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.
PALM görüntü formatı, Palm Bitmap olarak da bilinir, Palm OS cihazlarıyla ilişkilendirilmiş bir raster grafik dosya formatıdır. 1990'ların sonu ve 2000'lerin başında popüler olan Palm OS PDA'ları (Kişisel Dijital Asistanlar) üzerinde görüntü depolamak için tasarlanmıştır. Format, bu el cihazlarının ekran ve bellek sınırlamalarına özel olarak uyarlanmıştır; bu nedenle, cihazın ekranında hızlı bir şekilde işlenebilen düşük çözünürlüklü, indeksli renkli görüntüler için optimize edilmiştir.
PALM görüntüleri, basitlikleri ve verimlilikleriyle karakterize edilir. Format, tipik olarak 256 renge kadar sınırlı bir renk paleti destekler; bu, PDA'ların küçük ekranları için yeterlidir. Bu indeksli renk yaklaşımı, görüntüdeki her pikselin kendi renk değeriyle değil, gerçek RGB (Kırmızı, Yeşil, Mavi) değerlerini içeren bir renk tablosuna bir dizinle temsil edildiği anlamına gelir. Bu renk temsili yöntemi, sınırlı RAM ve depolama kapasitesine sahip cihazlar için çok önemli olan bellek açısından oldukça verimlidir.
Bir PALM görüntü dosyasının temel yapısı, bir üst bilgi, bir renk paleti (görüntü tek renkli değilse), bit eşlem verileri ve muhtemelen şeffaflık bilgilerinden oluşur. Üst bilgi, piksel cinsinden genişliği ve yüksekliği, bit derinliği (renk sayısını belirler) ve görüntünün şeffaflık dizini olup olmadığını veya sıkıştırılıp sıkıştırılmadığını gösteren bayraklar gibi görüntüyle ilgili meta verileri içerir.
Sıkıştırma, PALM görüntü formatının bir başka özelliğidir. Daha da fazla yerden tasarruf etmek için PALM görüntüleri, bir çalışma uzunluğu kodlama (RLE) algoritması kullanılarak sıkıştırılabilir. RLE, aynı veri değerinin dizilerinin (çalışmalar) tek bir veri değeri ve bir sayım olarak depolandığı kayıpsız bir veri sıkıştırma biçimidir. Bu, PDA'larda kullanılan simgelerde ve kullanıcı arayüzü öğelerinde yaygın olan tekdüze renkli geniş alanlara sahip görüntüler için özellikle etkilidir.
PALM görüntülerindeki şeffaflık, bir şeffaflık dizini aracılığıyla işlenir. Bu dizin, paletin şeffaf olarak belirlenmiş bir rengini işaret ederek görüntülerin farklı arka planlarda, görüntünün etrafında bloklu, opak bir dikdörtgen olmadan üst üste binmesine olanak tanır. Bu özellik, simgelerin ve diğer grafiklerin arka planlarıyla harmanlanması gereken sorunsuz bir kullanıcı arayüzü oluşturmak için çok önemlidir.
Bir PALM görüntüsündeki renk paleti, görüntüde kullanılan renk kümesini tanımladığı için kritik bir bileşendir. Palet, her bir girdinin tipik olarak bir RGB rengini temsil eden 16 bitlik bir değer olduğu bir renk girdisi dizisidir. Görüntünün bit derinliği, paletin maksimum renk sayısını belirler. Örneğin, 1 bit derinliğe sahip bir görüntü 2 renkli bir palete (genellikle siyah ve beyaz) sahipken, 8 bit derinliğe sahip bir görüntü 256 renge kadar sahip olabilir.
Bir PALM görüntü dosyasındaki bit eşlem verileri, görüntünün piksel piksel bir temsilidir. Her piksel, renk paletine bir dizin olarak depolanır. Bu verilerin depolanması, ham, sıkıştırılmamış bir biçimde veya RLE kullanılarak sıkıştırılmış olabilir. Sıkıştırılmamış biçimde, bit eşlem verileri, üstten alta satırlar ve soldan sağa sütunlar halinde düzenlenmiş, her piksel için bir tane olmak üzere basit bir dizindir.
PALM görüntü formatının benzersiz yönlerinden biri, tek bir görüntü içinde birden fazla bit derinliğini desteklemesidir. Bu, bir görüntünün farklı renk çözünürlüklerine sahip bölgeler içerebileceği anlamına gelir. Örneğin, bir PALM görüntüsü, düşük renk derinliğine sahip dekoratif bir öğenin (1 bit) yanında yüksek renk derinliğine sahip bir simgeye (8 bit) sahip olabilir. Bu esneklik, yalnızca görüntünün görsel kalitesi için gerekli olan yerlerde daha yüksek bit derinlikleri kullanarak belleğin verimli bir şekilde kullanılmasını sağlar.
PALM görüntü formatı ayrıca, Palm OS uygulamalarının kullanıcı arayüzü için çok önemli olan özel simgeler ve menü grafikleri için destek içerir. Bu görüntüler uygulama koduna entegre edilebilir ve Palm OS API'si (Uygulama Programlama Arayüzü) kullanılarak cihazda görüntülenebilir. API, PALM görüntülerini yüklemek, görüntülemek ve işlemek için işlevler sağlar ve geliştiricilerin uygulamalarına grafikleri dahil etmelerini kolaylaştırır.
Palm OS cihazları ve uygulamaları bağlamındaki verimliliğine ve faydasına rağmen, PALM görüntü formatı, daha modern görüntü formatlarıyla karşılaştırıldığında bazı sınırlamalara sahiptir. Örneğin, yüksek kaliteli grafikler gerektiren uygulamalarda kullanımını sınırlayan gerçek renkli görüntüleri (24 bit veya daha yüksek) desteklemez. Ek olarak, format, katmanlar, alfa kanalları (basit şeffaflığın ötesinde) veya JPEG veya PNG gibi formatlarda yaygın olarak bulunan EXIF (Değiştirilebilir Görüntü Dosyası Formatı) gibi gelişmiş özellikleri desteklemez.
PALM görüntü formatı, Palm OS cihazları ve uygulamalarının dışında yaygın olarak kullanılmaz. Palm OS PDA'larının düşüşü ve daha gelişmiş işletim sistemlerine ve grafik özelliklerine sahip akıllı telefonlar ve diğer mobil cihazların yükselişiyle PALM formatı büyük ölçüde modası geçmiş hale geldi. Modern mobil cihazlar, PALM formatından daha fazla renk derinliği, daha iyi sıkıştırma ve daha fazla özellik sunan JPEG, PNG ve GIF dahil olmak üzere çok çeşitli görüntü formatlarını destekler.
Tarihsel ve arşivleme amaçları doğrultusunda PALM görüntülerini daha güncel formatlara dönüştürmek gerekebilir. Bu, PALM formatını okuyabilen ve PNG veya JPEG gibi bir formata dönüştürebilen özel yazılım araçları kullanılarak yapılabilir. Bu araçlar tipik olarak PALM dosya yapısını ayrıştırır, bit eşlem verilerini ve renk paletini çıkarır ve ardından orijinal görüntü kalitesini mümkün olduğunca koruyarak görüntüyü hedef formatta yeniden oluşturur.
Dosya uzantısı açısından PALM görüntüleri genellikle '.pdb' (Palm Veritabanı) uzantısını kullanır, çünkü genellikle Palm OS uygulamaları tarafından kullanılan çeşitli veri türleri için kapsayıcı olan Palm Veritabanı dosyalarında depolanırlar. Görüntü verileri, uygulama tarafından gerektiğinde erişilebilen PDB dosyası içindeki belirli bir kayıtta depolanır. Palm Veritabanı sistemiyle bu entegrasyon, görüntüleri metin veya yapılandırma ayarları gibi diğer uygulama verileriyle birleştirmeyi kolaylaştırır.
PALM görüntülerinin oluşturulması ve işlenmesi, formatın özelliklerinin ve sınırlamalarının anlaşılmasını gerektirir. Palm OS ile çalışan geliştiriciler, tipik olarak PALM görüntüleriyle çalışmak için araçlar ve belgeler içeren Palm tarafından sağlanan yazılım geliştirme kitlerini (SDK'lar) kullanırdı. Bu SDK'lar, görüntü işleme için kitaplıklar sağlayarak geliştiricilerin dosya formatının düşük seviyeli ayrıntılarını yönetmek zorunda kalmadan uygulamaları içinde PALM görüntüleri oluşturmalarına, değiştirmelerine ve görüntülemelerine olanak tanır.
Sonuç olarak, PALM görüntü formatı, sınırlı kaynaklara sahip cihazlarda grafikleri işlemek için basit ve verimli bir yol sağlayarak Palm OS PDA'ları çağında önemli bir rol oynamıştır. Günümüzün teknoloji ortamında daha gelişmiş görüntü formatları tarafından geride bırakılmış olsa da, PALM formatını anlamak, önceki mobil bilgi işlem platformlarının tasarım hususları ve kısıtlamaları hakkında fikir verir. Eski Palm OS uygulamaları veya cihazlarıyla uğraşanlar için PALM formatı bilgisi, eski görüntü varlıklarını korumak ve dönüştürmek için geçerliliğini korumaktadır.
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.