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.
JPEG 2000, yaygın olarak J2K olarak bilinir, 2000 yılında Joint Photographic Experts Group komitesi tarafından orijinal JPEG standardının yerini almak amacıyla oluşturulan bir görüntü sıkıştırma standardı ve kodlama sistemidir. Orijinal JPEG standardının bazı sınırlamalarını gidermek ve çeşitli uygulamalar için giderek daha fazla talep edilen yeni bir özellik seti sağlamak için geliştirilmiştir. JPEG 2000 tek bir standart değil, JPEG 2000 ailesi (ISO/IEC 15444) altında kapsanan bir standartlar paketidir.
JPEG 2000'in orijinal JPEG formatına göre birincil avantajlarından biri, ayrık kosinüs dönüşümü (DCT) yerine dalgacık dönüşümünü kullanmasıdır. Dalgacık dönüşümü, JPEG görüntülerinde mevcut olabilecek aynı derecede görünür eserler olmadan daha yüksek sıkıştırma oranlarına olanak tanır. Bu, görüntü kalitesinin son derece önemli olduğu uydu görüntüleri, tıbbi görüntüleme, dijital sinema ve arşiv depolama gibi yüksek çözünürlüklü ve yüksek kaliteli görüntü uygulamaları için özellikle faydalıdır.
JPEG 2000, tek bir sıkıştırma mimarisi içinde hem kayıpsız hem de kayıplı sıkıştırmayı destekler. Kayıpsız sıkıştırma, orijinal görüntü verilerinin sıkıştırılmış görüntüden mükemmel bir şekilde yeniden oluşturulabilmesini sağlayan tersinir bir dalgacık dönüşümü kullanılarak elde edilir. Öte yandan kayıplı sıkıştırma, görüntüdeki daha az önemli bilgilerin bir kısmını atarak daha yüksek sıkıştırma oranları elde etmek için tersinmez bir dalgacık dönüşümü kullanır.
JPEG 2000'in bir diğer önemli özelliği, kademeli kod çözme olarak da bilinen kademeli görüntü iletimini desteklemesidir. Bu, görüntünün daha düşük çözünürlüklerde kodunun çözülebileceği ve daha fazla veri kullanılabilir hale geldikçe kademeli olarak tam çözünürlüğe yükseltilebileceği anlamına gelir. Bu, görüntünün düşük kaliteli bir sürümünü hızlı bir şekilde görüntülemenin ve daha fazla veri alındıkça kaliteyi artırmanın faydalı olduğu web taraması veya mobil uygulamalar gibi bant genişliği sınırlı uygulamalar için özellikle kullanışlıdır.
JPEG 2000 ayrıca ilgi alanları (ROI) kavramını da sunar. Bu, görüntünün farklı bölümlerinin farklı kalite seviyelerinde sıkıştırılmasına olanak tanır. Örneğin, tıbbi görüntüleme senaryosunda, tanısal bir özellik içeren bölge, çevreleyen alanlardan daha yüksek bir kalitede veya kayıpsız olarak sıkıştırılabilir. Bu seçici kalite kontrolü, bir görüntünün belirli bölümlerinin diğerlerinden daha önemli olduğu alanlarda çok önemli olabilir.
JPEG 2000 görüntüleri için dosya biçimi, hem görüntü verilerini hem de meta verileri içeren standartlaştırılmış ve genişletilebilir bir biçim olan JP2'dir. JP2 biçimi .jp2 dosya uzantısını kullanır ve renk uzayı bilgileri, çözünürlük seviyeleri ve fikri mülkiyet bilgileri dahil olmak üzere çok çeşitli bilgiler içerebilir. Ek olarak, JPEG 2000, bir video dosyasına benzer şekilde hareketli diziler için MJ2 biçimi ve hem metin hem de resim içeren belgeler gibi bileşik görüntüler için JPM biçimini destekler.
JPEG 2000, EBCOT (Optimal Kesme ile Gömülü Blok Kodlaması) olarak bilinen karmaşık bir kodlama şeması kullanır. EBCOT, gelişmiş hata dayanıklılığı ve görüntü kalitesi ile dosya boyutu arasında istenen dengeyi sağlamak için sıkıştırmayı ince ayarlama yeteneği dahil olmak üzere çeşitli avantajlar sağlar. EBCOT algoritması, görüntüyü kod bloğu adı verilen küçük bloklara böler ve her birini bağımsız olarak kodlar. Bu, veri bozulması durumunda yerelleştirilmiş hata sınırlaması sağlar ve görüntülerin kademeli olarak iletilmesini kolaylaştırır.
JPEG 2000'deki renk uzayı işleme, orijinal JPEG standardına göre daha esnektir. JPEG 2000, gri tonlama, RGB, YCbCr ve diğerleri dahil olmak üzere çok çeşitli renk uzaylarını ve ikili görüntülerden bileşen başına 16 bite veya daha fazlasına kadar çeşitli bit derinliklerini destekler. Bu esneklik, JPEG 2000'i çeşitli uygulamalar için uygun hale getirir ve farklı görüntüleme teknolojilerinin taleplerini karşılayabilmesini sağlar.
JPEG 2000 ayrıca dosyaya şifreleme ve dijital filigran ekleme yeteneği gibi sağlam güvenlik özellikleri de içerir. Bu, telif hakkı koruması veya içerik kimlik doğrulamasının önemli olduğu uygulamalar için özellikle önemlidir. Standardın JPSEC (JPEG 2000 Güvenliği) bölümü, bu güvenlik özelliklerini ana hatlarıyla belirtir ve güvenli görüntü dağıtımı için bir çerçeve sağlar.
JPEG 2000 ile ilgili zorluklardan biri, orijinal JPEG standardına göre hesaplama açısından daha yoğun olmasıdır. Dalgacık dönüşümünün ve EBCOT kodlama şemasının karmaşıklığı, JPEG 2000 görüntülerinin kodlanması ve kodunun çözülmesinin daha fazla işlem gücü gerektiği anlamına gelir. Bu, hesaplama yükünün önemli bir faktör olabileceği tüketici elektroniği ve web uygulamalarında benimsenmesini tarihsel olarak sınırlamıştır. Ancak, işlem gücü arttıkça ve özel donanım desteği daha yaygın hale geldikçe, bu sınırlama daha az sorun haline geldi.
Avantajlarına rağmen, JPEG 2000, orijinal JPEG formatına kıyasla yaygın bir şekilde benimsenmedi. Bunun nedeni kısmen JPEG formatının yaygınlığı ve onu destekleyen çok sayıda yazılım ve donanım ekosistemidir. Ek olarak, JPEG 2000'i çevreleyen lisanslama ve patent sorunları da benimsenmesini engellemiştir. JPEG 2000'de kullanılan teknolojilerin bazıları patentliydi ve bu patentler için lisansları yönetme ihtiyacı, bazı geliştiriciler ve işletmeler için onu daha az çekici hale getirdi.
Dosya boyutu açısından, JPEG 2000 dosyaları genellikle eşdeğer kalitedeki JPEG dosyalarından daha küçüktür. Bunun nedeni, JPEG 2000'de kullanılan daha verimli sıkıştırma algoritmalarının görüntü verilerindeki fazlalığı ve alakasızlığı daha etkili bir şekilde azaltabilmesidir. Ancak, dosya boyutundaki fark, görüntünün içeriğine ve sıkıştırma için kullanılan ayarlara bağlı olarak değişebilir. Çok fazla ince ayrıntı veya yüksek gürültü seviyesi olan görüntüler için JPEG 2000'in üstün sıkıştırması önemli ölçüde daha küçük dosyalarla sonuçlanabilir.
JPEG 2000 ayrıca, görüntüyü daha küçük, bağımsız olarak kodlanmış döşemeler halinde bölen döşemeyi de destekler. Bu, uydu görüntüleme veya haritalama uygulamalarında kullanılanlar gibi çok büyük görüntüler için yararlı olabilir, çünkü görüntünün daha verimli bir şekilde kodlanmasına, kodunun çözülmesine ve işlenmesine olanak tanır. Kullanıcılar, tüm görüntüyü işlemeye gerek kalmadan tek tek döşemelerin erişimini sağlayabilir ve kodunu çözebilir, bu da bellek ve işlem gereksinimlerinden tasarruf sağlayabilir.
JPEG 2000'in standartlaştırılması, arşivleme ve alma sistemleri için önemli bir yön olan meta veri işleme için de hükümler içerir. JP2'nin bir uzantısı olan JPX biçimi, her tür meta veri bilgisini depolayabilen XML ve UUID kutuları dahil olmak üzere kapsamlı meta verilerin eklenmesine olanak tanır. Bu, JPEG 2000'i meta verilerin korunmasının önemli olduğu dijital kütüphaneler ve müzeler gibi uygulamalar için iyi bir seçim haline getirir.
Sonuç olarak, JPEG 2000, daha yüksek sıkıştırma oranları, kademeli kod çözme, ilgi alanları ve sağlam güvenlik özellikleri dahil olmak üzere orijinal JPEG formatına göre çok sayıda avantaj sunan gelişmiş bir görüntü sıkıştırma standardıdır. Renk uzayları ve bit derinlikleri açısından esnekliği ve meta veri desteği, onu çok çeşitli profesyonel uygulamalar için uygun hale getirir. Ancak, hesaplama karmaşıklığı ve ilk patent sorunları yaygın olarak benimsenmesini sınırlamıştır. Buna rağmen, JPEG 2000, görüntü kalitesinin ve özellik setinin hesaplama verimliliğinden veya geniş uyumluluktan daha kritik olduğu sektörlerde tercih edilen format olmaya devam etmektedir.
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.