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.
PAL görüntü formatı, televizyon yayın standardıyla (Alternatif Fazlı Çizgi) karıştırılmaması gereken, özellikle bilgisayar grafikleri ve dijital sanat alanında çeşitli uygulamalarda kullanılan bir renk paleti dosya formatıdır. Bir PAL dosyası, genellikle indeksli görüntülere uygulanabilen veya farklı dijital varlıklar arasında tutarlılığı sağlamak için kullanılan bir renk koleksiyonunu depolar. Format, renk sayısının 256 ile sınırlı olduğu 8 bitlik grafiklerle uğraşırken ve istenen görsel sonuç için renk paleti üzerinde hassas kontrolün gerekli olduğu durumlarda özellikle kullanışlıdır.
Bir PAL dosyasının yapısı nispeten basittir ve formatı ve sürümü belirten bir başlıktan ve ardından palet verilerinin kendisinden oluşur. Palet verileri, her bir girdinin tek bir rengi tanımladığı bir renk girdileri dizisidir. Çoğu durumda, her renk, rengin kırmızı, yeşil ve mavi (RGB) bileşenlerine karşılık gelen üç baytla temsil edilir. PAL formatının bazı varyasyonları, rengin şeffaflık seviyesini temsil eden bir alfa kanalı için ek bir bayt içerebilir, ancak bu daha az yaygındır.
Bir PAL dosyasının başlığı, yazılımın dosyanın geri kalanını doğru bir şekilde yorumlamasına yardımcı olan bilgiler içerdiğinden çok önemlidir. Genellikle dosyayı bir PAL formatı olarak tanımlayan bir imza veya sihirli sayı, formatın sürümü ve bazen de paletin içinde bulunan renk sayısı bulunur. Sürüm bilgisi, PAL formatının farklı yinelemelerini destekleyebilecek farklı yazılımlarla uyumluluğu sağlamak için önemlidir.
Başlıktan sonra palet verileri sıralı olarak düzenlenir. Her renk girişi genellikle 3 bayt uzunluğundadır ve birincil renk bileşenlerinin her biri için bir bayt (kırmızı, yeşil ve mavi) bulunur. Her bileşenin değerleri 0 ile 255 arasında değişir ve toplam 16.777.216 olası renk sağlar. Ancak PAL dosyaları genellikle indeksli görüntülerle kullanıldığından, bu renklerin yalnızca bir alt kümesi palete dahil edilir, genellikle 256 renge kadar.
İndeksli görüntü formatı, renk bilgilerini doğrudan piksel verilerinde depolamak yerine, bir görüntüdeki her pikseli paletin bir rengine eşleyerek çalışır. Bu, paletin içindeki bir rengin konumuna karşılık gelen bir sayı olan bir indeks kullanılarak yapılır. Örneğin, 0 indeksi paletin ilk rengini, 1 indeksi ikinci rengi vb. ifade eder. Bu renk referanslama yöntemi, özellikle depolama alanı ve belleğin sınırlı olduğu bilgisayarın ilk günlerinde önemli olan önemli bir dosya boyutu azaltmasına olanak tanır.
Bir PAL dosyası kullanmanın temel avantajlarından biri, görüntü verilerinin kendisini değiştirmeye gerek kalmadan yalnızca paleti değiştirerek indeksli bir görüntünün görünümünü değiştirme yeteneğidir. Bu, farklı görsel temalar oluşturmak, farklı aydınlatma koşullarını simüle etmek veya renk düzeltmeleri yapmak için kullanılabilir. Örneğin, video oyunlarında aynı sprite grafikleri, çeşitli ortamları temsil etmek veya oyun durumundaki değişiklikleri (hasar veya güçlendirmeler gibi) belirtmek için farklı paletlerle yeniden kullanılabilir.
PAL formatı, birden fazla görüntü veya varlık arasında tutarlılığı sağlamak için de avantajlıdır. Ortak bir paleti paylaşarak, bir dizi görüntünün aynı renk setini kullanması garanti edilebilir ve bu da tutarlı bir görünüm ve his sağlamak için önemlidir. Bu, birden fazla karenin sırayla oynatıldığında tutarlı görünmesi gereken animasyon gibi uygulamalarda veya farklı öğelerin uygulamanın genel renk şemasına uyması gereken kullanıcı arayüzü tasarımında özellikle kullanışlıdır.
Avantajlarına rağmen PAL formatı, indeksli renkli görüntülerle ilişkilendirilmesinden dolayı sınırlamalara sahiptir. Görüntü teknolojisi ve grafik donanımı geliştikçe, indeksli renk ve sınırlı paletlere olan ihtiyaç azaldı. Modern grafik sistemleri aynı anda milyonlarca rengi görüntüleyebilir ve bu da tam renkli görüntülerin kullanımını daha pratik ve arzu edilir hale getirir. Sonuç olarak, PAL dosyalarının kullanımı, PNG veya JPEG gibi gerçek rengi destekleyen daha çok yönlü görüntü formatları lehine azalmıştır.
Bununla birlikte, PAL formatı belirli niş uygulamalarda hala kullanılmaktadır. Örneğin, retro oyun geliştirme, piksel sanatı ve stilistik nedenlerle renk paletini kasıtlı olarak sınırlayan diğer sanatsal çabalar PAL dosyalarını kullanabilir. Ayrıca, PAL formatı düşünülerek tasarlanmış bazı eski sistemler ve yazılımlar, uyumluluk amacıyla hala kullanımını gerektirebilir.
PAL dosyaları oluşturmak ve düzenlemek, paletler ve indeksli görüntülerle çalışmak için tasarlanmış özel yazılım araçları kullanılarak yapılabilir. Bu araçlar, sanatçıların ve geliştiricilerin renkleri manuel olarak veya mevcut bir görüntüden seçerek özel paletler oluşturmalarına olanak tanır. Ayrıca renkleri yeniden sıralayarak, renk değerlerini ayarlayarak ve PAL dahil olmak üzere çeşitli formatlarda paletleri içe veya dışa aktararak paleti değiştirebilirler.
PAL dosyalarıyla çalışırken, hedef platformun veya yazılımın özel gereksinimlerinin farkında olmak önemlidir. Bazı sistemler kullanılabilecek renk sayısında sınırlamalar olabilir veya paletin belirli bir şekilde düzenlenmesini gerektirebilirler. Ek olarak, renklerin yorumlanma şekli, renk alanlarındaki veya gama ayarlarındaki farklılıklar nedeniyle sistemler arasında değişebilir ve bu da görüntülendiğinde renklerin son görünümünü etkileyebilir.
Dosya formatı özellikleri açısından PAL formatı, PNG veya JPEG gibi formatlarla aynı şekilde standartlaştırılmamıştır. Bu, PAL dosyalarının farklı yazılımlar tarafından nasıl yapılandırıldığında ve yorumlandığında farklılıklar olabileceği anlamına gelir. Bazı uygulamalar, dosyaları farklı programlar arasında değiştirirken uyumluluk sorunlarına yol açabilecek özel uzantılar veya PAL formatının varyasyonlarını kullanabilir. PAL dosyalarını oluşturmak veya düzenlemek için kullanılan yazılımın amaçlanan kullanım durumuyla uyumlu olduğundan emin olmak önemlidir.
PAL formatının bazı sınırlamalarını gidermek için uzantılar ve alternatifler geliştirilmiştir. Örneğin, Adobe Color Table (.ACT) formatı PAL'a benzer ancak özellikle Adobe yazılımıyla kullanım için tasarlanmıştır. Windows tarafından kullanılan Microsoft Palette (PAL) dosya formatı, Windows uygulamalarıyla geliştirilmiş uyumluluk için ek meta veriler içeren başka bir varyasyondur. Bu alternatif formatlar, PAL formatına benzer işlevler sunar ancak belirli yazılım ekosistemleriyle daha iyi entegrasyon sağlar.
Sonuç olarak, PAL görüntü formatı, indeksli görüntülerdeki renk paletlerini yönetmek için basit ancak güçlü bir araçtır. Modern grafik teknolojisinin ortaya çıkmasıyla kullanımı azalmış olsa da, renk paleti yönetiminin kritik olduğu belirli bağlamlarda geçerliliğini korumaktadır. PAL dosyalarının yapısını ve uygulamasını anlamak, eski sistemler, retro tarzı grafikler veya sınırlı bir renk paleti üzerinde hassas kontrol gerektiren herhangi bir proje ile çalışan herkes için önemlidir. Herhangi bir dosya formatında olduğu gibi, farklı yazılım araçları ve platformlar arasında sorunsuz iş akışı ve birlikte çalışabilirliği sağlamak için uyumluluk ve standartlaştırma sorunları dikkate alınmalıdır.
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.