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.
ICON resim formatı, yaygın olarak ICO olarak bilinir, tipik olarak Microsoft Windows'ta simgeler için kullanılan bir dosya formatıdır. ICO dosyaları, uygun şekilde ölçeklenebilmeleri için birden fazla küçük görüntüyü çeşitli boyutlarda ve renk derinliklerinde içerir. Windows'ta simgeler bir uygulamayı, bir dosyayı veya bir klasörü temsil etmek için kullanılır ve kullanıcı arayüzünün ayrılmaz bir parçasıdır. ICO formatı çok yönlüdür ve 16x16 pikselden 256x256 piksele kadar değişen görüntülere ve hatta belirli geçici çözümlerle daha büyük görüntülere izin verir. Format, genellikle alfa şeffaflığı olarak adlandırılan 24 bit renkli görüntüler ve 8 bit şeffaflığı destekler.
ICO formatı, tek bir dosya içinde birden fazla görüntü içerebilmesi bakımından benzersizdir. Bu, farklı boyutlarda ve çözünürlüklerde görüntülenmesi gereken simgeler için özellikle kullanışlıdır. Örneğin, tipik bir ICO dosyası, 16x16, 32x32, 48x48 ve 256x256 pikselde işlenmiş aynı simgeyi içerebilir. Bu, işletim sisteminin belirli bir bağlam için en iyi boyutu seçmesine olanak tanır, örneğin bir dosya listesindeki küçük bir simge veya kullanıcı büyük simgeleri görüntülemek için görünüm seçeneklerini değiştirdiğinde daha büyük bir simge.
Bir ICO dosyasının yapısı nispeten basittir. Bir üst bilgiyle başlar, ardından bir dizin ve ardından görüntü verilerinin kendisi gelir. Üst bilgi, her zaman sıfıra ayarlanan ayrılmış 2 baytlık bir alan, kaynak türünü (simgeler için 1) belirten 2 baytlık bir tür alanı ve dosyada kaç görüntü bulunduğunu gösteren 2 baytlık bir sayım alanı içerir. Üst bilginin ardından, dosyadaki her görüntü için bir tane olmak üzere girişlerden oluşan bir dizi olan dizin gelir. Her dizin girişi, görüntünün genişliği, yüksekliği, renk sayısı ve görüntü verilerinin boyutu dahil olmak üzere çeşitli alanlar içerir.
Dizin girişindeki genişlik ve yükseklik alanları her biri bir bayttır ve maksimum değeri 255'tir. Ancak pratikte bir ICO görüntüsünün maksimum boyutları 256x256 pikseldir. Bir görüntü 256 piksel genişliğinde veya yüksekliğinde olduğunda, karşılık gelen alan 0 olarak ayarlanır. Renk sayısı alanı, görüntünün paletindeki renk sayısını belirtir ve 0 değeri, görüntünün bir palet kullanmadığı anlamına gelir (yani 24 bit veya 32 bit bir görüntüdür). Boyut alanı, görüntünün verilerinin boyutunu bayt cinsinden veren 4 baytlık bir değerdir ve ofset alanı, görüntü verilerinin dosya içindeki konumunu belirten 4 baytlık bir değerdir.
Bir ICO dosyasındaki görüntü verileri çeşitli formatlardan birinde depolanabilir. 64x64 pikselden küçük boyutlara sahip daha küçük simgeler için görüntü verileri tipik olarak BMP dosyalarında da kullanılan aygıt bağımsız bir bit eşlem (DIB) formatında depolanır. Bu format, bir BITMAPINFOHEADER yapısı, ardından renk paleti (görüntü bir tane kullanıyorsa) ve ardından piksel verilerini içerir. Daha büyük simgeler için görüntü verileri genellikle daha iyi sıkıştırmaya izin veren ve alfa şeffaflığını destekleyen PNG formatında depolanır.
BITMAPINFOHEADER yapısı, boyutu, genişliği, yüksekliği, düzlemleri, bit sayısı, sıkıştırma, görüntü boyutu, yatay ve dikey çözünürlük, renk sayısı ve önemli renk sayısı dahil olmak üzere bit eşlem hakkında bilgi içerir. Bit sayısı alanı, piksel başına bit sayısını gösterir ve 1, 4, 8, 24 veya 32 olabilir. 32 bitlik bir bit sayısı, görüntünün şeffaflık için bir alfa kanalı içerdiğini gösterir. Sıkıştırma alanı genellikle 0 olarak ayarlanır ve ICO dosyasındaki BMP biçimli görüntüler için sıkıştırma olmadığını gösterir.
ICO dosyalarındaki şeffaflık iki şekilde işlenir. Alfa kanalı olmayan görüntüler için bir maske bit eşlemi kullanılır. Bu, hangi piksellerin şeffaf ve hangilerinin opak olduğunu belirten piksel başına 1 bitlik bir görüntüdür. Maske bit eşlemi, dosyadaki renkli bit eşleminden hemen sonra depolanır. Alfa kanalı olan görüntüler için şeffaflık bilgisi, 32 bit renk derinliğinin bir parçası olan alfa kanalının kendisinde depolanır. Bu, tamamen opak olandan tamamen şeffaf olana kadar değişen şeffaflık seviyelerine izin verir ve özellikle yumuşak kenarlar ve gölgeler oluşturmak için kullanışlıdır.
ICO formatı zaman içinde gelişti. Başlangıçta, Windows'un eski sürümlerinde simgeler küçük bir renk paletiyle sınırlıydı ve alfa şeffaflığı için destek yoktu. Grafik kullanıcı arayüzleri daha karmaşık hale geldikçe, yumuşak kenarlara sahip daha yüksek kaliteli simgelere ve çeşitli arka planlarla harmanlanma yeteneğine duyulan ihtiyaç ortaya çıktı. Windows XP'nin piyasaya sürülmesiyle Microsoft, çok daha ayrıntılı ve görsel olarak çekici simgelere izin veren 8 bit alfa şeffaflığına sahip 32 bit görüntüleri desteklemek için ICO formatını güncelledi.
Adına rağmen, ICO formatı Microsoft Windows ile sınırlı değildir. Çeşitli diğer işletim sistemleri tarafından tanınır ve web tarayıcılarında bir web sitesinin başlığının yanında bir tarayıcı sekmesinde görüntülenen küçük simge olan favicon olarak kullanılabilir. Faviconlar tipik olarak 16x16 veya 32x32 piksel boyutundadır ve farklı tarayıcılar ve platformlar arasında uyumluluğu sağlamak için ICO formatında depolanır. Ancak, PNG ve GIF gibi diğer formatlar da modern web geliştirmede faviconlar için kullanılır.
ICO dosyaları oluşturmak, tek bir dosya içinde birden fazla görüntü boyutu ve renk derinliği gibi formatın inceliklerini işleyebilen özel yazılım gerektirir. ICO dosyalarını sıfırdan oluşturabilen veya mevcut görüntüleri ICO formatına dönüştürebilen birçok simge düzenleyici ve dönüştürücü mevcuttur. Adobe Photoshop gibi bazı görüntü düzenleme yazılımları, ek eklentilerin yardımıyla görüntüleri ICO formatında da kaydedebilir.
ICO formatı için simgeler tasarlarken, kullanılacakları bağlamı dikkate almak önemlidir. Simgeler küçük boyutlarda okunaklı ve tanınabilir olmalı ve temsil ettikleri uygulama veya markayla eşleşen tutarlı bir stile uymalıdır. Simgeleri netliklerini ve görsel etkilerini koruduklarından emin olmak için farklı arka planlarda ve çeşitli boyutlarda test etmek de önemlidir.
Dosya boyutu açısından, ICO dosyaları içerdikleri görüntü sayısına ve boyutuna bağlı olarak büyük ölçüde değişebilir. Birden fazla boyut ve renk derinliği içerebildikleri için, özellikle yüksek çözünürlükl ü görüntüler içerdiklerinde ICO dosyaları oldukça büyük hale gelebilir. Ancak, daha büyük görüntüler için PNG sıkıştırmasının kullanılması, görüntü kalitesinden ödün vermeden dosya boyutunu azaltarak bu sorunu hafifletmeye yardımcı olur.
ICO formatının tek bir dosya içinde farklı boyutlarda ve renk derinliklerinde birden fazla görüntü içerme yeteneği, onu simgeler için sağlam ve esnek bir format haline getirir. İşletim sisteminin birden fazla ayrı dosyaya ihtiyaç duymadan belirli bir görüntü bağlamı için uygun görüntü boyutunu ve renk derinliğini yükleyebilmesi nedeniyle kaynakların verimli kullanılmasını sağlar. Bu verimlilik, bellek ve depolama alanının değerli olduğu ortamlarda özellikle önemlidir.
Sonuç olarak, ICO görüntü formatı, Microsoft Windows'ta kullanılan simgeleri depolamak için tasarlanmış özel bir dosya formatıdır. Çeşitli boyutlarda ve renk derinliklerinde birden fazla görüntü içerme yeteneği, farklı bağlamlarda görüntülenmesi gereken simgeler için idealdir. Format, maske bit eşlemleri veya alfa kanalları kullanılarak şeffaflığı destekler ve bu da yumuşak kenarlara ve karmaşık görsel efektlere sahip simgelerin oluşturulmasına olanak tanır. Format büyük ölçüde Windows ile ilişkilendirilmiş olsa da, web'de faviconlar için standart olarak da yer edinmiştir. Kullanıcı arayüzleri gelişmeye devam ettikçe, ICO formatı görsel olarak uyumlu ve kullanıcı dostu bir ortam oluşturmada önemli bir unsur olmaya devam ediyor.
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.