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 XL (JXL) görüntü formatı, JPEG, PNG ve GIF gibi mevcut formatların yeteneklerini aşmayı amaçlayan, üstün sıkıştırma verimliliği, kalite ve özellikler sunan yeni nesil bir görüntü kodlama standardıdır. Görüntü sıkıştırma standartlarının geliştirilmesinde etkili olan Ortak Fotoğraf Uzmanları Grubu (JPEG) komitesinin işbirliğinin bir sonucudur. JPEG XL, profesyonel fotoğrafçılıktan web grafiklerine kadar çok çeşitli kullanım durumlarını ele alabilen evrensel bir görüntü formatı olarak tasarlanmıştır.
JPEG XL'in temel hedeflerinden biri, görsel kaliteyi düşürmeden dosya boyutlarını önemli ölçüde azaltabilecek yüksek kaliteli görüntü sıkıştırması sağlamaktır. Bu, gelişmiş sıkıştırma teknikleri ve modern bir kodlama çerçevesinin birleşimiyle elde edilir. Format, renk uzayı dönüşümleri, ton eşleme ve duyarlı yeniden boyutlandırma gibi çeşitli görüntü işleme işlemlerini doğrudan sıkıştırma işlem hattına dahil etmesine olanak tanıyan modüler bir yaklaşım kullanır.
JPEG XL, Google'ın PIK ve Cloudinary'nin FUIF (Free Universal Image Format) adlı iki önceki görüntü kodekinin temelleri üzerine inşa edilmiştir. Bu kodekler, görüntü sıkıştırmasında daha sonra JPEG XL'e entegre edilen ve daha da geliştirilen çeşitli yenilikler getirmiştir. Formatın telifsiz olması, görüntü depolama ve dağıtımı için uygun maliyetli bir çözüm gerektiren hem yazılım geliştiricileri hem de içerik oluşturucuları için onu çekici bir seçenek haline getirmektedir.
JPEG XL'in sıkıştırma verimliliğinin merkezinde, asimetrik sayı sistemleri (ANS) adı verilen modern bir entropi kodlama tekniğinin kullanımı yer alır. ANS, görüntü verilerinin istatistiksel dağılımını verimli bir şekilde kodlayarak neredeyse optimum sıkıştırma oranları sağlayan bir aritmetik kodlama biçimidir. Bu, JPEG XL'in orijinal JPEG formatında kullanılan Huffman kodlaması gibi geleneksel yöntemlerden daha iyi sıkıştırma elde etmesini sağlar.
JPEG XL ayrıca, insan görsel algısıyla daha iyi uyumlu olacak şekilde tasarlanmış XYB (eXtra Y, Blue-yellow) adında yeni bir renk uzayı sunar. XYB renk uzayı, insan gözü için daha önemli olan bir görüntünün bileşenlerine öncelik vererek daha verimli sıkıştırma sağlar. Bu, yalnızca daha küçük dosya boyutlarına sahip değil, aynı zamanda özellikle ince renk değişimlerinin olduğu alanlarda daha az sıkıştırma artefaktı gösteren görüntülerle sonuçlanır.
JPEG XL'in bir diğer önemli özelliği, yüksek dinamik aralık (HDR) ve geniş renk gamı (WCG) görüntülerine destek vermesidir. Ekran teknolojileri geliştikçe, bu yeni ekranların üretebileceği geniş parlaklık ve renk aralığını işleyebilen görüntü formatlarına olan talep artmaktadır. JPEG XL'in HDR ve WCG için yerel desteği, ek meta verilere veya yan dosyalara gerek kalmadan görüntülerin en son ekranlarda canlı ve gerçeğe yakın görünmesini sağlar.
JPEG XL ayrıca kademeli kod çözme düşünülerek tasarlanmıştır. Bu, bir görüntünün indirilmeye devam ederken daha düşük kalitede görüntülenebileceği ve daha fazla veri kullanılabilir hale geldikçe kalitenin kademeli olarak artabileceği anlamına gelir. Bu özellik, kullanıcıların değişken internet hızlarına sahip olabileceği web taraması için özellikle kullanışlıdır. Tüm dosyanın indirilmesini beklemeden görüntünün bir önizlemesini sağlayarak daha iyi bir kullanıcı deneyimi sunar.
Geriye dönük uyumluluk açısından JPEG XL, "JPEG yeniden sıkıştırma" adı verilen benzersiz bir özellik sunar. Bu, mevcut JPEG görüntülerinin kalitede herhangi bir ek kayıp olmadan JPEG XL formatına yeniden sıkıştırılmasına olanak tanır. Yeniden sıkıştırılmış görüntüler yalnızca daha küçük boyutlu olmakla kalmaz, aynı zamanda tüm orijinal JPEG verilerini de korur, bu da gerekirse orijinal JPEG formatına geri dönüştürülebilecekleri anlamına gelir. Bu, JPEG XL'i büyük JPEG görüntü koleksiyonlarını arşivlemek için çekici bir seçenek haline getirir, çünkü orijinal dosyalara geri dönme yeteneğini korurken depolama gereksinimlerini önemli ölçüde azaltabilir.
JPEG XL ayrıca web üzerinde duyarlı görüntülere olan ihtiyacı da karşılar. Tek bir dosya içinde bir görüntünün birden fazla çözünürlüğünü depolama özelliğiyle web geliştiricileri, kullanıcının cihazına ve ekran çözünürlüğüne göre en uygun görüntü boyutunu sunabilir. Bu, farklı çözünürlükler için ayrı görüntü dosyalarına olan ihtiyacı ortadan kaldırır ve duyarlı web tasarımları oluşturma sürecini basitleştirir.
Profesyonel fotoğrafçılar ve grafik tasarımcılar için JPEG XL, orijinal görüntü verilerinin her bir bitinin korunduğunu garanti eden kayıpsız sıkıştırmayı destekler. Bu, görüntü bütünlüğünün çok önemli olduğu tıbbi görüntüleme, dijital arşivler ve profesyonel fotoğraf düzenleme gibi uygulamalar için çok önemlidir. JPEG XL'in kayıpsız modu da oldukça verimlidir ve genellikle PNG veya TIFF gibi diğer kayıpsız formatlara kıyasla daha küçük dosya boyutlarıyla sonuçlanır.
JPEG XL'in özellik seti, GIF ve WebP formatlarına benzer şekilde animasyon desteğini içerecek şekilde genişletilmiştir, ancak çok daha iyi sıkıştırma ve kalite ile. Bu, onu web üzerindeki GIF'ler için uygun bir yedek haline getirir ve GIF'in 256 renk sınırlamasının kısıtlamaları olmadan daha geniş bir renk paletiyle daha akıcı animasyonlar sağlar.
Format ayrıca, EXIF, XMP ve ICC profilleri de dahil olmak üzere meta veriler için sağlam destek içerir ve görüntünün önemli bilgilerinin sıkıştırma sırasında korunmasını sağlar. Bu meta veriler, profesyonel kullanım ve dijital mirasın korunması için gerekli olan kamera ayarları, telif hakkı bilgileri ve renk yönetimi verileri gibi ayrıntıları içerebilir.
Güvenlik ve gizlilik de JPEG XL'in tasarımında dikkate alınmıştır. Format, görüntüler aracılığıyla istismar edilebilecek güvenlik açıkları riskini azaltan yürütülebilir kodun eklenmesine izin vermez. Ek olarak, JPEG XL, görüntüleri çevrimiçi paylaşırken kullanıcı gizliliğini korumaya yardımcı olabilecek hassas meta verilerin kaldırılmasını destekler.
JPEG XL, ortaya çıktıkça yeni özelliklere ve teknolojilere destek eklemek için genişletilebilen esnek bir kapsayıcı formatıyla geleceğe uygun olacak şekilde tasarlanmıştır. Bu, formatın değişen gereksinimlere uyum sağlayabilmesini ve önümüzdeki yıllarda evrensel bir görüntü formatı olarak hizmet vermeye devam etmesini sağlar.
Kabul açısından JPEG XL hala erken aşamalarda ve web tarayıcılarına, işletim sistemlerine ve görüntü düzenleme yazılımlarına desteği entegre etme çabaları devam ediyor. Daha fazla platform formatı benimsedikçe, daha iyi verimlilik, kalite ve özellikler sunarak eski görüntü formatlarının yerini alacak bir seçenek olarak ilgi görmesi bekleniyor.
Sonuç olarak JPEG XL, görüntü sıkıştırma teknolojisinde önemli bir ilerlemeyi temsil etmektedir. Yüksek sıkıştırma verimliliği, modern görüntüleme özellikleri desteği ve geriye dönük uyumluluğun birleşimi, onu görüntü depolama ve iletimi için yeni standart olma yolunda güçlü bir aday konumuna getirmektedir. Format daha geniş bir şekilde benimsendikçe, dijital görüntüleri oluşturma, paylaşma ve tüketme şeklimizi dönüştürme potansiyeline sahiptir ve bunları herkes için daha erişilebilir ve keyifli hale getirir.
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.