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.
Kompakt Görüntü Formatı (CIP), özellikle bant genişliği ve depolama alanının önemli olduğu web ve mobil uygulamalar için görüntüleri depolamanın ve iletmenin verimli bir yolunu sunmak üzere tasarlanmış modern bir görüntü dosya biçimidir. JPEG, PNG ve GIF gibi geleneksel biçimlerden farklı olarak CIP, görüntü kalitesinden önemli ölçüde ödün vermeden üstün sıkıştırma oranları elde etmek için gelişmiş sıkıştırma algoritmaları ve modüler bir yapı kullanır. Bu teknik açıklayıcı, CIP biçiminin mimarisi, sıkıştırma teknikleri ve pratik uygulamaları da dahil olmak üzere karmaşıklıklarını araştırır.
CIP biçiminin kalbinde, yüksek derecede esneklik ve genişletilebilirlik sağlayan modüler yapısı yer alır. Bir CIP dosyası, her biri görüntünün belirli bir yönünden (meta verileri, palet, piksel verileri ve alfa saydamlığı veya animasyon kareleri gibi isteğe bağlı bileşenler) sorumlu olan birkaç bağımsız modülden oluşur. Bu modülerlik yalnızca verimli kodlama ve kod çözme işlemlerini kolaylaştırmakla kalmaz, aynı zamanda CIP dosyalarını belirli ihtiyaçlara veya kısıtlamalara uyacak şekilde son derece özelleştirilebilir hale getirir.
CIP'yi diğer görüntü biçimlerinden ayıran temel özelliklerden biri gelişmiş sıkıştırma tekniğidir. CIP, görüntü içeriğine ve sıkıştırma oranı ile görüntü kalitesi arasındaki istenen dengeye bağlı olarak en uygun tekniği dinamik olarak seçen kayıpsız ve kayıplı sıkıştırma yöntemlerinin bir kombinasyonunu kullanır. Keskin kenarları ve düz renkleri olan grafik görüntüler için CIP, her pikselin bütünlüğünü koruyan kayıpsız sıkıştırma algoritmaları kullanır. Daha ince renk değişimlerine sahip fotoğrafik görüntüler için CIP, insan gözü için fark edilir bir bozulmaya neden olmadan renk gradyanlarını basitleştirerek dosya boyutunu azaltan gelişmiş bir kayıplı sıkıştırma algoritması kullanır.
Kaliteyi feda etmeden yüksek sıkıştırma oranları elde etmek için CIP'nin kayıplı sıkıştırma mekanizması, "Akıllı Piksel Yaklaşımı" olarak bilinen tescilli bir teknik içerir. Bu yöntem, renk değişimlerinin algılanan görüntü kalitesini önemli ölçüde etkilemeden basitleştirilebileceği alanları belirlemek için görüntünün renk paletini ve mekansal özelliklerini analiz eder. Benzer renkleri akıllıca yaklaştırarak ve küçük ayrıntıları daha büyük, daha düzgün alanlarda birleştirerek CIP, bir görüntüyü temsil etmek için gereken veri miktarını önemli ölçüde azaltabilirken görsel sadakatini koruyabilir.
CIP biçimindeki bir diğer yenilik, uyarlanabilir çözünürlük ölçekleme özelliğidir. Bu, CIP görüntülerinin tek bir dosya içinde birden çok çözünürlükte depolanmasına olanak tanır ve uygulamaların görüntüleme cihazına veya bant genişliği kısıtlamalarına göre en uygun çözünürlüğü dinamik olarak seçmesine olanak tanır. Bu özellik, görüntü kalitesinin çok çeşitli ekran boyutları ve ağ koşulları için optimize edilmesi gereken duyarlı web tasarımı ve mobil uygulamalar için özellikle faydalıdır. Birden çok çözünürlüğü tek bir dosyaya gömerek CIP, her çözünürlük için ayrı dosyalara olan ihtiyacı ortadan kaldırır, içerik yönetimini basitleştirir ve sunucu yükünü azaltır.
CIP ayrıca saydamlık ve animasyonları ele almak için benzersiz bir yaklaşım sunar ve kendini diğer görüntü biçimlerinden ayırır. Saydamlık için CIP, dosyaya isteğe bağlı olarak dahil edilebilen ve saydam alanları renk verilerinden izole ederek daha verimli sıkıştırma sağlayan ayrı bir modül kullanır. Bu, saydamlık ve renk bilgilerini harmanlayan geleneksel yöntemlere kıyasla üstün sıkıştırma oranlarına yol açar. Animasyonlara gelince, CIP aynı dosya yapısı içinde hem kare tabanlı hem de vektör tabanlı animasyonları destekler ve ayrı dosyalara veya biçimlere ihtiyaç duymadan dinamik içerik oluşturmada esneklik sunar.
Bir CIP dosyasının kodlama işlemi, meta veriler, renk verileri ve isteğe bağlı bileşenler gibi farklı modülleri tanımlamak için görüntü içeriğinin ayrıştırılmasıyla başlayan birkaç aşama içerir. Ardından her modül en uygun sıkıştırma tekniği kullanılarak sıkıştırılır ve ardından tüm modüller tek bir, tutarlı CIP dosyasında paketlenir. Bu modüler yaklaşım yalnızca sıkıştırma verimliliğini artırmakla kalmaz, aynı zamanda modüller birbirinden bağımsız olarak işlenebildiğinden kodlama ve kod çözme işlemlerini de hızlandırır.
Modüler tasarımı sayesinde bir CIP dosyasını kod çözmek de aynı derecede verimlidir. Uygulamalar, tüm dosyayı kod çözmeye gerek kalmadan belirli modüllere hızlı bir şekilde erişebilir ve bu da görüntü oluşturma sürelerini önemli ölçüde hızlandırır. Bu, kullanıcı deneyimini iyileştirmek için hızlı yükleme süreleri gerektiren web uygulamaları için özellikle avantajlıdır. Dahası, akıllı sıkıştırma teknikleri sayesinde CIP görüntüleri daha düşük çözünürlüklerde bile yüksek kalitede işlenebilir ve kullanıcıların bant genişliği veya depolama kısıtlamaları altında görsel olarak çekici içeriklerin keyfini çıkarmasını sağlar.
CIP görüntü biçiminin geliştirilmesi, dijital içeriği modern web ve mobil ortamlar için optimize etme yönündeki devam eden bir eğilimi yansıtmaktadır. Veri tüketimi ve kullanıcı beklentileri sürekli olarak arttıkça, CIP gibi biçimler, yüksek kaliteli görüntülere duyulan ihtiyaç ile dosya boyutu, yükleme hızı ve ağ verimliliği gibi pratik hususlar arasında denge kurmada kritik öneme sahiptir. Bu zorlukları doğrudan ele alan CIP, yalnızca görsel web deneyimini geliştirmekle kalmaz, aynı zamanda mobil hakimiyet çağında önemli bir endişe olan çevrimiçi içeriğin genel veri ayak izini azaltmaya da katkıda bulunur.
CIP biçim desteğini yazılım ve uygulamalara uygulamak, yapısını ve algoritmalarını anlamak gerektirir. Geliştiriciler, CIP görüntülerini kodlamak ve kod çözmek için işlevler sağlayan mevcut kitaplıkları ve SDK'ları kullanarak bunları görüntü işleme hatlarına veya içerik yönetim sistemlerine entegre edebilirler. Biçimin modülerliği göz önüne alındığında, geliştiriciler ayrıca sıkıştırma oranına, görüntü kalitesine veya kod çözme hızına öncelik verip vermelerine bakılmaksızın belirli kullanım durumları için kodlama ve kod çözme işlemlerini özelleştirme esnekliğine sahiptir.
CIP'nin çeşitli sektörlerde benimsenmesi, çok yönlülüğünü ve etkinliğini vurgulamaktadır. Web geliştirmede CIP görüntüleri, web sayfası yükleme sürelerini önemli ölçüde azaltarak arama motoru sıralamalarını ve kullanıcı elde tutma oranlarını iyileştirir. Mobil uygulamalar için, biçiminin bant genişliği ve depolama alanını verimli kullanması, sınırlı kaynaklara sahip cihazlarda bile daha sorunsuz, daha duyarlı deneyimler yaratmaya yardımcı olur. Dahası, dijital yayıncılık ve çevrimiçi medyada CIP'nin uyarlanabilir çözünürlüğü ve gelişmiş sıkıştırma yetenekleri, yüksek kaliteli görüntülerin verimli bir şekilde sunulmasını sağlayarak, büyük dosya boyutlarının dezavantajları olmadan içeriğin görsel çekiciliğini artırır.
Diğer görüntü biçimlerle karşılaştırıldığında, CIP, görüntü kalitesi ile dosya boyutu arasında bir denge kurmanın çok önemli olduğu senaryolarda rekabet avantajı sunar. JPEG ve PNG gibi biçimler yaygın olarak kullanılmakta ve desteklenmektedir, ancak sıkıştırma yöntemleri ve yapı sınırlamaları genellikle daha büyük dosya boyutlarına veya karşılaştırılabilir sıkıştırma seviyelerinde daha düşük kaliteye neden olur. CIP'nin akıllı sıkıştırma ve modülerliği yalnızca üstün verimlilik sağlamakla kalmaz, aynı zamanda mevcut içerikle uyumluluğu bozmadan yeni özellikler ve iyileştirmelere olanak tanıyarak biçimi geleceğe hazırlar.
CIP biçiminin devam eden geliştirilmesi ve standardizasyonu, daha geniş çapta benimsenmesi ve uzun vadeli başarısı için çok önemlidir. Sektörel işbirlikleri ve CIP spesifikasyonuna yapılan katkılar, bunun alakalı kalmasını ve dijital içerik oluşturucularının ve tüketicilerin değişen ihtiyaçlarını karşılamaya devam etmesini sağlar. Bu çabanın bir parçası olarak, geliştiricilerin CIP'yi benimsemelerine, teknik zorlukların üstesinden gelmelerine ve görüntü içeriğini optimize etmek için en iyi uygulamaları paylaşmalarına destek olmak için kapsamlı belgeler, eğitimler ve topluluk forumları mevcuttur.
Dijital ortamlar geliştikçe, görüntü biçimlerine yönelik gereksinimler de değişecektir. Esneklik, verimlilik ve kalite üzerine odaklanan CIP
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.