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.
Photo CD (PCD) görüntü formatı, 1990'ların başında Eastman Kodak tarafından geliştirilen bir dijital görüntü formatı türüdür. PCD formatının birincil amacı, kullanıcıların yüksek çözünürlüklü dijital fotoğrafları bir CD'ye kaydetmelerine olanak sağlamaktı ve bu fotoğraflar daha sonra özel bir Photo CD oynatıcı kullanılarak bir bilgisayarda veya televizyonda görüntülenebilirdi. PCD formatı, Kodak'ın geleneksel film fotoğrafçılığı ile gelişmekte olan dijital fotoğrafçılık pazarı arasındaki boşluğu kapatma konusundaki daha geniş stratejisinin bir parçasıydı. Fotoğrafçılara ve tüketicilere film görüntülerini yüksek doğrulukla dijitalleştirmenin ve arşivlemenin uygun bir yolunu sunmak üzere tasarlanmıştı.
PCD formatının temel özelliklerinden biri, aynı görüntünün birden fazla çözünürlüğünü içeren tek bir PCD dosyasına izin veren çok ölçekli çözünürlük yapısını kullanmasıdır. Bu yapı, Kodak tarafından geliştirilen PhotoYCC olarak bilinen tescilli bir görüntü sıkıştırma tekniğine dayanmaktadır. PhotoYCC renk uzayı, video sıkıştırmada kullanılan YCbCr renk uzayına benzer; burada Y parlaklık bileşenini, Cb ve Cr ise renk bileşenlerini temsil eder. Bu renk uzayı, parlaklık bilgilerini renk bilgilerinden ayırdığı için fotoğrafik görüntüler için özellikle uygundur ve bu da insan görsel sisteminin görüntüleri işleme şekliyle iyi bir şekilde uyumludur.
PCD dosyalarının çok ölçekli çözünürlük yapısı, 192x128 piksellik bir temel/önizleme çözünürlüğünden 3072x2048 piksellik maksimum çözünürlüğe kadar değişen beş farklı çözünürlük seviyesi içerir. Bu çözünürlüklere Temel/16, Temel/4, Temel, 4Temel ve 16Temel adı verilir ve Temel çözünürlük 768x512 pikseldir. Bu, küçük resim önizlemelerinden yüksek kaliteli baskılara kadar çeşitli kullanımlara olanak tanır. Farklı çözünürlükler, yazılım ve donanımın tüm görüntü dosyasını işlemek zorunda kalmadan belirli bir görev için uygun çözünürlük seviyesine hızlı bir şekilde erişmesini sağlayan hiyerarşik bir biçimde saklanır.
PCD dosyaları genellikle bir Kodak Photo CD sistemi kullanılarak oluşturulur; bu, film negatiflerini veya slaytlarını yüksek çözünürlüklü bir tarayıcı kullanarak taramayı ve ardından dijital görüntüleri PCD formatında bir CD'ye yazmayı içerir. Tarama işlemi, doğru renk üretimi sağlamak ve filmin tam dinamik aralığını yakalamak için dikkatlice kalibre edilir. Ortaya çıkan PCD dosyaları, yüksek kaliteli baskılar üretme ve çeşitli cihazlarda kolayca paylaşılma ve görüntülenme yeteneğine sahip, film görüntülerinin dijital bir arşivi niteli ğindedir.
PCD formatı ayrıca görüntü ve tarama işlemi hakkında bilgi depolayan bir dizi meta veri alanı içerir. Bu meta veriler, görüntünün yakalandığı tarih ve saati, kullanılan film türünü, tarayıcı ayarlarını ve diğer ilgili ayrıntıları içerebilir. Bu bilgiler, arşivleme amaçları ve görüntülerinin teknik yönlerini takip etmek isteyen fotoğrafçılar için değerli olabilir.
PCD formatı, sunduğu gelişmiş özellikler ve yüksek görüntü kalitesine rağmen, yaygın olarak benimsenmesini sınırlayan birkaç zorlukla karşı karşıya kaldı. Başlıca zorluklardan biri, formatın tescilli yapısıydı; bu, yalnızca Kodak'ın kendi yazılımı ve donanımıyla tam olarak kullanılabileceği anlamına geliyordu. Üçüncü taraf yazılım ve cihazlarla sınırlı uyumluluk, onu zaten başka görüntü formatları ve düzenleme yazılımları kullanan tüketiciler ve profesyoneller için daha az çekici hale getirdi.
PCD formatı için bir diğer zorluk da dijital kamera teknolojisinin hızla gelişmesi ve uygun fiyatlı dijital kameraların artan bulunabilirliğiydi. Dijital kameralar daha yetenekli hale geldikçe ve daha yüksek çözünürlükler sundukça, birçok kullanıcı için film görüntülerini taramaya olan ihtiyaç daha az kritik hale geldi. Ayrıca, JPEG ve TIFF gibi daha açık ve yaygın olarak desteklenen diğer dijital görüntü formatlarının ortaya çıkması, kullanıcılara dijital görüntüleri depolamak ve paylaşmak için daha esnek ve erişilebilir seçenekler sundu.
Bu zorluklara rağmen, PCD formatı, yüksek görüntü kalitesini ve filmi yüksek doğrulukla dijitalleştirme yeteneğini takdir eden bazı profesyonel fotoğrafçılar ve meraklılar tarafından kullanıldı. Bir süreliğine, film tarama ve arşivleme hizmetleri sunan fotoğraf laboratuvarları ve servis sağlayıcıları tarafından da kullanıldı. Ancak dijital fotoğrafçılık pazarı büyümeye ve gelişmeye devam ettikçe, PCD formatının kullanımı giderek azaldı.
Teknik bir bakış açısından, PCD formatı, yukarıda bahsedilen PhotoYCC renk uzayını ve çok ölçekli çözünürlük yapısını kullanmasıyla dikkat çekicidir. Format, yüksek düzeyde görüntü kalitesi sağlarken dosya boyutunu azaltmak için kayıplı bir sıkıştırma algoritması kullanır. Sıkıştırma, insan görsel sisteminin özelliklerini kullanacak şekilde uygulanır ve insan gözü tarafından daha az fark edilen renk ayrıntısı üzerinde parlaklık ayrıntısının korunmasına öncelik verir.
PCD dosya yapısı, bir başlık, her çözünürlük seviyesi için görüntü dizinleri ve görüntü verilerinin kendisi dahil olmak üzere birkaç farklı bölümden oluşur. Başlık, dosya formatı sürümü ve CD'de depolanan görüntü sayısı hakkında bilgi içerir. Her görüntü dizini, görüntü hakkında meta veriler ve dosya içindeki o çözünürlük seviyesi için görüntü verilerinin konumuna işaretçiler içerir.
Bir PCD dosyasındaki görüntü verileri, görüntü küçük dikdörtgen bölümlere (karo) bölünerek döşenmiş bir biçimde saklanır. Her karo bağımsız olarak sıkıştırılır ve bu da daha verimli veri erişimine ve işlemine olanak tanır. Bu döşeme sistemi ayrıca farklı çözünürlük seviyelerinin hiyerarşik olarak depolanmasını kolaylaştırır, çünkü daha düşük çözünürlüklü görüntüler, daha yüksek çözünürlük seviyelerinden karoları birleştirerek ve aşağı örnekleme yaparak oluşturulabilir.
PCD dosyalarını görüntülemek veya düzenlemek için kullanıcıların genellikle PCD formatını okuyabilen ve çok ölçekli çözünürlük yapısını işleyebilen özel yazılımlara ihtiyaçları vardır. Kodak bu amaç için kendi yazılımını sağladı, ancak PCD dosyaları için değişen destek seviyeleri sunan üçüncü taraf yazılım çözümleri de vardı. Bazı modern görüntü düzenleme yazılımları, JPEG ve TIFF gibi daha yaygın olarak kullanılan formatlar için destekten daha az yaygın olsa da, PCD formatı için desteği hâlâ içerir.
Dosya boyutu açısından PCD dosyaları, özellikle en yüksek çözünürlük seviyelerinde oldukça büyük olabilir. Bunun nedeni, formatın önemli miktarda veri gerektiren orijinal film görüntüsünün kalitesini korumak üzere tasarlanmış olmasıdır. Bununla birlikte, PCD dosyalarında kullanılan sıkıştırma algoritması, dosya boyutunu bir dereceye kadar azaltmaya yardımcı olur ve görüntülerin depolanmasını ve aktarılmasını daha yönetilebilir hale getirir.
PCD formatı ayrıca, kullanıcıların görüntülerini bir CD'de yapılandırılmış bir şekilde düzenlemelerine ve yönetmelerine olanak tanıyan 'Photo CD Portföyü' adı verilen bir özelliği destekler. Bu özellik, albümler oluşturma, görüntüleri kategorilere ayırma ve her görüntüye açıklayıcı metin ekleme yeteneğini içerir. Portföy özelliği, kullanıcıların dijital fotoğraf koleksiyonlarında gezinmelerini ve bunların keyfini çıkarmalarını kolaylaştırmak için tasarlanmıştır.
Sonuç olarak, PCD görüntü formatı, analogdan dijitale fotoğrafçılığa geçiş döneminde film fotoğraflarını dijitalleştirmek ve arşivlemek için yenilikçi bir çözümdü. Çok ölçekli çözünürlük yapısı, PhotoYCC renk uzayının kullanımı ve yüksek görüntü kalitesi, film görüntülerinin yüksek doğrulukta dijital kopyalarına ihtiyaç duyan profesyoneller ve meraklılar için değerli bir araç haline getirdi. Bununla birlikte, formatın tescilli yapısı, dijital kamera teknolojisindeki hızlı gelişmeler ve daha esnek dijital görüntü formatlarının yükselişi, nihayetinde PCD formatının düşüşüne yol açtı. Bugün, dijital fotoğrafçılığın tarihinin bir parçası olmaya devam ediyor ve teknik yönleri, dijital görüntü depolama ve sıkıştırma konusundaki evrimi inceleyenler için ilgi çekici olmaya devam ediyor.
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.