak için GIF (Grafik Değişim Biçimi) formatına daha verimli ve erişilebilir bir alternatif sağlamak amacıyla oluşturulmuştur. APNG, PNG'nin kayıpsız sıkıştırma ve şeffaflık özelliklerini korurken, birden çok kareyi saklama özelliğini de sunarak akıcı, yüksek kaliteli animasyonlar oluşturulmasına olanak tanır.
APNG formatı, özellikle animasyon için tasarlanmış yeni parça türlerini tanıtarak mevcut PNG yapısının üzerine inşa edilmiştir. APNG'de kullanılan birincil parçalar `acTL` (Animasyon Kontrolü) parçası ve `fcTL` (Kare Kontrolü) parçasıdır. `acTL` parçası dosyanın başında yer alır ve animasyonun bir bütün olarak kare sayısı ve animasyonun kaç kez döngüye gireceği gibi bilgilerini içerir. `fcTL` parçası her karenin önüne gelir ve karenin boyutları, konumu ve gecikme süresi gibi kareye özel ayrıntıları sağlar.
APNG'nin temel avantajlarından biri, standart PNG görüntüleyicileriyle geriye dönük uyumluluğudur. Bir APNG dosyası, APNG'yi desteklemeyen uygulamalarda statik bir görüntü olarak görüntülenmesini sağlayan normal bir PNG dosyasıyla aynı imza ve kritik parçalarla başlar. Bu, eski tarayıcılara veya görüntü görüntüleyicilere sahip kullanıcıların yine de animasyonun ilk karesini görebilmesini sağlayarak çok çeşitli platformlarda uyumluluğu korur.
APNG'deki animasyon süreci, her biri ayrı bir görüntüyle temsil edilen bir dizi kareye dayanır. İlk kare genellikle tam olarak işlenmiş bir görüntüdür, sonraki kareler ise tam kareler veya yalnızca önceki kareden yapılan değişiklikleri içeren kısmi kareler olabilir. Bu yaklaşım, değişmeyen piksellerin her kare için yeniden çizilmesine gerek olmadığından daha verimli depolama ve daha hızlı yükleme sürelerine olanak tanır.
Bir APNG dosyası oluşturmak için, tek tek kareleri birleştirmek ve gerekli parçaları oluşturmak için bir görüntü düzenleme aracı veya özel yazılım kullanılır. Kareler genellikle ayrı PNG dosyaları olarak dışa aktarılır ve ardından bir APNG kodlayıcı kullanılarak tek bir APNG dosyasında birleştirilir. Kodlayıcı kareleri analiz eder, en uygun kodlama yöntemini (tam kareler veya kısmi kareler) belirler ve animasyon oynatmayı kontrol etmek için `acTL` ve `fcTL` parçalarını oluşturur.
Bir APNG dosyası uyumlu bir görüntüleyicide yüklendiğinde, görüntüleyici animasyon özelliklerini belirlemek için `acTL` parçasını okur ve ardından kareleri sırayla işler. Her kareyle ilişkili `fcTL` parçası, süresi ve tuval içindeki yerleşimi de dahil olmak üzere kareyi doğru şekilde işlemek için gerekli bilgileri sağlar. Görüntüleyici, animasyon hızını ve döngü davranışını kontrol etmek için gecikme sürelerini kullanarak kareleri belirtilen sırada görüntüler.
APNG, geleneksel GIF animasyonlarına göre çeşitli avantajlar sunar. GIF'in sınırlı 256 renkli paletine kıyasla daha canlı ve ayrıntılı grafiklere olanak tanıyan 24 bit renk ve 8 bit şeffaflığı destekler. APNG ayrıca daha iyi sıkıştırma sağlar ve eşdeğer görüntü kalitesi için daha küçük dosya boyutlarıyla sonuçlanır. Ek olarak, APNG değişken kare hızlarına izin vererek animasyonların zamanlaması ve akıcılığı üzerinde daha fazla kontrol sağlar.
Bununla birlikte, APNG'nin bazı sınırlamaları da vardır. Firefox, Chrome ve Safari gibi büyük web tarayıcıları tarafından desteklense de, GIF kadar yaygın olarak benimsenmemiştir. Bazı eski tarayıcılar ve görüntü görüntüleyiciler APNG için yerleşik desteğe sahip olmayabilir ve kullanıcıların animasyonları görüntülemek için uzantılar yüklemelerini veya alternatif yazılımlar kullanmalarını gerektirebilir. Ayrıca, birden çok kareyle çalışma ve belirli parça yapısını anlama içerdiğinden, APNG dosyaları oluşturmak GIF'e kıyasla daha karmaşık olabilir.
Bu sınırlamalara rağmen, APNG son yıllarda üstün görüntü kalitesi, daha küçük dosya boyutları ve web tarayıcıları ve görüntü düzenleme araçlarından artan destek nedeniyle popülerlik kazanmıştır. Şeffaflık ve akıcı oynatma gerektiren kısa, döngüsel animasyonlar için özellikle web sitelerinde yüksek kaliteli animasyonlar sunmak için tercih edilen bir seçim haline gelmiştir.
Sonuç olarak, APNG animasyonları desteklemek için PNG'nin yeteneklerini genişleten güçlü ve çok yönlü bir dosya biçimidir. Mevcut PNG yapısından yararlanarak ve animasyon kontrolü için yeni parçalar tanıtarak APNG, GIF'e daha verimli ve görsel olarak çekici bir alternatif sunar. GIF kadar yaygın olarak desteklenmese de, APNG'nin web tarayıcıları tarafından benimsenmesinin artması ve yüksek kaliteli animasyonlara olan talebin artmas ı, onu web'de ilgi çekici ve etkileşimli içerik oluşturmak isteyen tasarımcılar ve geliştiriciler için değerli bir araç haline getirmektedir.
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.