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.
Progresif JPEG (PJPEG) formatı, dijital görüntüleri ve fotoğrafları sıkıştırmadaki verimliliğiyle bilinen geleneksel JPEG görüntü formatının bir uzantısıdır. Bir görüntüyü tek seferde yukarıdan aşağıya yükleyen standart JPEG'in aksine, PJPEG görüntüyü kademeli olarak artan kalitede birden fazla geçişte yükler. Bu teknik, görüntü yükleme hızının ve izleyici katılımının kritik olduğu web tasarımı ve çevrimiçi görüntü sunumunda önemli bir avantaj sunar. PJPEG'in teknik inceliklerini anlamak, web performansını optimize etmek ve kullanıcı deneyimini geliştirmek için faydalı olabilir.
PJPEG, standart JPEG'e benzer şekilde Ayrık Kosinüs Dönüşümü (DCT) tekniğini kullanır. DCT, görüntüyü değişen frekanslarda parçalara ayırarak ve ardından bu frekansları dosya boyutunu azaltmak için nicemleyerek çalışır. PJPEG'i bu süreçte standart JPEG'den ayıran şey, bu DCT katsayılarını nasıl düzenlediği ve kullandığıdır. PJPEG, bu katsayıları, görüntü kalitesinin kademeli olarak artmasına olanak tanıyan bir şekilde depolar. Başlangıçta, yalnızca en önemli katsayıları kullanarak tüm görüntünün kaba bir önizlemesini görüntüler ve sonraki geçişler daha ince ayrıntılar ekler.
PJPEG formatının çok önemli bir yönü, kayıplı ve kayıpsız olmak üzere iki ana aşamaya ayrılan sıkıştırma işlemidir. Kayıplı aşama, DCT katsayılarını nicemlemeyi içerir, bu da görüntü ayrıntılarının hassasiyetini azaltır ancak dosya boyutunu önemli ölçüde azaltır. Bu aşamada, katsayılar görsel olarak en önemli bilgileri önceliklendirecek şekilde yeniden sıralanır. Kayıpsız aşama, kalitede herhangi bir ek kayıp olmadan görüntüyü daha da sıkıştıran bir Huffman kodlama sürecini içerir. Bu çift aşamalı sıkıştırma, PJPEG görüntülerinin son görüntü kalitesinden ödün vermeden aşamalı olarak yüklenmesine olanak tanır.
Bir görüntüyü PJPEG formatına kodlama süreci, her biri artan ayrıntıya sahip olan görüntünün birden fazla taramasını oluşturmayı içerir. İlk tarama, ana renkleri ve şekilleri gösteren temel bir anahat sunar. Ardından gelen taramalar, görüntü tam olarak yüklenmeden önce bile izleyicinin görüntünün özünü hızla kavramasını sağlayan ayrıntı katmanları ekler. PJPEG'in bu yönü, görüntü kalitesinden ödün vermeden içeriği verimli bir şekilde sunmanın çok önemli olduğu yavaş internet bağlantıları üzerinden görüntülenen görüntüler için özellikle faydalıdır.
PJPEG formatında kodlanmış bir görüntüyü görüntülemek, aşamalı işlemeyi destekleyen uyumlu bir web tarayıcısı veya görüntü görüntüleyici gerektirir. Görüntü verileri indirildikçe, yazılım taramaları sırayla yorumlayarak, daha fazla veri kullanılabilir hale geldikçe görüntünün daha yüksek doğrulukta temsilleriyle ekranı günceller. Bu, görüntünün daha önceki, daha düşük kaliteli sürümleri önce göründüğü ve ard ından ayrıntı ve netlikte kademeli iyileştirmeler olduğu için görüntülerin daha hızlı yükleniyormuş gibi göründüğü bir kullanıcı deneyimi yaratır.
PJPEG'in standart JPEG'e göre bir diğer avantajı da dosya boyutudur. Aynı görüntünün birden fazla taramasını depolamanın daha büyük dosyalarla sonuçlanacağı düşünülebilirken, PJPEG'de kullanılan verimli sıkıştırma teknikleri genellikle aynı görsel kalite için daha küçük dosya boyutları sağlar. Bunun nedeni, ilk taramaların görüntüyü temsil etmek için nispeten az DCT katsayısı gerektirmesi ve ek ayrıntıların son derece optimize edilmiş bir şekilde eklenmesidir. Bu verimlilik, PJPEG'i web sitesi yükleme sürelerini optimize etmek ve genel web performansını iyileştirmek için çekici bir seçenek haline getirir.
Dezavantajlar açısından, PJPEG ile ilgili bir zorluk, aşamalı yükleme özelliğinden tam olarak yararlanmak için belirli yazılım veya tarayıcı desteğine ihtiyaç duyulmasıdır. Çoğu modern web tarayıcısı PJPEG'i desteklerken, bazı görüntü düzenleme yazılımları formatı doğru şekilde işlemeyebilir ve bu da PJPEG dosyalarını düzenlemede zorluklara yol açabilir. Ek olarak, aşamalı yükleme özelliği, görüntünün neredeyse anında yüklenebileceği çok hızlı bağlantılarda daha az fark edilebilir olabilir ve bu da aşamalı geliştirmeyi geçersiz kılar.
Bir geliştirici perspektifinden, PJPEG'i web sitelerinde uygulamak, kodlama işlemi sırasında görüntü kalitesi ayarlarının dikkatli bir şekilde değerlendirilmesini gerektirir. Dosya boyutu ve görüntü kalitesi arasındaki denge çok önemlidir, çünkü aşırı sıkıştırılmış görüntüler hızlı yüklenebilir ancak kalitesizlikleriyle kullanıcıları hayal kırıklığına uğratabilir. Tersine, çok az sıkıştırma daha uzun yükleme sürelerine neden olabilir ve bu da kullanıcı katılımına zarar verebilir. Geliştiriciler ayrıca, hedef kitlelerinin kullandığı tarayıcıların ve cihazların destek ve işleme yeteneklerinin farkında olmalıdır.
PJPEG dosyaları oluşturmanın teknik yönleri, aşamalı seçenek ayarlarıyla JPEG kodlamasını işleyebilen özel yazılım araçlarını içerir. Örneğin Adobe Photoshop, görüntüleri PJPEG formatında kaydetme seçenekleri sunar ve kullanıcılara tarama sayısını ve sıkıştırma seviyelerini ayarlama olanağı tanır. Web geliştirme için, standart JPEG görüntülerini PJPEG'e dönüştürme sürecini basitleştiren çeşitli çevrimiçi araçlar ve kitaplıklar vardır ve bu da geliştiricilerin web varlıklarını daha verimli bir şekilde optimize etmelerini sağlar.
Tarihsel bir perspektiften bakıldığında, JPEG formatı, aşamalı varyantı da dahil olmak üzere, 1990'ların başında Ortak Fotoğraf Uzmanları Grubu tarafından tıpta dijital görüntüleme ve iletişim (DICOM) standartlarının bir parçası olarak geliştirilmiştir. İnternetin ve dijital fotoğrafçılığın patlamasıyla JPEG, görüntüleri çevrimiçi olarak paylaşmayı ve görüntülemeyi mümkün kılan verimli sıkıştırması sayesinde en yaygın kullanılan görüntü formatlarından biri haline geldi. PJPEG'in tanıtımı, o dönemde yaygın olan bant genişliği ve bağlantı hızlarının sınırlamalarını ele alarak kullanıcı deneyimini geliştirmeye hizmet etti.
PJPEG'in kullanımı web görüntüleriyle sınırlı değildir. Verimli görüntü yükleme ve aşamalı görüntülemenin kullanıcı deneyimini geliştirebileceği diğer alanlarda da uygulamalar bulur. Örneğin, çevrimiçi oyunlarda PJPEG, bant genişliği kısıtlamaları altında bile oyunculara sorunsuz bir deneyim sağlamak için oyun dokularını yüklemek için kullanılabilir. Benzer şekilde, e-ticarette aşamalı görüntüler, kullanıcıların ürün galerilerine göz atarken ilgilerini çekmeye yardımcı olarak dönüşüm olasılığını artırabilir.
Dahası, yüksek çözünürlüklü ekranların ve mobil cihazların yaygınlaşması, PJPEG'in uygulamasını etkilemiştir. Yüksek çözünürlüklü ekranlarda, yüksek kaliteli görüntülerin yüklenmesi bant genişliği açısından yoğun olabilir. PJPEG, görüntülerin başlangıçta daha düşük kalitede görüntülenmesine ve ardından aşamalı olarak geliştirilmesine olanak tanıyarak bir uzlaşma sağlar ve algılanan yükleme süresini azaltır. Bu yaklaşım, veri kullanımı ve hızın sınırlayıcı faktörler olabileceği mobil ortamlarda özellikle avantajlıdır.
Çevresel hususlar da PJPEG'in benimsenmesinde rol oynar. Dosya boyutlarını azaltarak ve yükleme sürelerini optimize ederek web siteleri, veri transfer hacimlerini azaltabilir ve bu da veri merkezlerinde ve ağ altyapısında daha düşük enerji tüketimine yol açabilir. Bu yön, dijital teknolojilerde enerji verimliliğinin önemini vurgulayan yeşil bilişimin daha geniş hedefleriyle uyumludur. Görüntü formatı seçiminin çevre üzerindeki etkisi küçük görünse de, internet ölçeğinde düşünüldüğünde dijital iletişimin genel enerji verimliliğine katkıda bulunur.
Sonuç olarak, Progresif JPEG formatı, görüntü sıkıştırma ve görüntüleme için sofistike bir yaklaşım sunar ve çevrimiçi içerik sunumu için çok sayıda avantaj sunar. Aşamalı yükleme özelliğiyle PJPEG, kaliteyi feda etmeden görüntü yükleme sürelerini optimize ederek kullanıcı katılımını artırabilir. Uygulama ve uyumlulukta bazı zorluklara rağmen, PJPEG'in avantajları, dijital ürünlerinin görsel deneyimini geliştirmeyi amaçlayan web geliştiricileri, grafik tasarımcıları ve içerik oluşturucuları için değerli bir araç haline getirir. İnter
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.