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.
PNG00 görüntü formatı, kayıpsız, iyi sıkıştırılmış raster görüntü depolamasını kolaylaştırmak için tasarlanmış, daha geniş Taşınabilir Ağ Grafikleri (PNG) formatının belirli bir alt kümesini temsil eder. GIF'in bir iyileştirmesi ve geliştirilmesi olarak geliştirilmiştir ve çok yönlü özellikleri nedeniyle popüler hale gelmiştir. Geniş bir renk derinliği ve ek özellikler yelpazesini destekleyen genel PNG'nin aksine, PNG00 özellikle belirli koşullar için optimize edilmiş bir formatı ifade eder ve orijinal görüntü verilerinin bütünlüğünden ödün vermeden verimli sıkıştırma ve eski sistemlerle uyumluluk elde etmeye odaklanır.
Özünde, PNG00 dahil PNG formatı, kayıpsız bir sıkıştırma yöntemi kullanır. Bu, JPEG veya diğer kayıplı formatların aksine, bir görüntü PNG00 formatına sıkıştırıldığında kalitede herhangi bir kayıp olmadığı ve tüm orijinal görüntü bilgilerinin mükemmel bir şekilde kurtarılabileceği anlamına gelir. Bu, masaüstü yayıncılığ ı, dijital sanat ve netlik ve hassasiyetin çok önemli olduğu belirli web grafikleri gibi görüntü bütünlüğünün çok önemli olduğu uygulamalar için özellikle önemlidir.
Tüm PNG dosyalarında olduğu gibi bir PNG00 dosyasının yapısı da parçalar halindedir. Bir PNG dosyası, her biri farklı bir amaca hizmet eden birden fazla parçadan oluşur. Bu parçalar, görüntü verilerinin kendisine ek olarak, görüntünün renk alanı, gama ve metin açıklamaları gibi meta verileri içerebilir. Her PNG dosyasındaki kritik parçalar, görüntünün boyutunu ve renk derinliğini ana hatlarıyla belirten başlık parçası (IHDR); dizinli görüntüler için palet parçası (PLTE); gerçek sıkıştırılmış görüntü verilerini içeren görüntü veri parçası (IDAT); ve dosyanın sonunu işaret eden son parçası (IEND)'dir.
PNG00 ve genel olarak PNG içindeki sıkıştırma, filtreleme ve DEFLATE algoritmasının bir kombinasyonu yoluyla elde edilir. Filtreleme, görüntü bilgilerinin karmaşıklığını azaltarak görüntü verilerini daha verimli sıkıştırma için hazırlayan bir ön işleme adımıdır. Birkaç filtreleme yöntemi mevcuttur ve PNG, bitişik piksellerin renklerine göre piksellerin rengini tahmin eden, böylece sıkıştırılması gereken bilgi miktarını azaltan bir filtreleme yöntemi kullanır. Filtrelemeden sonra, LZ77 ve Huffman kodlamasının bir varyasyonu olan DEFLATE sıkıştırma algoritması, görüntü verilerini kayıpsız bir şekilde önemli ölçüde sıkıştırmak için uygulanır.
PNG00 dahil PNG formatının ayırt edici özelliklerinden biri, görüntüde değişen şeffaflık seviyelerine izin veren bir alfa kanalına destek vermesidir. Bu özellik, görüntülerin farklı arka planlara bindirilmesi gereken web tasarımı ve yazılım geliştirmede özellikle kullanışlıdır. Yalnızca tamamen şeffaf veya tamamen opak pikselleri destekleyen GIF gibi formatların aksine, PNG'nin 8 bit şeffaflık desteği, tamamen şeffaftan tamamen opağa kadar 256 opaklık seviyesine izin vererek yumuşak geçişlerin ve efektlerin oluşturulmasını sağlar.
PNG'de ve dolayısıyla PNG00'da renk yönetimi, görüntünün renklerinin farklı cihazlar tarafından nasıl yorumlanması gerektiğini belirten ICC profil parçalarının veya sRGB parçalarının dahil edilmesiyle gerçekleştirilir. Bu, görüntünün görüntülendiği cihazdan bağımsız olarak renklerin mümkün olduğunca doğru bir şekilde görüntülenmesini sağlar. Bu, dijital fotoğrafçılık ve web tasarımı gibi farklı cihazlarda renk tutarlılığının çok önemli olduğu alanlarda çok önemlidir.
PNG00'ın çok çeşitli platformlar ve cihazlarla uyumluluğu, onun temel güçlü yönlerinden biridir. Kayıpsız sıkıştırması, şeffaflık desteği ve renk yönetimi yetenekleri göz önüne alındığında, modern web tarayıcıları, görüntü düzenleme yazılımları ve işletim sistemlerinde yaygın olarak desteklenmektedir. Bu evrensel uyumluluk, PNG00 formatında kaydedilen görüntülerin, dönüştürme veya özel eklentilere gerek kalmadan çeşitli bağlamlarda güvenilir bir şekilde görüntülenebilmesini ve düzenlenebilmesini sağlar.
Avantajlarına rağmen, PNG00 formatının bazı sınırlamaları vardır. En dikkat çekeni dosya boyutudur. Kayıpsız sıkıştırma kullandığı için PNG00 dosyaları, genellikle kayıplı sıkıştırma kullanan JPEG muadillerinden daha büyüktür. Bu, hızlı yükleme sürelerinin kritik olduğu web uygulamaları için önemli bir dezavantaj olabilir. Bu senaryolarda, geliştiriciler görüntü kalitesi ihtiyacı ile verimlilik ihtiyacı arasında dikkatlice bir denge kurmalı ve mümkün olduğunda dosya boyutunu azaltmak için görüntü sprite'ları veya daha düşük renk derinlikleri seçme gibi teknikleri kullanmalıdır.
PNG00 ile ilgili bir diğer zorluk, JPEG gibi daha basit formatlara kıyasla karmaşıklığından kaynaklanmaktadır. PNG'de bulunan zengin özellik ve seçenek seti, çeşitli parça türleri, sıkıştırma ayarları ve renk yönetimi dahil olmak üzere, formata aşina olmayanlar için çalışmayı daha zahmetli hale getirebilir. Bu karmaşıklık, uygun araçlar ve uzmanlık yoksa PNG00 dosyalarını yönetmede ve dağıtmada verimsizliklere ve hatalara yol açabilir.
Dahası, PNG00, alfa şeffaflığı ve GIF'ten daha iyi sıkıştırma gibi avantajlar sunarken, çok basit grafikler veya geniş tekdüze renk alanlarına sahip görüntüler için daha az uygundur. Bu durumlarda, GIF veya hatta daha yeni WebP gibi formatlar, kalitede gözle görülür bir düşüş olmadan daha verimli sıkıştırma sağlayabilir. Bununla birlikte, web teknolojileri geliştikçe ve bant genişliği kısıtlamaları azaldıkça, görüntü kalitesi ile dosya boyutu arasındaki dengeyi yönetmek daha kolay hale gelir ve PNG00'ın dijital görüntü depolama ve işlemedeki yerini sağlamlaştırır.
Standart özelliklere ek olarak, PNG00 dosyalarını daha verimli hale getirmek için çeşitli optimizasyonlar yapılabilir. PNG dosyalarını işleyen araçlar ve kitaplıklar, genellikle yardımcı parçaları kaldırma, dizinli görüntüler için renk paletini optimize etme veya belirli görüntü içeriğine daha uygun filtreleme stratejilerini ayarlama seçenekleri sunar. Bu optimizasyonlar, PNG00 formatının kalitesini ve uyumluluğunu korurken dosya boyutunda önemli azalmalara yol açabilir.
PNG00 dosyalarının oluşturulması ve düzenlenmesi, bu optimizasyonların ve PNG formatının temel ilkelerinin anlaşılmasını gerektirir. Birçok görüntü düzenleme yazılım paketi PNG'yi destekler ve kullanıcılara sıkıştırma seviyesini ayarlama, belirli renk formatlarını (gerçek renk, gri tonlama veya dizinli renk gibi) seçme ve şeffaflık ayarlarını yönetme seçenekleri sunar. Web geliştiricileri ve grafik tasarımcıları için bu araçlar, performans ve uyumluluk için optimize ederken projelerinin kesin gereksinimlerini karşılayan görüntüler üretmede çok önemlidir.
Geleceğe bakıldığında, PNG00 dahil PNG formatı gelişmeye devam ediyor. Web standartları ilerledikçe ve yeni görüntü formatları ortaya çıktıkça, PNG formatı yeni zorlukları karşılamak için genişletiliyor ve uyarlanıyor. Daha iyi meta veri desteği için yeni parça türlerinin eklenmesi veya daha küçük dosya boyutları elde etmek için sıkıştırma algoritmasında iyileştirmeler yapılması gibi çabalar devam ediyor. Bu gelişmeler, PNG'nin çeşitli bağlamlarda dijital görüntüleri depolamak ve iletmek için alakalı ve güçlü bir format olmaya devam etmesini sağlar.
Sonuç olarak, PNG00 görüntü formatı, şeffaflık ve renk yönetimi desteğiyle görüntüleri kayıpsız bir formatta depolamak için sağlam bir çözüm sunar. Kalite ve uyumluluk arasında bir denge kurar ve bu da onu çok çeşitli uygulamalar için uygun hale getirir. Bununla birlikte, kullanıcıların dikkatlice gezinmesi gereken dosya boyutu ve karmaşıklık açısından zorluklarla karşı karşıyadır. Süregelen geliştirmeler ve optimizasyonlarla PNG00 ve daha geniş PNG formatı, web geliştiricilerinin, grafik tasarımcılarının ve dijital sanatçıların değişen ihtiyaçlarını karşılayan çözümler sunarak dijital görüntüleme alanında merkezi 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.