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.
PAM (Taşınabilir Keyfi Harita) görüntü formatı, Netpbm projesi çatısı altında tasarlanan görüntü dosyası formatları ailesinin nispeten daha az bilinen bir üyesidir. Farklı derinliklere ve piksel verisi türlerine sahip çok çeşitli görüntü türlerini temsil edebilen son derece esnek bir formattır. PAM, özünde, özellikler ve sıkıştırma pahasına kullanım kolaylığı ve basitlik için tasarlanmış, toplu olarak PNM (Taşınabilir Herhangi Bir Harita) formatları olarak bilinen daha önceki PBM (Taşınabilir Nokta Haritası), PGM (Taşınabilir Gri Haritası) ve PPM (Taşınabilir Piksel Haritası) formatlarının bir uzantısıdır. PAM, bu formatların sınırlamalarının üstesinden gelmek için, basitliklerini ve kullanım kolaylıklarını koruyarak ortaya çıkmıştır.
PAM formatı, cihaz ve platformdan bağımsız olacak şekilde tasarlanmıştır; bu, bu formatta kaydedilen görüntülerin uyumluluk sorunları konusunda endişe duyulmadan herhangi bir sistemde açılıp işlenebileceği anlamına gelir. Bu, çok çeşitli yazılımlar tarafından kolayca okunup yazılabilir düz metin veya ikili bir formatta görüntü verilerini depolayarak elde edilir. Format ayrıca genişletilebilirdir ve eski sürümlerle uyumluluğu bozmadan yeni özellikler ve yeteneklerin eklenmesine olanak tanır.
Bir PAM dosyası, görüntü verilerinden önce gelen bir başlıktan oluşur. Başlık, görüntünün genişliğini, yüksekliğini, derinliğini ve maksimum değerini ve renk alanını tanımlayan ikili türü belirten ASCII metnidir. Başlık, 'P7' sihirli sayısıyla başlar ve gerekli meta verileri sağlayan yeni satırla ayrılmış bir dizi etiket izler. Görüntü verileri başlığın hemen ardından gelir ve ikili veya ASCII formatında depolanabilir; ikili format, daha küçük dosya boyutu ve daha hızlı işleme süresi nedeniyle daha yaygın bir seçimdir.
PAM başlığında belirtilen derinlik, piksel başına kanal veya bileşen sayısını gösterir. Örneğin, 3 derinliği tipik olarak bir renkli görüntünün kırmızı, yeşil ve mavi kanallarını temsil ederken, 4 derinliği şeffaflık için ek bir alfa kanalı içerebilir. Başlıkta belirtilen maksimum değer, herhangi bir kanal için maksimum değeri gösterir ve bu da görüntünün bit derinliğini belirler. Örneğin, 255'lik bir maksimum değer, kanal başına 8 bite karşılık gelir.
İkili tür, PAM formatının önemli bir özelliğidir, çünkü piksel verilerinin yorumlanmasını tanımlar. Yaygın ikili türler arasında 'SİYAHBEYAZ', 'GRİ TONLAMALI', 'RGB' ve 'RGB_ALPHA' bulunur. Bu esneklik, PAM dosyalarının basit siyah beyaz görüntülerden şeffaflığa sahip tam renkli görüntülere kadar çok çeşitli görünt ü türlerini temsil etmesine olanak tanır. Ek olarak, özel ikili türler tanımlanabilir ve bu da formatı genişletilebilir ve özel görüntüleme gereksinimlerine uyarlanabilir hale getirir.
PAM dosyaları ayrıca başlıkta '#' karakteriyle başlayan isteğe bağlı yorum satırları içerebilir. Bu yorumlar görüntü okuyucuları tarafından göz ardı edilir ve insan okuyucular içindir. Görüntünün oluşturulma tarihi, görüntüyü oluşturmak için kullanılan yazılım veya standart başlık alanlarına uymayan diğer ilgili bilgiler gibi meta verileri depolamak için kullanılabilirler.
Bir PAM dosyasındaki görüntü verileri, her biri bir pikseli temsil eden bir ikililer dizisinde depolanır. İkililer, görüntünün sol üst pikselinden başlayarak soldan sağa ve yukarıdan aşağıya doğru sıralanır. İkili formatta, bir ikilinin her bir kanalı için veri, başlıkta belirtilen maksimum değer tarafından belirlenen kanal başına bayt sayısıyla ikili bir tamsayı olarak depolanır. ASCII formatında, kanal değerleri, boşluklarla ayrılmış ASCII ondalık sayılar olarak temsil edilir.
PAM formatının avantajlarından biri, ayrıştırmayı ve oluşturmayı kolaylaştıran basitliğidir. Bu basitlik, dosya boyutu pahasına gelir, çünkü PAM yerleşik sıkıştırma mekanizmaları içermez. Ancak PAM dosyaları, dosya boyutunu depolama veya aktarım için önemli ölçüde azaltabilecek gzip veya bzip2 gibi genel amaçlı sıkıştırma algoritmaları kullanılarak harici olarak sıkıştırılabilir.
Avantajlarına rağmen, PAM formatı, yerleşik sıkıştırma sunan ve daha geniş bir yazılım ve donanım yelpazesi tarafından desteklenen JPEG, PNG ve GIF gibi diğer görüntü formatlarının baskınlığı nedeniyle ana akımda yaygın olarak kullanılmamaktadır. Ancak PAM, özellikle yüksek derecede esneklik gerektiren veya formatın basitliğinin ve hassasiyetinin faydalı olduğu görüntü işleme veya analiz görevlerini içeren uygulamalar için değerli bir format olmaya devam etmektedir.
Yazılım geliştirme bağlamında, PAM formatı genellikle görüntü işleme kanallarında ara bir format olarak kullanılır. Düz yapısı, özel komut dosyaları veya programlarla işlenmesini kolaylaştırır ve esnekliği, bilgi kaybı olmadan çeşitli işleme adımlarının çıktısını barındırmasına olanak tanır. Örneğin, bir görüntü PAM formatına dönüştürülebilir, filtreler veya dönüşümler uygulamak için işlenebilir ve ardından görüntüleme veya dağıtım için daha yaygın bir formata dönüştürülebilir.
Netpbm kitaplığı, PAM ve diğer Netpbm formatlarıyla çalışmak için birincil yazılım paketidir. Formatlar arasında dönüştürme ve ölçekleme, kırpma ve renk ayarları gibi temel görüntü işlemelerini gerçekleştirme için bir dizi komut satırı aracı sağlar. Kitaplık ayrıca, geliştiricilerin PAM dosyalarını uygulamaları içinde doğrudan okuyup yazmalarına olanak tanıyan C ve diğer diller için programlama arayüzleri içerir.
PAM formatıyla çalışmak isteyen kullanıcılar ve geliştiriciler için akılda tutulması gereken birkaç husus vardır. Birincisi, format daha az yaygın olduğundan, tüm görüntü görüntüleme ve düzenleme yazılımları onu doğal olarak desteklemeyecektir. Belirli görevler için özel araçlar kullanmak veya farklı bir formata dönüştürmek gerekebilir. İkincisi, sıkıştırma eksikliği, PAM dosyalarının özellikle yüksek çözünürlüklü görüntüler için oldukça büyük olabileceği anlamına gelir, bu nedenle bu formatla çalışırken depolama ve bant genişliği dikkate alınmalıdır.
Bu hususlara rağmen, PAM formatının güçlü yönleri onu belirli bağlamlarda değerli bir araç haline getirmektedir. Basitliği ve esnekliği, hızlı geliştirme ve denemeyi kolaylaştırır ve genişletilebilirliği, gelecekteki ihtiyaçlara uyum sağlayabileceğini garanti eder. Araştırma, bilimsel görüntüleme veya görüntü verilerinin bütünlüğünün ve hassasiyetinin çok önemli olduğu herhangi bir uygulama için PAM sağlam bir çözüm sunar.
Sonuç olarak, PAM görüntü formatı, Netpbm görüntü formatları ailesinin bir parçası olan çok yönlü ve basit bir dosya formatıdır. Basit, esnek ve platformdan bağımsız olacak şekilde tasarlanmıştır ve bu da onu çok çeşitli görüntü türleri ve uygulamaları için uygun hale getirir. Her durum için en iyi seçim olmayabilir, özellikle dosya boyutu veya yaygın uyumluluk endişe kaynağı olduğunda, güçlü yönleri onu görüntü verilerinin hassas bir şekilde temsil edilmesini ve işlenmesini gerektiren özel uygulamalar için mükemmel bir seçim haline getirir. Bu nedenle, görüntü işleme ve analiz alanlarında alakalı ve kullanışlı bir format olmaya devam etmektedir.
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.