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 Çok Katmanlı (JPM) formatı, bir görüntü sıkıştırma standardı ve kodlama sistemi olan JPEG 2000 standardının bir uzantısıdır. 2000 yılında, orijinal JPEG standardının yerini almak amacıyla Ortak Fotoğraf Uzmanları Grubu komitesi tarafından oluşturulmuştur. JPEG 2000, yüksek sıkıştırma verimliliği ve gri tonlamalı, renkli ve çok bileşenli görüntüler de dahil olmak üzere çok çeşitli görüntü türlerini işleme yeteneği ile bilinir. JPM formatı, özellikle metin, grafik ve görüntülerin bir karışımını içerebilen bileşik belgeler için destek eklemek üzere JPEG 2000'in yeteneklerini genişletir.
JPM, JPEG 2000 Suiti'nin (ISO/IEC 15444-6) 6. Bölümünde tanımlanmıştır ve tek bir dosyada birden fazla görüntü ve ilgili verileri kapsamak üzere tasarlanmıştır. Bu, farklı içerik türlerinin birlikte saklanması gereken belge görüntüleme, tıbbi görüntüleme ve teknik görüntüleme gibi uygulamalar için özellikle yararlıdır. JPM formatı, her biri farklı özelliklere sahip birkaç görüntü bölgesi ve açıklama veya meta veri gibi görüntü dışı veriler içerebilen bir belge içindeki sayfaların verimli bir şekilde saklanmasına olanak tanır.
JPM'nin temel özelliklerinden biri, temel JPEG 2000 kod akışının (JP2) genişletilmiş bir sürümü olan JPEG 2000 kod akışını (JPX) kullanmasıdır. JPX, daha geniş bir renk alanı, daha gelişmiş meta veri ve daha yüksek bit derinlikleri destekler. Bir JPM dosyasında, her görüntü veya 'katman' ayrı bir JPX kod akışı olarak saklanır. Bu, her katmanın kendi özelliklerine göre sıkıştırılmasına olanak tanır, bu da özellikle farklı içerik türlerine sahip bileşik belgeler için daha verimli sıkıştırma ve daha yüksek kaliteli sonuçlara yol açabilir.
Bir JPM dosyasının yapısı hiyerarşiktir ve bir dizi kutudan oluşur. Bir kutu, bir başlık ve veri içeren kendi kendine yeten bir birimdir. Başlık, kutunun türünü ve uzunluğunu belirtirken, veri gerçek içeriği içerir. Bir JPM dosyasındaki en üst düzey kutu, dosyayı bir JPEG 2000 ailesi dosyası olarak tanımlayan imza kutusudur. İmza kutusunun ardından dosya türü kutuları, başlık kutuları ve içerik kutuları bulunur. Başlık kutuları, sayfa sayısı ve her sayfanın özellikleri gibi dosya hakkında bilgi içerirken, içerik kutuları görüntü verilerini ve ilişkili görüntü dışı verileri içerir.
Sıkıştırma açısından JPM dosyaları hem kayıpsız hem de kayıplı sıkıştırma yöntemlerini kullanabilir. Kayıpsız sıkıştırma, orijinal görüntü verilerinin sıkıştırılmış verilerden mükemmel bir şekilde yeniden oluşturulabilmesini sağlar; bu, tıbbi görüntüleme gibi görüntü bütünlüğünün çok önemli olduğu uygulamalar için çok önemlidir. Öte yandan kayıplı sıkıştırma, görüntü verilerinin bir kısmını atarak daha küçük dosya boyutlarına olanak tanır; bu, mükemmel doğruluğun gerekli olmadığı durumlarda kabul edilebilir.
JPM ayrıca, bir görüntünün düşük çözünürlüklü bir sürümünün, tam çözünürlüklü görüntü hala indirilirken veya işlenirken görüntülenebileceği anlamına gelen 'ilerici kod çözme' kavramını da destekler. Bu, özellikle büyük görüntüler veya yavaş ağ bağlantıları için kullanışlıdır, çünkü kullanıcıların tüm dosyanın kullanılabilir olmasını beklemek zorunda kalmadan hızlı bir önizleme almalarına olanak tanır.
JPM'nin bir diğer önemli yönü de meta veri desteğidir. JPM dosyalarındaki meta veri, yazar, başlık ve anahtar kelimeler gibi belge hakkında bilgi ve çekim tarihi, kamera ayarları ve coğrafi konum gibi her görüntü hakkında bilgi içerebilir. Bu meta veri, kolayca erişilebilir ve değiştirilebilir hale getiren XML formatında saklanabilir. Ek olarak JPM, görüntülerin renk alanını tanımlayan ve farklı cihazlarda doğru renk üretimi sağlayan ICC profillerinin eklenmesini destekler.
JPM dosyaları ayrıca, her biri farklı çözünürlük veya kalite ayarlarına sahip bir görüntünün birden fazla sürümünü saklayabilir. 'Çok katmanlı' olarak bilinen bu özellik, bir görüntünün uygun sürümünün uygulamanın özel ihtiyaçlarına veya mevcut bant genişliğine göre seçilebildiği için daha verimli depolama ve aktarım sağlar.
Güvenlik, JPM'nin sağlam özellikler sunduğu bir başka alandır. Format, belgenin özgünlüğünü doğrulamak ve hassas bilgileri korumak için kullanılabilen dijital imzaların ve şifrelemenin eklenmesini destekler. Bu, belgelerin bütünlüğünün ve gizliliğinin son derece önemli olduğu yasal ve tıbbi belge yönetimi gibi alanlarda özellikle önemlidir.
Birçok avantajına rağmen, JPM formatı, özellikle tüketici pazarında yaygın olarak benimsenmemiştir. Bunun nedeni kısmen formatın karmaşıklığı ve JPM dosyalarını işlemek için gereken hesaplama kaynaklarıdır. Ek olarak, JPM de dahil olmak üzere JPEG 2000 standartları ailesi, patent lisanslama sorunlarına tabi olmuştur ve bu da genel olarak patentlerle yükümlü olmayan orijinal JPEG standardına kıyasla benimsenmesini engellemiştir.
JPM dosyalarıyla çalışan yazılım geliştiricileri ve mühendisler için format için destek sağlayan çeşitli kitaplıklar ve araçlar mevcuttur. Bunlar arasında açık kaynaklı bir JPEG 2000 kodeği olan OpenJPEG kitaplığı ve çeşitli görüntüleme yazılımı şirketlerinden ticari ürünler yer alır. JPM dosyalarıyla çalışırken, geliştiriciler JPEG 2000 kod akışı söz diziminin yanı sıra bileşik belgeleri ve meta verileri işlemeyle ilgili özel gereksinimleri de bilmelidir.
Sonuç olarak, JPM görüntü formatı, bileşik belgeleri saklamak ve yönetmek için uygun bir dizi özellik sunan JPEG 2000 standardının güçlü bir uzantısıdır. Birden fazla görüntü katmanı, ilerici kod çözme, meta veri, çok katmanlı ve güvenlik özellikleri için desteği, görüntü kalitesinin ve belge bütünlüğünün kritik olduğu profesyonel ve teknik uygulamalar için ideal bir seçim haline getirir. Diğer görüntü formatları kadar yaygın olarak kullanılmasa da, özel yetenekleri belge görüntüleme ve tıbbi görüntüleme gibi alanlarda önemli bir araç olmaya devam etmesini sağlar.
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.