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.
Yüksek Verimli Görüntü Dosyası Biçimi (HEIC), kalitede ödün vermeden üstün sıkıştırma sunarak dijital görüntüleme alanında önemli bir ilerlemeyi temsil etmektedir. Moving Picture Experts Group (MPEG) tarafından geliştirilen bu biçim, MPEG-H medya paketinin bir parçasıdır ve H.265 olarak da bilinen Yüksek Verimli Video Sıkıştırma (HEVC) standardından yararlanır. HEIC, dosya boyutunu azaltma ve görüntü kalitesini artırma gibi ikili hedeflerle tasarlanmıştır ve dijital çağımızda yüksek çözünürlüklü fotoğrafların ve görüntülerin verimli bir şekilde depolanması ve paylaşılması için artan talebi karşılamaktadır.
HEIC'in birincil avantajlarından biri, yaygın olarak kullanılan JPEG biçiminden iki kat daha verimli bir şekilde fotoğrafları sıkıştırabilme yeteneğidir. Bu verimlilik, kalite pahasına elde edilmez; HEIC görüntüleri, profesyonel fotoğrafçılıktan günlük kullanıma kadar çok çeşitli uygulamalar için uygun olan yüksek düzeyde ayrıntı ve dinamik aralık sunar. Biçim, JPEG'nin 8 bitine kıyasla 16 bit rengi destekleyerek daha zengin ve daha doğru bir renk temsili sağlar.
HEIC ayrıca onu diğer görüntü biçimlerinden ayıran birkaç özellik sunar. Bu özelliklerden biri, fotoğraf patlamaları, diziler oluşturmak veya bir fotoğrafın farklı sürümlerini depolamak için kullanılabilen tek bir dosyada birden fazla görüntü depolama yeteneğidir. Ek olarak, HEIC dosyaları, portre fotoğraflarında bokeh efektleri gibi gelişmiş düzenleme teknikleri için yararlı olan derinlik haritaları gibi yardımcı bilgiler içerebilir. Biçim ayrıca, bu özelliği üst üste bindirme efektleri için gerektiren grafik tasarımcılar için uygun bir seçenek haline getiren şeffaflığı destekler.
HEIC'in sıkıştırma mekanizması, HEVC video sıkıştırma tekniğine dayanır ancak durağan görüntüler için uyarlanmıştır. Bu, görüntüyü bloklara bölmeyi ve bu blokları gelişmiş tahmin ve kodlama stratejileriyle sıkıştırmayı içerir. İşlem, hem kare içi (aynı görüntü içinde) hem de kareler arası (aynı dosyadaki birden fazla görüntü arasında) sıkıştırma teknikleri kullanır ve yalnızca tek tek fotoğrafların verimli bir şekilde sıkıştırılmasını değil, aynı zamanda ardışık görüntülerin küçük farklılıklar gösterdiği dizilerin sıkıştırılmasını da sağlar.
Avantajlarına rağmen, HEIC'in benimsenmesi zorluklarla karşılaştı. Önemli bir engel uyumluluktur. HEIC ilk tanıtıldığında, işletim sistemleri ve yazılımlar arasında destek sınırlıydı. Bu durum zamanla iyileşmiş olsa da, Windows 10 ve macOS High Sierra gibi büyük platformlar yerel destek sunsa da, biçimi henüz tam olarak desteklemeyen birçok cihaz ve uygulama bulunmaktadır. HEIC'in faydaları daha geniş çapta tanındıkça ve yazılım geliştiricileri uygulamalarını biçimi işleyecek şekilde güncelledikçe bu durum yavaş yavaş değişmektedir.
Bir diğer zorluk, fikri mülkiyet haklarıyla ilgilidir. HEIC, HEVC sıkıştırma standardına dayandığından, kullanımı HEVC Advance patent havuzunun yönettiği lisans ücretlerine tabidir. Bu durum, bazı üreticilerin ve yazılım sağlayıcılarının, potansiyel maliyetler konusundaki endişeler nedeniyle biçimi benimseme konusunda temkinli olmasına yol açmıştır. Bununla birlikte, HEVC video ve hareketsiz görüntüler için daha yaygın ve gerekli hale geldikçe, lisanslama gereklilikleri arasında bile HEIC'i destekleme baskısı artmıştır.
Kullanıcılar için HEIC'e geçiş, pratik engeller de oluşturabilir. HEIC dosyaları daha küçük ve daha yüksek kalitede olsa da, tüm web platformları ve sosyal medya siteleri HEIC dosyalarının doğrudan yüklenmesini desteklemez. Bu, JPEG gibi daha evrensel olarak kabul edilen formatlara dönüştürmeyi gerektirir ve bu da HEIC'in dosya boyutu ve kalite açısından bazı avantajlarını azaltabilir. Bununla birlikte, biçim için farkındalık ve destek arttıkça, daha geniş doğrudan desteğin de geleceği ve dönüştürme ihtiyacını azaltacağı muhtemeldir.
Yazılım desteği açısından, HEIC dosyalarıyla çalışmayı kolaylaştırmak için çeşitli araçlar ve kitaplıklar ortaya çıkmıştır. Adobe Photoshop gibi görüntü işleme yazılımları, HEIC desteğini bünyesine katarak profesyonellerin ve amatörlerin HEIC görüntülerini doğrudan düzenlemelerine olanak tanımıştır. Ek olarak, libheif gibi kitaplıklar, geliştiricilere uygulamalarına HEIC desteği eklemek için araçlar sunar ve böylece daha fazla yazılımın kullanıcıların görüntülerini dönüştürmelerine gerek kalmadan biçimi yerel olarak işlemesini sağlar.
Geleceğe bakıldığında, HEIC'in görüntüleme teknolojisinin evriminde çok önemli bir rol oynaması beklenmektedir. Cihazlar giderek daha yüksek çözünürlüklerde görüntü yakaladıkça ve verimli depolama çözümlerine olan talep arttıkça, HEIC'in avantajları giderek daha önemli hale gelecektir. Bu, özellikle depolama alanının çok önemli olduğu mobil cihazlar için geçerlidir. HEIC, görüntü kalitesini koruyarak veya hatta geliştirerek dosya boyutlarını önemli ölçüde azaltarak dijital görüntüleme yoğunluğunu daha etkili bir şekilde yönetmenin bir yolunu sunar.
Dahası, HEIC'in derinlik bilgisi ekleme ve diziler ve patlamalar için destek gibi gelişmiş özellikleri, yaratıcı fotoğrafçılık ve gelişmiş görüntü işleme için yeni olanaklar sunar. Bu özellikler, cihaz yeteneklerindeki devam eden gelişmelerle birleştiğinde, kullanıcıların görüntüleri yakalama ve etkileşim kurma konusunda yeni yollar sunmak için HEIC'in güçlü yönlerinden yararlanan yenilikçi uygulamalara yol açacaktır.
Bununla birlikte, HEIC'in tam potansiyeli, yalnızca cihazlar ve platformlar ekosisteminde daha geniş destekle gerçekleştirilecektir. Artan uyumluluk, kullanıcıların yüksek kaliteli görüntüleri paylaşmasını ve keyfini çıkarmasını kolaylaştırmakla kalmayacak, aynı zamanda dijital fotoğrafçılığın daha yaratıcı ve verimli bir şekilde kullanılmasını da teşvik edecektir. Bu nedenle, uyumluluk sorunlarını ve fikri mülkiyet endişelerini çözmek için sektör oyuncularının çabaları, HEIC biçiminin gelecekteki başarısını belirlemede çok önemli olacaktır.
Sonuç olarak, HEIC, yüksek verimlilik ve yüksek kaliteyi bir araya getiren dijital görüntülemede önemli bir yenilik olarak öne çıkmaktadır. JPEG gibi geleneksel formatlara göre avantajları açıktır ve bunlar arasında daha iyi sıkıştırma, daha yüksek kaliteli görüntüler ve gelişmiş özellikler için destek yer almaktadır. Bununla birlikte, yaygın benimsemeye ve potansiyelinin en üst düzeye çıkarılmasına giden yol, uyumluluk, lisanslama ve kullanıcı davranışıyla ilgili zorlukların üstesinden gelmeyi içerir. Bu engeller ele alındıkça, HEIC'in dijital görüntüleme alanında giderek daha önemli bir biçim haline gelmesi ve görüntüler hakkında düşünme ve çalışma şeklimizi değiştirmesi muhtemeldir.
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.