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.
PNG32 görüntü formatı, iyi bilinen Taşınabilir Ağ Grafikleri (PNG) formatının bir uzantısıdır ve PNG ailesi içinde kapsamlı renk derinliği ve şeffaflık desteği için optimize edilmiş belirli bir modu temsil eder. PNG32'deki '32', piksel başına kullanılan bit sayısına karşılık gelir ve bu format, kırmızı, yeşil, mavi ve alfa kanallarına her birine 8 bit ayırır. Bu yapı, PNG32'nin 16 milyondan fazla rengi (RGB için 24 bit) görüntülemesini ve tam bir şeffaflık ayarları yelpazesi (alfa için 8 bit) sunmasını sağlar ve bu da onu düzgün gradyanlar ve şeffaflık efektleri gerektiren ayrıntılı görüntüler için tercih edilen bir seçim haline getirir.
GIF gibi yalnızca 256 rengi ve tek bir şeffaflık düzeyi (açık veya kapalı) destekleyen önceki formatlarla ilişkili sınırlamaların üstesinden gelme ihtiyacından doğan PNG formatı, açık bir alternatif olarak geliştirilmiştir. PNG32 de dahil olmak üzere PNG formatı, kayıpsız sıkıştırmayı destekler. Bu, kaydetme sırasında dosya boyutu küçültülmesine rağmen görüntünün herhangi bir ayrıntı veya kalite kaybetmediği anlamına gelir. Bu özellik, dijital çalışmalarının orijinaline sadık kalmasını gerektiren grafik tasarımcılar ve fotoğrafçılar için özellikle önemlidir.
PNG32'nin teknik özellikleri, ilk olarak 1990'ların ortalarında tasarlanan PNG (Taşınabilir Ağ Grafikleri) spesifikasyonunda tanımlanmıştır. Spesifikasyon, başlık, parçalar ve veri kodlama yöntemleri de dahil olmak üzere dosya yapısını ana hatlarıyla belirtir. PNG dosyaları 8 baytlık bir imza ile başlar ve ardından bir dizi parça gelir. PNG32 görüntülerinde, kritik parçalar şunları içerir: genişlik, yükseklik, bit derinliği ve renk türü gibi görüntü başlık verilerini içeren IHDR; isteğe bağlı olan ve bir renk paleti içeren PLTE; görüntü verilerini içeren IDAT; ve PNG dosyasının sonunu işaretleyen IEND.
PNG32 formatının öne çıkan özelliklerinden biri, her pikselin şeffaflığını kontrol eden bir alfa kanalını desteklemesidir. Bir pikselin tamamen şeffaf veya tamamen opak olmasına izin veren daha basit şeffaflık yöntemlerinin aksine, PNG32'deki alfa kanalı 256 şeffaflık düzeyi sağlar. Bu, bir pikselin tamamen şeffaftan tamamen opağa kadar değişen derecelerde görünürlüğe sahip olabileceği, alttaki görüntülerin kalitesinden ödün vermeden karmaşık kompozisyonlara ve katmanlara olanak tanıdığı anlamına gelir.
PNG32 görüntülerinde sıkıştırma, bir dizi filtre ve DEFLATE sıkıştırma algoritmasının bir kombinasyonu kullanılarak elde edilir. Sıkıştırmadan önce, görüntünün her satırı karmaşıklığını azaltmak için filtrelenir ve bu da esasen sıkıştırmayı kolaylaştırır. Her satır için filtre seçimi dinamiktir ve algoritma dosya boyutunu en aza indirmek için en verimli seçeneği seçer. Filtrelemeden sonra, görüntü verileri, görüntü kalitesinden ödün vermeden dosya boyutunu azaltan kayıpsız bir veri sıkıştırma algoritması olan DEFLATE kullanılarak sıkıştırılır. Filtreleme ve DEFLATE sıkıştırma kombinasyonu, PNG32 dosyalarını kompakt hale getirirken görüntülerin keskin ve net kalmasını sağlar.
PNG32 formatının kullanımı, esnekliği, kalitesi ve şeffaflık yetenekleri nedeniyle web tasarımı, fotoğrafçılık ve grafik tasarım dahil olmak üzere çeşitli uygulamalarda yaygın olarak benimsenmiştir. Web tasarımında, PNG32 görüntüleri genellikle net detaylar ve düzgün şeffaflık kenarları gerektiren logolar, simgeler ve diğer öğeler için kullanılır. Bu format, dijital fotoğrafçılık ve grafik tasarım projeleri gibi görüntü kalitesinin ödün verilemeyeceği uygulamalarda da yaygındır. Şeffaflığı desteklerken renk doğruluğunu ve ince ayrıntıları koruyabilme özelliği, PNG32'yi bu alanlarda değerli bir araç haline getirir.
Avantajlarına rağmen, PNG32 formatının bazı dezavantajları vardır, özellikle dosya boyutunda. Yüksek renk derinliği ve şeffaflık desteği nedeniyle, PNG32 dosyaları, alfa şeffaflığı olmayan JPEG veya orijinal PNG formatı gibi daha basit formatlardaki dosyalardan önemli ölçüde daha büyük olabilir. Bu, web sitelerinde daha uzun yükleme sürelerine ve daha yüksek bant genişliği kullanımına yol açabilir. Sonuç olarak, PNG32 yüksek doğruluk ve şeffaflık gerektiren görüntüler için ideal olsa da, özellikle bant genişliği veya depolama alanı sınırlı olduğunda tüm uygulamalar için en iyi seçim olmayabilir.
Dosya boyutu ile ilgili endişelerin bir kısmını gidermek için PNG32 görüntülerine çeşitli optimizasyon teknikleri uygulanabilir. PNGCrush, OptiPNG ve TinyPNG gibi araçlar, görüntünün kalitesini kaybetmeden dosya boyutunu azaltmak için farklı stratejiler kullanır. Bu araçlar, gereksiz meta verileri kaldırmak, sıkıştırma parametrelerini ayarlamak ve hatta görsel kaliteyi önemli ölçüde etkilemeyecek alanlarda renk derinliğini azaltmak için görüntüyü analiz eder. Bu optimizasyonlar PNG32 dosyalarını daha yönetilebilir hale getirebilirken, dosya boyutu küçültme ile görüntünün görsel kalitesinin bütünlüğünü korumak arasında bir denge kurmak önemlidir.
Statik görüntülerde kullanımına ek olarak, PNG32'nin şeffaflık yetenekleri, video oyunları için sprite'lar oluşturma veya video prodüksiyonu için katman öğeleri gibi daha karmaşık grafik görevleri için mükemmel bir seçim haline getirir. Ayrıntılı şeffaflık kontrolü, PNG32 görüntülerinin çeşitli arka planlara ve ayarlara sorunsuz bir şekilde entegre edilmesine olanak tanır ve dijital medyanın görsel çekiciliğini artırır. Ayrıntılı grafikleri düzgün şeffaflıkla işleme yeteneği, kullanıcı deneyimi ve görsel kalitenin çok önemli olduğu gelişmiş web uygulamaları ve etkileşimli medya için de uygun hale getirir.
PNG32 formatına farklı yazılımlar ve platformlar arasında yaygın destek, bir diğer önemli avantajdır. Büyük web tarayıcıları, grafik tasarım yazılımları ve görüntü düzenleme araçları PNG32'yi kolayca destekler ve bu da onu profesyoneller ve amatörler için çok yönlü ve kolay erişilebilir bir format haline getirir. Formatın endüstri standardı yazılımlara dahil edilmesi, PNG32'nin basit web grafiklerinden karmaşık dijital sanat projelerine kadar çok çeşitli uygulamalar için güvenilir bir seçim olmasını sağlar.
İleriye bakıldığında, web teknolojilerinin ve dijital görüntüleme standartlarının sürekli evrimi, PNG32 formatının rolünü ve uygulamasını etkileyebilir. PNG32'ye benzer kalite sunan ancak daha iyi sıkıştırma ve daha küçük dosya boyutlarına sahip WebP ve AVIF gibi daha yeni formatların ortaya çıkmasıyla, belirli kullanım durumları için tercihlerde değişiklikler olabilir. Bu daha yeni formatlar, özellikle performansın ve yükleme sürelerinin çok önemli olduğu web tabanlı uygulamalar için ilgi çekici alternatifler sunar. Bununla birlikte, PNG32'nin sağlamlığı, yaygın uyumluluğu ve üstün şeffaflık işleme özelliği, bu özelliklerin kritik olduğu alanlarda alaka düzeyini sürdürmesini sağlar.
Eğitim kaynakları ve topluluklar da PNG32 formatının alaka düzeyini ve kullanımını sürdürmede çok önemli bir rol oynar. Hem yeni hem de deneyimli kullanıcılar, eğitimler, forumlar ve belgeler aracılığıyla PNG32'nin avantajları ve uygulamaları hakkında bilgi edinebilir ve kullanımı ve optimizasyonu için en iyi uygulamaları öğrenebilirler. Bu kolektif bilgi paylaşımı, dosya boyutu ve uygulamaya özel hususlarla ilgili zorlukları gidermeye yardımcı olur ve PNG32 formatının yüksek kaliteli ve şeffaf görüntüler için tercih edilen bir seçim olmasını sağlar.
Sonuç olarak, PNG32 görüntü formatı, benzersiz renk derinliği ve şeffaflık özellikleri sunan dijital görüntülemede önemli bir ilerlemeyi temsil eder. Kayıpsız sıkıştırma ve alfa kanalı desteği de dahil olmak üzere teknik özellikleri, onu web tasarımından karmaşık dijital sanata kadar çok çeşitli uygulamalar için çok yönlü bir seçim haline getirir. Dosya boyutu ve ortaya çıkan rakip formatlarla ilgili hususlar zorluklar oluştururken, PNG32'nin kalite ve şeffaflık işleme açısından avantajları, onu dijital görüntü ortamında vazgeçilmez bir format haline getirmeye devam ediyor. Dijital görüntüleme teknolojisi geliştikçe, PNG32'nin rolü değişecek, ancak yüksek kaliteli, şeffaf görüntülerin sağlanmasına katkısı
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.