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.
Dijital görüntüleme alanında temel bir unsur olan Bitmap (BMP) dosya biçimi, hem tek renkli hem de renkli iki boyutlu dijital görüntüleri depolamak için basit ama çok yönlü bir yöntem olarak hizmet eder. 1980'lerin sonlarında Windows 3.0 ile birlikte ortaya çıkışından bu yana, BMP biçimi, hemen hemen tüm Windows ortamları ve birçok Windows dışı uygulama tarafından desteklenerek, sadeliği ve geniş uyumluluğu ile yaygın olarak tanınmıştır. Bu görüntü biçimi, özellikle en temel biçimlerinde herhangi bir sıkıştırma içermemesiyle dikkat çeker; bu da JPEG veya PNG gibi diğer biçimlerle karşılaştırıldığında daha büyük dosya boyutlarına yol açarken, görüntü verilerine hızlı erişim ve düzenleme kolaylığı sağlar.
Bir BMP dosyası, bir üst bilgi, bir renk tablosu (indeksli renkli görüntüler için) ve bitmap verilerinin kendisinden oluşur. BMP biçiminin önemli bir bileşeni olan üst bilgi, bitmap görüntüsünün genişliği, yüksekliği, renk derinliği ve kullanılan sıkıştırma türü (varsa) gibi meta veriler içerir. Yalnızca piksel başına 8 bit (bpp) veya daha az renk derinliğine sahip görüntülerde bulunan renk tablosu, görüntüde kullanılan bir renk paleti içerir. Bitmap verileri, görüntüyü oluşturan gerçek piksel değerlerini temsil eder; burada her piksel ya doğrudan renk değeriyle tanımlanabilir ya da tabloda bir renge başvurabilir.
BMP dosya üst bilgisi, üç ana bölüme ayrılmıştır: Bitmap Dosya Üst Bilgisi, Bitmap Bilgi Üst Bilgisi (veya DIB üst bilgisi) ve belirli durumlarda, piksel biçimini tanımlamak için isteğe bağlı bir bit maskeleri bölümü. Bitmap Dosya Üst Bilgisi, dosya boyutunu, ayrılmış alanları (genellikle sıfıra ayarlanır) ve piksel verilerinin başlangıcına olan ofseti takip eden 2 baytlık bir tanımlayıcı ('BM') ile başlar. Bu, üst bilginin boyutundan bağımsız olarak, dosyayı okuyan sistemin gerçek görüntü verilerine nasıl hemen erişeceğini bilmesini sağlar.
Bitmap Dosya Üst Bilgisini, görüntü hakkında ayrıntılı bilgi sağlayan Bitmap Bilgi Üst Bilgisi izler. Bu bölüm, üst bilginin boyutunu, piksel cinsinden görüntü genişliğini ve yüksekliğini, düzlemlerin sayısını (BMP dosyalarında her zaman 1 olarak ayarlanır), piksel başına bitleri (görüntünün renk derinliğini gösterir), kullanılan sıkıştırma yöntemini, görüntünün ham verilerinin boyutunu ve metrede piksel cinsinden yatay ve dikey çözünürlüğü içerir. Bu veri bolluğu, görüntünün BMP dosyalarını okuyabilen herhangi bir cihazda veya yazılımda doğru bir şekilde yeniden üretilebilmesini sağlar.
BMP dosyalarındaki sıkıştırma çeşitli biçimler alabilir, ancak biçim en çok sıkıştırılmamış görüntülerle ilişkilendirilir. 16 ve 32 bit görüntüler için BI_RGB (sıkıştırılmamış), BI_BITFIELDS (renk biçimini tanımlamak için renk maskeleri kullanan) ve BI_ALPHABITFIELDS (bir alfa şeffaflık kanalı desteği ekleyen) gibi sıkıştırma yöntemleri mevcuttur. Bu yöntemler, önemli bir kalite kaybı olmadan yüksek renk derinliğine sahip görüntülerin verimli bir şekilde depolanmasına olanak tanır, ancak daha tipik sıkıştırılmamış biçimden daha az kullanılırlar.
BMP dosyalarındaki renk tablosu, 8 bpp veya daha az görüntüyle uğraşırken kritik bir rol oynar. Bu, indeksli renkler kullanarak küçük bir dosya boyutu korurken bu görüntülerin çok çeşitli renkler görüntülemesine olanak tanır. Renk tablosundaki her giriş tek bir rengi tanımlar ve görüntü için bitmap verileri, her piksel için tüm renk değerlerini depolamak yerine bu girişlere başvurur. Bu yöntem, simgeler veya basit grafikler gibi tüm renk spektrumuna ihtiyaç duymayan görüntüler için oldukça verimlidir.
Bununla birlikte, BMP dosyaları basitlikleri ve korudukları görüntü kalitesi nedeniyle takdir edilirken, aynı zamanda önemli dezavantajları da vardır. Birçok çeşidi için etkili sıkıştırmanın olmaması, BMP dosyalarının özellikle yüksek çözünürlüklü veya renk derinliğine sahip görüntülerle uğraşırken hızla kullanışsız hale gelebileceği anlamına gelir. Bu, onları web kullanımı veya depolama veya bant genişliğinin sorun olduğu herhangi bir uygulama için pratik olmayan hale getirebilir. Dahası, BMP biçimi, daha az kullanılan BI_ALPHABITFIELDS sıkıştırması hariç, şeffaflığı (veya katmanları) doğal olarak desteklemez ve bu da daha karmaşık grafik tasarım projelerindeki faydasını sınırlar.
BMP biçiminin standart özelliklerine ek olarak, yıllar içinde yeteneklerini geliştirmek için geliştirilmiş çeşitli varyantlar ve uzantılar vardır. Dikkat çekici bir uzantı, indeksli renkli görüntülerin dosya boyutunu azaltmak için renk tablosunun ilkel sıkıştırmasına olanak tanıyan 4 bit/piksel (4bpp) ve 8bpp sıkıştırmadır. Bir diğer önemli uzantı, dosya üst bilgisinin Uygulamaya Özel Bloğunu (ASB) kullanarak BMP dosyalarında meta veri depolama yeteneğidir. Bu özellik, yazarlık, telif hakkı ve görüntü oluşturma verileri gibi keyfi ek bilgilerin eklenmesine olanak tanır ve BMP dosyalarının dijital yönetim ve arşivleme amaçları için kullanımında daha fazla esneklik sağlar.
BMP dosyalarıyla çalışan yazılım geliştiricileri için teknik hususlar, dosya biçiminin yapısının nüanslarını anlamak ve çeşitli bit derinliklerini ve sıkıştırma türlerini uygun şekilde ele almayı içerir. Örneğin, BMP dosyalarını okumak ve yazmak, görüntünün boyutlarını, renk derinliğini ve sıkıştırma yöntemini belirlemek için üst bilgileri doğru şekilde ayrıştırmayı gerektirir. Geliştiriciler ayrıca, renklerin doğru bir şekilde temsil edilmesini sağlamak için indeksli renkli görüntülerle uğraşırken renk tablosunu etkili bir şekilde yönetmelidir. Ayrıca, BMP biçiminin küçük uçlu bayt sıralamasını belirtmesi nedeniyle sistemin büyük/küçük uçluluğu da dikkate alınmalıdır; bu, büyük uçlu sistemlerde dönüştürme gerektirebilir.
BMP dosyalarını belirli uygulamalar için optimize etmek, görüntünün amaçlanan kullanımı için uygun renk derinliğini ve sıkıştırma yöntemini seçmeyi içerebilir. Yüksek kaliteli baskı grafikleri için, maksimum görüntü kalitesini korumak için sıkıştırma olmadan daha yüksek bir renk derinliği kullanmak tercih edilebilir. Tersine, dosya boyutunun daha önemli bir endişe olduğu simgeler veya grafikler için, indeksli renkler ve daha düşük bir renk derinliği kullanmak, kabul edilebilir görüntü kalitesini korurken dosya boyutunu önemli ölçüde azaltabilir. Ek olarak, yazılım geliştiricileri, belirli uygulamalar için BMP görüntülerinin dosya boyutunu daha da azaltmak için özel sıkıştırma algoritmaları uygulayabilir veya harici kitaplıklar kullanabilir.
Şeffaflık ve animasyonlar gibi üstün sıkıştırma ve ek özellikler sunan JPEG, PNG ve GIF gibi daha gelişmiş dosya biçimlerinin ortaya çıkmasına rağmen, BMP biçimi, basitliği ve programatik olarak kolayca işlenebilmesi nedeniyle önemini korumaktadır. Farklı platformlar ve yazılımlar arasında yaygın desteği, BMP dosyalarının basit görüntüleme görevleri ve en yüksek doğrulukta görüntü yeniden üretiminin gerekli olduğu uygulamalar için yaygın bir seçim olmasını sağlar.
Sonuç olarak, zengin tarihi ve sürekli faydası ile BMP dosya biçimi, dijital görüntülemenin temel taşlarından birini temsil eder. Sıkıştırılmamış ve basit sıkıştırılmış renk verilerini barındıran yapısı, uyumluluğu ve erişim kolaylığını sağlar. Daha yeni biçimler, sıkıştırma ve gelişmiş özellikler açısından BMP'yi gölgede bırakmış olsa da, BMP biçiminin sadeliği, evrenselliği ve patent kısıtlamalarının olmaması, onu çeşitli bağlamlarda alakalı tutmaktadır. Yazılım geliştiricisi, grafik tasarımcısı veya meraklısı olsun, dijital görüntülemeyle uğraşan herkes için BMP biçimini anlamak, dijital görüntü yönetimi ve düzenlemenin karmaşıklıklarında gezinmek 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.