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.
DXT5, resmi adıyla BC3 (Blok Sıkıştırma 3) olarak da bilinir, Microsoft tarafından 3D grafik uygulamalarında verimli doku sıkıştırma için geliştirilen DirectX Doku Sıkıştırma (DXTC) format ailesinin bir parçasıdır. Bu format, görüntü kalitesi ve dosya boyutu arasında bir denge sağlamanın kritik olduğu alfa kanallı difüz ve parlaklık haritalarını sıkıştırmak için özellikle uygundur. Önceki sürümleri DXT1 ve DXT3'ün aksine, DXT5, daha yumuşak geçişler ve yarı saydam dokuların daha doğru bir şekilde temsil edilmesiyle sonuçlanan interpolasyonlu alfa sıkıştırması sunar.
DXT5 sıkıştırmasının temelleri, 4x4 piksel bloklarını sabit boyutlu 128 bitlik parçalara sıkıştırma yeteneği etrafında döner. Bu yaklaşım, tam çözünürlüklü dokuların gerektirdiği kapsamlı hesaplama kaynaklarına ihtiyaç duymadan doku boyutunda genellikle 4:1 ila 6:1 oranında önemli bir azalma sağlar. Verimliliğinin anahtarı, renk ve alfa bilgilerini ayrı ayrı ancak aynı veri yapısı içinde sıkıştırması, her ikisini de mekansal tutarlılık ve depolama boyutu için optimize etmesidir.
DXT5'teki renk sıkıştırması, DXT1'de bulunan yönteme benzer bir yöntem kullanır. Her 4x4 piksel bloğu içinde iki 16 bitlik renk değeri saklanır. Bu renkler 5:6:5 bit RGB formatında (kırmızı için 5 bit, yeşil için 6 bit ve mavi için 5 bit) temsil edilir. Bu iki renkten, iki ek ara renk hesaplanarak blok için dört renkli bir palet oluşturulur. Ancak DXT5, DXT1'in aksine, bu renk sıkıştırmasını alfa sıkıştırmasıyla birlikte kullanarak değişen şeffaflık derecelerine sahip görüntüleri daha etkili bir şekilde işler.
DXT5'teki alfa sıkıştırması, selefi DXT3'ten önemli ölçüde ayrıldığı noktadır. DXT5, bir alfa aralığının uç noktalarını tanımlayan iki 8 bitlik alfa değeri depolar. Ardından, rengin nasıl interpole edildiğine benzer şekilde, toplam sekiz alfa adımı oluşturmak için altı ek alfa değeri hesaplanır. Bu adımlar, her 4x4 bloğu içindeki şeffaflık üzerinde hassas kontrollere izin vererek, yumuşak gradyanlar ve değişen opaklık seviyeleriyle karmaşık görüntülerin temsil edilmesini sağlar.
DXT5'te 4x4 piksellik bir blok için kodlama işlemi birkaç adımı içerir. İlk olarak, algoritma bloktaki en belirgin iki rengi tanımlar ve bunları renk uç noktaları olarak seçer. Aynı anda, bloktaki alfa değişimini en iyi şekilde temsil eden iki alfa değeri seçer. Bu uç noktalara dayanarak ara renkler ve alfalar hesaplanır. Bloktaki her piksel daha sonra ilgili paletlerden en yakın renk ve alfa değerine eşlenir ve bu indeksler saklanır. Son 128 bitlik veri parçası, renk uç noktalarını, alfa uç noktalarını ve hem renk hem de alfa eşlemeleri için indeksleri içerir.
DXT5'in teknik gelişmişliği, sıkıştırma verimliliğini görsel sadakatle dengeleme yeteneğinde yatmaktadır. Bu denge, renk ve alfa uç noktalarının optimum seçimini belirlemek için her 4x4 bloğu analiz eden gelişmiş algoritmaların kullanılmasıyla sağlanır. Ayrıca, yöntem, bir bloktaki komşu piksellerin benzer renklere ve alfa değerlerine sahip olma olasılığını varsayarak mekansal tutarlılıktan yararlanır. Bu varsayım, son derece verimli veri temsili sağlar ve DXT5'i bellek bant genişliği ve depolama alanının sınırlı olduğu gerçek zamanlı 3D uygulamalar için mükemmel bir seçim haline getirir.
DXT5 sıkıştırma ve sıkıştırma işlemlerini uygulamak, hem teorik temellerinin hem de pratik hususların anlaşılmasını gerektirir. Sıkıştırma tarafında, verilen piksel verileri için en iyi uyumu yaklaşık olarak belirlemek için sezgisel algoritmalar içerebilen bir süreç olan ilk renk ve alfa uç noktaları dikkatlice seçilmelidir. Öte yandan sıkıştırma, sıkıştırılmış verilerde saklanan indekslere göre renklerin ve alfaların doğrusal olarak interpole edilmesini içeren nispeten basit bir işlemdir. Ancak, özellikle donanım uygulamalarında doğru ve verimli interpolasyon sağlamak kendi zorluklarını beraberinde getirir.
DXT5'in oyun endüstrisinde ve ötesinde yaygın olarak benimsenmesi, kalite ve performans arasında denge kurmadaki etkinliğinin bir kanıtıdır. Oyun geliştiricileri, bellek kullanımı ve bant genişliği açısından aksi takdirde engelleyici olacak ayrıntılı, yüksek çözünürlüklü dokular elde etmek için DXT5'ten yararlanırlar. Ayrıca, formatın alfa şeffaflığı desteği, duman, ateş ve cam gibi şeffaflığın ince gradasyonlarını gerektirenler de dahil olmak üzere çeşitli doku türleri için çok yönlü bir seçim haline getirir.
Avantajlarına rağmen, DXT5'in sınırlamaları da yoktur. Sıkıştırma şeması, özellikle keskin renk geçişleri veya yüksek kontrastlı bölgelerde bazen eserler üretebilir. Bu eserler, doku görsel kalitesini düşürebilen bantlama veya bloklu olma olarak kendini gösterir. Ayrıca, sabit 4x4 blok boyutu, bu ölçekten daha küçük ince ayrıntıların doğru bir şekilde temsil edilemeyebileceği anlamına gelir ve bu da belirli bağlamlarda doku sadakatinde potansiyel bir kayba yol açar.
Doku sıkıştırma teknolojisinin evrimi, DXT5 ve kardeşlerinin attığı temeller üzerine inşa edilmeye devam ediyor. BC7 (Blok Sıkıştırma 7) gibi daha yeni sıkıştırma formatları, geliştirilmiş renk doğruluğu, daha yüksek kaliteli alfa sıkıştırması ve doku verilerini temsil etmek için daha gelişmiş kalıplar sunarak, önceki formatların karşılaştığı sınırlamalardan bazılarını giderir. Ancak DXT5, özellikle sıkıştırma verimliliği ve kalitesinin dengesinin hala çok değerli olduğu eski uygulamalarda ve sistemlerde yaygın olarak kullanılmaktadır.
Grafik uygulamalarının geliştirilmesinde doku sıkıştırma formatının seçimi çok önemlidir ve yalnızca uygulamanın görsel kalitesini değil, aynı zamanda performansını ve kaynak kullanımını da etkiler. DXT5, gerçek zamanlı, kaynak sınırlı ortamlarda çalışan, alfa şeffaflığına sahip yüksek kaliteli dokular gerektiren uygulamalar için ilgi çekici bir çözüm sunar. DXT5'in karmaşıklıklarını, sıkıştırma mekanizmalarından pratik uygulamasına kadar anlamak, projelerinde doku sıkıştırma hakkında bilinçli kararlar vermek isteyen geliştiriciler için çok önemlidir.
Sonuç olarak, DXT5 görüntü formatı, doku sıkıştırma alanında önemli bir ilerlemeyi temsil etmektedir. Renk ve alfa sıkıştırmasını birleştirilmiş bir çerçeve içinde düşünceli bir şekilde birleştiren tasarımı, karmaşık görüntü verilerinin verimli bir şekilde depolanmasını ve iletilmesini sağlar. Bugün mevcut olan en yeni veya en gelişmiş doku sıkıştırma formatı olmasa da, dijital grafik topluluğundaki mirası ve devam eden alaka düzeyi önemini vurgulamaktadır. Geliştiriciler, sanatçılar ve mühendisler için DXT5'e hakim olmak ve doku sıkıştırma teknolojilerinin daha geniş bağlamındaki yerini anlamak, görsel olarak çarpıcı ve performans açısından optimize edilmiş grafik içeriği oluşturmaya yönelik çok önemli adımlardır.
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.