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 (Ortak Fotoğraf Uzmanları Grubu) görüntü formatı, yaygın olarak JPG olarak bilinir, dijital görüntüler için, özellikle dijital fotoğrafçılıkla üretilen görüntüler için yaygın olarak kullanılan kayıplı bir sıkıştırma yöntemidir. Sıkıştırma derecesi ayarlanabilir ve bu da depolama boyutu ve görüntü kalitesi arasında seçilebilir bir denge sağlar. JPEG tipik olarak görüntü kalitesinde çok az algılanabilir kayıpla 10:1 sıkıştırma elde eder.
JPEG sıkıştırması bir dizi görüntü dosyası formatında kullanılır. JPEG/Exif, dijital kameralar ve diğer fotoğrafik görüntü yakalama cihazları tarafından kullanılan en yaygın görüntü formatıdır; JPEG/JFIF ile birlikte, World Wide Web'de fotoğrafik görüntüleri depolamak ve iletmek için en yaygın formattır. Bu format varyasyonları genellikle ayırt edilmez ve basitçe JPEG olarak adlandırılır.
JPEG formatı, daha yüksek hesaplama karmaşıklığıyla daha iyi sıkıştırma verimliliği sunan daha yeni bir standart olan JPEG/Exif, JPEG/JFIF ve JPEG 2000 dahil olmak üzere çeşitli standartları içerir. JPEG standardı karmaşıktır, çeşitli parçaları ve profilleri vardır, ancak en yaygın olarak kullanılan JPEG standardı, çoğu insanın 'JPEG' görüntüleri derken bahsettiği temel JPEG'dir.
JPEG sıkıştırma algoritması, özünde ayrık kosinüs dönüşümü (DCT) tabanlı bir sıkıştırma tekniğidir. DCT, ayrık Fourier dönüşümüne (DFT) benzer, ancak yalnızca kosinüs fonksiyonlarını kullanan Fourier ile ilgili bir dönüşümdür. DCT, sinyalin çoğunu spektrumun düşük frekans bölgesinde yoğunlaştırma özelliğine sahip olduğu için kullanılır ve bu da doğal görüntülerin özellikleriyle iyi bir şekilde ilişkilidir.
JPEG sıkıştırma işlemi birkaç adımı içerir. Başlangıçta, görüntü orijinal renk uzayından (genellikle RGB) YCbCr olarak bilinen farklı bir renk uzayına dönüştürülür. YCbCr renk uzayı, görüntüyü parlaklık seviyelerini temsil eden bir parlaklık bileşeni (Y) ve renk bilgilerini temsil eden iki renk bileşeni (Cb ve Cr) olmak üzere ayırır. Bu ayrım faydalıdır çünkü insan gözü renge göre parlaklıktaki değişikliklere karşı daha hassastır ve bu da algılanan görüntü kalitesini önemli ölçüde etkilemeden renk bileşenlerinin daha agresif bir şekilde sıkıştırılmasına olanak tanır.
Renk uzayı dönüşümünden sonra görüntü, tipik olarak 8x8 piksel boyutunda bloklara bölünür. Ardından her blok ayrı ayrı işlenir. Her blok için, uzamsal alan verilerini frekans alanı verilerine dönüştüren DCT uygulanır. Bu adım, doğal görüntülerin yüksek frekanslı bileşenlerden daha önemli olan düşük frekanslı bileşenlere sahip olma eğiliminde olması nedeniyle görüntü verilerini sıkıştırmaya daha uygun hale getirdiği için çok önemlidir.
DCT uygulandıktan sonra, ortaya çıkan katsayılar nicelenir. Nicelleme, büyük bir giriş değerleri kümesini daha küçük bir kümeye eşleme işlemidir ve bunları depolamak için gereken bit sayısını etkili bir şekilde azaltır. Bu, JPEG sıkıştırmasındaki birincil kayıp kaynağıdır. Nicelleme adımı, her DCT katsayısına ne kadar sıkıştırma uygulanacağını belirleyen bir nicelleme tablosu tarafından kontrol edilir. Nicelleme tablosunu ayarlayarak kullanıcılar görüntü kalitesi ve dosya boyutu arasında denge kurabilir.
Nicellemeden sonra, katsayılar, bunları artan frekansa göre sıralayan zikzak taramasıyla doğrusallaştırılır. Bu adım önemlidir çünkü nicellemeden sonra sıfır veya sıfıra yakın olma olasılığı daha yüksek olan düşük frekanslı katsayıları ve yüksek frekanslı katsayıları gruplar. Bu sıralama, kayıpsız sıkıştırma olan entropi kodlamasının bir sonraki adımını kolaylaştırır.
Entropi kodlaması, nicelenmiş DCT katsayılarında uygulanan kayıpsız bir sıkıştırma yöntemidir. JPEG'de kullanılan en yaygın entropi kodlama biçimi Huffman kodlamasıdır, ancak aritmetik kodlama da standart tarafından desteklenmektedir. Huffman kodlaması, daha sık görülen öğelere daha kısa kodlar ve daha az sık görülen öğelere daha uzun kodlar atayarak çalışır. Doğal görüntülerin, özellikle yüksek frekans bölgesinde nicellemeden sonra birçok sıfır veya sıfıra yakın katsayıya sahip olma eğiliminde olması nedeniyle, Huffman kodlaması sıkıştırılmış verilerin boyutunu önemli ölçüde azaltabilir.
JPEG sıkıştırma işlemindeki son adım, sıkıştırılmış verileri bir dosya formatında depolamak içindir. En yaygın format, sıkıştırılmış verilerin ve nicelleme tabloları ve Huffman kod tabloları gibi ilişkili meta verilerin, çok çeşitli yazılımlar tarafından kodunun çözülebileceği bir dosyada nasıl temsil edileceğini tanımlayan JPEG Dosya Değişim Formatı (JFIF)'dir. Bir diğer yaygın format ise dijital kameralar tarafından kullanılan ve kamera ayarları ve sahne bilgileri gibi meta verileri içeren Değiştirilebilir görüntü dosyası formatıdır (Exif).
JPEG dosyaları ayrıca dosyadaki belirli parametreleri veya eylemleri tanımlayan kod dizileri olan işaretleyiciler içerir. Bu işaretleyiciler bir görüntünün başlangıcını, bir görüntünün sonunu gösterebilir, nicelleme tablolarını tanımlayabilir, Huffman kod tablolarını belirtebilir ve daha fazlasını yapabilir. İşaretleyiciler, sıkıştırılmış verilerden görüntüyü yeniden oluşturmak için gerekli bilgileri sağladıkları için JPEG görüntüsünün doğru şekilde kodunun çözülmesi için çok önemlidir.
JPEG'nin temel özelliklerinden biri, kademeli kodlamayı desteklemesidir. Kademeli JPEG'de görüntü, her biri görüntü kalitesini artıran birden fazla geçişte kodlanır. Bu, dosya hala indirilirken görüntünün düşük kaliteli bir sürümünün görüntülenmesine olanak tanır ve bu özellikle web görüntüleri için faydalı olabilir. Kademeli JPEG dosyaları genellikle temel JPEG dosyalarından daha büyüktür, ancak yükleme sırasında kalitedeki fark kullanıcı deneyimini iyileştirebilir.
Yaygın kullanımına rağmen JPEG'nin bazı sınırlamaları vardır. Sıkıştırmanın kayıplı doğası, görüntünün görünür kareler gösterebileceği engelleme ve kenarların sahte salınımlarla birlikte olabileceği 'çınlama' gibi eserlere yol açabilir. Bu eserler daha yüksek sıkıştırma seviyelerinde daha belirgindir. Ek olarak, JPEG, keskin kenarları veya yüksek kontrastlı metni olan görüntüler için uygun değildir, çünkü sıkıştırma algoritması kenarları bulanıklaştırabilir ve okunabilirliği azaltabilir.
Orijinal JPEG standardının bazı sınırlamalarını gidermek için JPEG 2000 geliştirildi. JPEG 2000, daha iyi sıkıştırma verimliliği, kayıpsız sıkıştırma desteği ve daha geniş bir görüntü türü yelpazesini etkili bir şekilde işleme yeteneği dahil olmak üzere temel JPEG'ye göre çeşitli iyileştirmeler sunar. Ancak JPEG 2000, büyük ölçüde artan hesaplama karmaşıklığı ve bazı yazılımlarda ve web tarayıcılarında destek eksikliği nedeniyle orijinal JPEG standardına kıyasla yaygın olarak benimsenmedi.
Sonuç olarak, JPEG görüntü formatı, fotoğrafik görüntüleri sıkıştırmak için karmaşık ancak verimli bir yöntemdir. Yaygın olarak benimsenmesi, görüntü kalitesini dosya boyutu ile dengelemedeki esnekliğinden kaynaklanmaktadır ve bu da onu web grafiklerinden profesyonel fotoğraflara kadar çeşitli uygulamalar için uygun hale getirmektedir. Sıkıştırma eserlerine karşı duyarlılık gibi dezavantajları olsa da, kullanım kolaylığı ve çok çeşitli cihazlarda ve yazılımlarda desteği, onu günümüzde kullanılan en popüler görüntü formatlarından biri haline getirmektedir.
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.