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.
Taşınabilir FloatMap (PFM) dosya biçimi, özellikle görüntü verilerinde yüksek doğruluk ve hassasiyet gerektiren alanlarda, daha az bilinen ancak kritik derecede önemli bir görüntü biçimidir. Genel kullanım ve web grafikleri için tasarlanmış JPEG veya PNG gibi daha yaygın biçimlerden farklı olarak, PFM biçimi özellikle yüksek dinamik aralıklı (HDR) görüntü verilerini depolamak ve işlemek üzere tasarlanmıştır. Bu, geleneksel 8 bitlik veya hatta 16 bitlik görüntü biçimlerine kıyasla çok daha geniş bir parlaklık düzeyi aralığını temsil edebileceği anlamına gelir. PFM biçimi, her pikselin yoğunluğunu temsil etmek için kayan nokta sayıları kullanarak bunu başarır ve en koyu gölgelerden en parlak vurgulara kadar neredeyse sınırsız bir parlaklık değeri aralığına izin verir.
PFM dosyaları, HDR verilerini depolamadaki basitlikleri ve verimlilikleriyle karakterize edilir. Bir PFM dosyası, esasen piksel verilerinden sonra gelen bir başlık bölümünden oluşan ikili bir dosyadır. Başlık, insan tarafından okunabilir ASCII metnidir ve görüntü hakkında genişliği ve yüksekliği gibi önemli bilgileri ve piksel verilerinin gri tonlamalı veya RGB biçiminde depolanıp depolanmadığını belirtir. Başlığın ardından piksel verileri, her pikselin değeri 32 bit (gri tonlamalı görüntüler için) veya 96 bit (RGB görüntüler için) IEEE kayan nokta sayısı olarak temsil edilen ikili bir biçimde depolanır. Bu yapı, HDR görüntüleme için gerekli hassasiyeti sağlarken biçimin yazılımda uygulanmasını kolaylaştırır.
PFM biçiminin benzersiz bir yönü, hem küçük hem de büyük uçlu bayt sıralamasını desteklemesidir. Bu esneklik, biçimin uyumluluk sorunları olmadan farklı bilgi işlem platformlarında kullanılmasını sağlar. Bayt sırası, başlıkta biçim tanımlayıcısıyla belirtilir: RGB görüntüler için 'PF' ve gri tonlamalı görüntüler için 'Pf'. Tanımlayıcı büyük harfse, dosyanın büyük uçlu bayt sırası kullandığı anlamına gelir; küçük harfse, dosya küçük uçlu kullanır. Bu mekanizma sadece zarif değil, aynı zamanda dosyalar farklı bayt sıralarına sahip sistemler arasında paylaşıldığında kayan nokta verilerinin doğruluğunu korumak için de çok önemlidir.
HDR görüntüleri temsil etmedeki avantajlarına rağmen, PFM biçimi, her piksel için kayan nokta gösterimi kullanılmasından kaynaklanan büyük dosya boyutları nedeniyle tüketici uygulamalarında veya web grafiklerinde yaygın olarak kullanılmamaktadır. Dahası, çoğu görüntüleme cihazı ve yazılım, PFM dosyalarının sağladığı yüksek dinamik aralık ve hassasiyeti işlemek üzere tasarlanmamıştır. Sonuç olarak, PFM dosyaları, en yüksek görüntü kalitesi ve doğruluğun gerekli olduğu bilgisayar grafikleri araştırması, görsel efekt üretimi ve bilimsel görselleştirme gibi profesyonel alanlarda ağırlıklı olarak kullanılmaktadır.
PFM dosyalarının işlenmesi, kayan nokta verilerini doğru bir şekilde okuyup yazabilen özel yazılım gerektirir. Biçimin sınırlı benimsenmesi nedeniyle, bu tür yazılımlar daha yaygın görüntü biçimleri için kullanılan araçlardan daha az yaygındır. Yine de, birkaç profesyonel düzeyde görüntü düzenleme ve işleme uygulaması PFM dosyalarını destekleyerek kullanıcıların HDR içerikle çalışmasına olanak tanır. Bu araçlar genellikle yalnızca görüntüleme ve düzenleme için değil, aynı zamanda PFM dosyalarını ton eşleme ve diğer teknikler yoluyla mümkün olduğunca dinamik aralığı koruyarak daha geleneksel biçimlere dönüştürmek için de özellikler sağlar.
PFM dosyalarıyla çalışmadaki en önemli zorluklardan biri, tüketici donanım ve yazılımlarında HDR içeriğe yönelik yaygın desteğin olmamasıdır. Son yıllarda HDR desteğinde kademeli bir artış olsa da, daha yeni bazı ekranlar ve TV'ler daha geniş bir parlaklık düzeyi aralığı gösterebilse de, ekosistem hala bu konuda yetersiz kalmaktadır. Bu durum genellikle PFM dosyalarını daha geniş uyumlu olan biçimlere dönüştürmeyi gerektirir, ancak bu da PFM biçimini profesyonel kullanım için bu kadar değerli kılan dinamik aralık ve hassasiyetin bir kısmını kaybetme pahasına olur.
HDR görüntüleri depolamadaki birincil rolüne ek olarak, PFM biçimi, onu bilgisayar grafikleri ve görüntü işlemede eğitim amaçları ve deneysel projeler için mükemmel bir seçim haline getiren basitliğiyle de dikkat çekmektedir. Basit yapısı, öğrencilerin ve araştırmacıların karmaşık dosya biçimi özelliklerine takılmadan HDR verilerini kolayca anlamalarına ve işlemelerine olanak tanır. Bu kullanım kolaylığı, biçimin hassasiyeti ve esnekliğiyle birleştiğinde, PFM'yi akademik ve araştırma ortamlarında paha biçilmez bir araç haline getirir.
PFM biçiminin bir diğer teknik özelliği, IEEE kayan nokta gösterimini kullanması sayesinde sonsuz ve alt normal sayıları desteklemesidir. Bu özellik, özellikle aşırı değerlerin veya verilerde çok ince derecelendirmelerin temsil edilmesi gereken bilimsel görselleştirme ve belirli bilgisayar grafikleri çalışmalarında faydalıdır. Örneğin, fiziksel olayların simülasyonlarında veya son derece parlak ışık kaynaklarına sahip sahnelerin işlenmesinde, çok yüksek veya çok düşük yoğunluk değerlerini doğru bir şekilde temsil etme yeteneği çok önemli olabilir.
Bununla birlikte, PFM biçiminin kayan nokta hassasiyetinin avantajları, özellikle büyük görüntüler için bu dosyaları işlerken artan hesaplama talepleriyle birlikte gelir. Her pikselin değeri bir kayan nokta sayısı olduğundan, görüntü ölçekleme, filtreleme veya ton eşleme gibi işlemler, geleneksel tamsayı tabanlı görüntü biçimlerine göre hesaplama açısından daha yoğun olabilir. Daha fazla işleme gücü gereksinimi, gerçek zamanlı uygulamalarda veya sınırlı özelliklere sahip donanımlarda bir sınırlama olabilir. Buna rağmen, en yüksek görüntü kalitesinin çok önemli olduğu uygulamalar için faydalar, bu hesaplama zorluklarından çok daha ağır basmaktadır.
PFM biçimi ayrıca, çok yönlülüğünü daha da artıran başlığında ölçek faktörünü ve uçluğunu belirtme hükümleri de içerir. Ölçek faktörü, dosyanın, dosyanın piksel değerlerinin sayısal aralığıyla temsil edilen fiziksel parlaklık aralığını belirtmesine olanak tanıyan bir kayan nokta sayısıdır. Bu özellik, PFM dosyaları farklı projelerde kullanıldığında veya işbirlikçiler arasında paylaşıldığında, piksel değerlerinin gerçek dünya parlaklık değerleriyle nasıl ilişkili olduğunun net bir şekilde anlaşılması için çok önemlidir.
PFM biçiminin teknik avantajlarına rağmen, niş profesyonel ve akademik ortamların ötesinde daha geniş bir benimsenmede önemli zorluklarla karşı karşıyadır. PFM dosyalarını işlemek için özel yazılıma duyulan ihtiyaç, büyük dosya boyutları ve hesaplama talepleriyle birleştiğinde, kullanımının daha yaygın biçimlere kıyasla sınırlı kaldığı anlamına gelir. PFM biçiminin daha geniş bir kabul görmesi için, hem HDR içeriği görüntüleyebilen mevcut donanımda hem de yazılım ekosisteminin yüksek doğruluklu, yüksek dinamik aralıklı görüntülere verdiği destekte önemli bir değişime ihtiyaç olacaktır.
Geleceğe bakıldığında, PFM biçiminin ve genel olarak HDR görüntülemenin geleceği, görüntüleme teknolojisindeki ve görüntü işleme algoritmalarındaki gelişmelerle bağlantılıdır. Daha geniş bir parlaklık düzeyi aralığı sunabilen ekranlar yaygınlaştıkça ve hesaplama kaynakları daha erişilebilir hale geldikçe, PFM gibi HDR biçimlerini kullanmanın engelleri azalabilir. Dahası, kayan nokta görüntü verilerini işlemek için daha verimli algoritmalar üzerine devam eden araştırmalarla, PFM dosyalarını ve geleneksel görüntü biçimlerini işleme arasındaki performans farkı daralabilir ve bu da HDR görüntülemenin daha geniş bir uygulama yelpazesinde benimsenmesini kolaylaştırabilir.
Sonuç olarak, Taşınabilir FloatMap (PFM) biçimi, yüksek dinamik aralıklı görüntüleme alanında çok çeşitli parlaklık düzeylerini temsil etmek için benzersiz bir hassasiyet ve esneklik sunan çok önemli bir teknolojidir. Karmaşıklığı ve özel yazılım ve donanıma duyulan ihtiyaç, benimsenmesini profesyonel ve akademik bağlamlarla sınırlasa da, PFM biçiminin yetenekleri, görüntü doğruluğunun en önemli olduğu durumlarda onu paha biçilmez bir varlık haline getirmektedir. Teknoloji ekosistemi gelişmeye devam ettikçe, PFM ve HDR içeriğinin ana akım uygulamalara daha fazla entegre olma
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.