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.
DCX görüntü formatı, .dcx uzantısıyla belirtilen, birden fazla PCX formatlı görüntüyü tek bir dosyada kapsüllemenin amacına hizmet eden dikkate değer bir grafik dosya formatıdır. Bu işlevsellik, faks belgeleri, animasyonlu görüntüler veya çok sayfalı belgeler gibi çok sayfalı görüntü dizilerini veya belgeleri düzenleme, depolama ve taşıma gerektiren uygulamalar için özellikle yararlı hale getirir. Kişisel bilgisayarların ilk günlerinde geliştirilen DCX formatı, toplu görüntü işleme için bir çözüm sunarak dijital görüntü yönetiminin gelişen ihtiyaçlarına bir kanıt olarak durmaktadır.
DCX'in temelini oluşturan PCX formatı, yazılım endüstrisinde yaygın olarak benimsenen en eski bit eşlem görüntü formatlarından biriydi ve öncelikle PC Paintbrush yazılımı tarafından kullanılıyordu. Bir raster görüntü formatı olarak, bir dosya içindeki her bir piksel bilgisini kodladı, çeşitli renk derinliklerini destekledi ve bileşik DCX formatı için etkili bir şekilde temel oluşturdu. Yaşına rağmen, PCX ve dolayısıyla DCX, sadeliği ve eski yazılım uygulamalarıyla uyumluluğu nedeniyle belirli nişlerde kullanılmaya devam etmektedir.
Bir DCX dosyasının yapısı esasen bir üst bilgiden ve bir dizi PCX dosyasından oluşur. DCX dosyasının üst bilgi kısmı, DCX dosyalarını diğer dosya formatlarından güvenle ayırt etmek için sihirli bir sayı görevi gören benzersiz bir tanımlayıcı ('0x3ADE68B1') ile başlar. Sihirli sayının ardından, DCX dosyası içindeki her kapsüllenmiş PCX görüntüsünün ofset konumlarını listeleyen bir dizin bulunur. Bu yaklaşım, tüm dosyayı sırayla ayrıştırma ihtiyacı olmadan tek tek görüntülere hızlı erişim sağlar ve belirli içeriğe erişmek için formatın verimliliğini artırır.
Dizin bölümündeki her giriş, DCX dosyası içindeki bir PCX görüntüsünün başlangıcını işaret eden 32 bitlik bir ofsetten oluşur. Bu dizin yapısının basitliği, kapsamlı dosya yeniden işlemeye gerek kalmadan bir DCX dosyasındaki PCX görüntülerinin hızlı bir şekilde eklenmesine, kaldırılmasına veya değiştirilmesine olanak tanır. Çok sayfalı belge görüntülerinin veya sıralı görüntü koleksiyonlarının yönetilebilir bir şekilde güncellenmesini ve düzenlenmesini sağlayarak formatın tasarım öngörüsünü vurgulamaktadır.
Teknik kodlama açısından, bir DCX kapsayıcısı içinde kapsüllenmiş bir PCX dosyası, görüntü verilerini bir dizi tarama çizgisi olarak depolar. Bu tarama çizgileri, orijinal görüntü kalitesinden ödün vermeden dosya boyutunu azaltan kayıpsız bir veri sıkıştırma biçimi olan koşu uzunluğu kodlaması (RLE) kullanılarak sıkıştırılır. RLE, özellikle tekdüze renkli geniş alanlara sahip görüntüler için verimlidir ve bu da onu tipik olarak PCX ve DCX formatlarıyla ilişkilendirilen taranmış belge görüntüleri ve basit grafikler için uygun hale getirir.
PCX formatının renk derinliğiyle ilgili esnekliği, DCX formatının uyarlanabilirliğinde önemli bir rol oynar. PCX dosyaları, siyah beyaz, 16 renkli, 256 renkli ve gerçek renkli (24 bit) görüntüleri işleyebilir ve bu da DCX kapsayıcılarının çok çeşitli görüntü türlerini kapsüllemesine olanak tanır. Bu çok yönlülük, orijinal belgelerin veya görüntülerin sadakatini korumanın çok önemli olduğu arşivleme amaçları için DCX formatının sürekli alaka düzeyini sağlar.
Avantajlarına rağmen, DCX formatı tasarımına ve kaynaklandığı teknoloji çağına özgü sınırlamalarla karşı karşıyadır. Birincisi, format, daha modern görüntü dosyası formatlarında standart haline gelen katmanlar, şeffaflık veya meta veriler gibi gelişmiş görüntü özelliklerini doğal olarak desteklemez. Bu sınırlamalar, formatın karmaşık görüntü düzenleme veya dijital sanat eseri oluşturmaktan ziyade belge tarama ve arşivleme gibi daha basit uygulamalardaki faydasını yansıtmaktadır.
Ek olarak, PCX ve dolayısıyla DCX formatları tarafından kullanılan koşu uzunluğu kodlama yöntemi belirli görüntü türleri için verimli olsa da, tüm senaryolar için en uygun sıkıştırmayı sağlamayabilir. JPEG veya PNG formatlarında kullanılanlar gibi modern görüntü sıkıştırma algoritmaları, daha gelişmiş yöntemler sunarak daha geniş bir görüntü yelpazesi için daha yüksek sıkıştırma oranları ve daha küçük dosya boyutlarında daha iyi kalite elde eder. Bununla birlikte, RLE'nin sadeliği ve DCX görüntülerindeki kayıplı sıkıştırma eserlerinin olmaması, orijinal görsel bütünlüklerini bozulmadan korumalarını sağlar.
Dahası, DCX dosyalarında PCX formatına güvenmek, PCX ile ilişkili sınırlamaları ve zorlukları da miras almak anlamına gelir. Örneğin, renk derinliği kısıtlamaları ve karmaşık görüntüler için RLE sıkıştırmasının verimsizliği göz önüne alındığında, modern yüksek çözünürlüklü görüntüleri veya geniş bir renk gamına sahip görüntüleri işlemek sorunlu olabilir. Sonuç olarak, DCX dosyaları daha basit görüntüleri veya belge taramalarını verimli bir şekilde depolamakta üstün olsa da, yüksek kaliteli fotoğrafçılık veya ayrıntılı grafik çalışmaları için ideal bir seçim olmayabilirler.
Yazılım uyumluluğu açısından, DCX formatı, özellikle eski dosya formatlarıyla çalışmak veya belge görüntüleme konusunda uzmanlaşmış olan çeşitli görüntü görüntüleme ve düzenleme programlarından destek almaktadır. Bu birlikte çalışabilirlik, kullanıcıların önemli engeller olmadan DCX dosyalarına erişmelerini ve bunları işlemelerini sağlayarak mevcut yazılım çözümlerinden yararlanmalarını sağlar. Bununla birlikte, dijital görüntüleme ortamı geliştikçe, daha gelişmiş ve esnek görüntü formatlarının yaygınlaşması, DCX'in sürekli benimsenmesi ve desteklenmesi için bir zorluk oluşturmakta ve potansiyel olarak onu daha niş veya eski uygulamalara indirgemektedir.
Bu hususlar ışığında, DCX formatının geleceği, çok sayfalı belge görüntülerinin tek bir dosyada verimli bir şekilde depolanması ve kayıpsız sıkıştırma yoluyla orijinal görüntü kalitesinin korunması gibi özel avantajlarının sınırlamalarından daha ağır bastığı niş uygulamalarıyla yakından bağlantılı görünmektedir. Bu faktörlere öncelik veren sektörler ve uygulamalar, örneğin yasal belge arşivleme, tarihi belge koruma ve belirli teknik dokümantasyon türleri, DCX formatında değer bulmaya devam edebilir.
Dahası, DCX formatının dijital mirası ve tarihi belgeleri korumadaki rolü hafife alınamaz. Orijinal belgelerin özgünlüğünü ve bütünlüğünü korumanın çok önemli olduğu bağlamlarda, DCX formatının sadeliği ve güvenilirliği, modern bilgi işlem kaynakları gerektiren daha karmaşık formatlara göre avantajlar sunabilir. Formatın kayıpsız sıkıştırmaya verdiği önem ve çeşitli renk derinliklerini desteklemesi, dijital reprodüksiyonların orijinal belgelerle yakından eşleşmesini sağlar ve bu da arşivleme amaçları için çok önemli bir husustur.
Bu güçlü ve zayıf yönler göz önüne alındığında, DCX formatının çağdaş dijital görüntülemedeki alaka düzeyi, geniş ana akım benimsenmesinden ziyade belirli kullanım durumlarındaki sürekli faydasına dayanmaktadır. Her senaryoda özellikler veya verimlilik açısından modern görüntü formatlarıyla rekabet edemese de, DCX, özellikle benzersiz yeteneklerinin en çok değer gördüğü eski sistemlerde ve belirli endüstrilerde dijital görüntüleme ekosisteminde niş ancak önemli bir yere sahiptir.
Özetle, DCX görüntü formatı, çok sayfalı görüntü belgelerini veya dizilerini yönetmede basitlik, verimlilik ve işlevsellik arasındaki dengeyi örnekler. Saygıdeğer PCX formatına olan güveni, onu erken dijital görüntü yönetiminin bir mirasına dayandırırken, aynı zamanda yeteneklerini ve sınırlamalarını da belirler. Daha gelişmiş ve çok yönlü görüntü formatlarının karşısında zorluklarla karşılaşmasına rağmen, DCX, kayıpsız sıkıştırma, birden fazla görüntünün verimli bir şekilde işlenmesi ve eski yazılımlarla uyumluluk gibi niteliklerinin kullanıcıların ve endüstrilerin pratik ihtiyaçlarıyla uyumlu olduğu belirli uygulamalarda alaka düzeyini korur.
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.