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 Ağ Grafikleri (PNG) formatı, kayıpsız sıkıştırma ile yüksek kaliteli görüntüler sunma yeteneği sayesinde dijital dünyada bir dayanak noktası olarak kendini kanıtlamıştır. Çeşitleri arasında PNG8, renk verimliliği ve dosya boyutu küçültme konusundaki benzersiz karışımıyla öne çıkmaktadır. PNG8'in bu ayrıntılı incelemesi, bu görüntü formatının katmanlarını açmayı, yapısını, işlevselliğini ve pratik uygulamalarını araştırmayı amaçlamaktadır.
Özünde PNG8, renk paletini 256 renge sınırlayan PNG formatının bit derinliği varyantıdır. Bu sınırlama, PNG8'in orijinal görüntünün kalitesini korurken dosya boyutunu önemli ölçüde azaltma yeteneğinin arkasındaki anahtardır. PNG8'deki '8', piksel başına 8 bit anlamına gelir, yani görüntüdeki her piksel renk paletindeki 256 renkten herhangi biri olabilir. Bu palet, görüntü dosyasının kendisinde tanımlanır ve bu da belirli görüntüye göre uyarlanmış, özelleştirilmiş bir renk kümesine olanak tanır ve formatın verimliliğini artırır.
Bir PNG8 dosyasının yapısı, PNG dosya imzasını ve parçalar tabanlı mimariyi takip ederek diğer PNG formatlarına benzer. Bir PNG dosyası tipik olarak 8 baytlık bir imza ile başlar ve ardından farklı veri türlerini (ör. başlık bilgileri, palet bilgileri, görüntü verileri ve meta veriler) taşıyan bir dizi parça gelir. PNG8'de, PLTE (palet) parçası, görüntünün piksellerinin referans verdiği renk paletini sakladığı için kritik bir rol oynar. Bu palet, RGB (kırmızı, yeşil, mavi) değerleriyle tanımlanan 256 adede kadar renk içerir.
PNG8'deki sıkıştırma, filtreleme ve DEFLATE algoritmasının bir kombinasyonunu kullanır. Filtreleme, görüntü verilerini sıkıştırmaya hazırlamak için kullanılan bir yöntemdir ve sıkıştırma algoritmasının bilgi kaybetmeden dosya boyutunu küçültmesini kolaylaştırır. Filtrelemeden sonra, LZ77 ve Huffman kodlama tekniklerini birleştiren DEFLATE algoritması, görüntü verilerini verimli bir şekilde sıkıştırmak için uygulanır. Bu iki adımlı işlem, PNG8 görüntülerinin yüksek bir sıkıştırma seviyesine ulaşmasını sağlar ve bunları bant genişliği ve yükleme sürelerinin önemli olduğu web kullanımı için ideal hale getirir.
PNG8'deki şeffaflık, paletin tek bir rengini tamamen şeffaf olarak veya paletin renklerine karşılık gelen bir dizi alfa değeri belirterek değişen şeffaflık derecelerine olanak tanıyan bir tRNS (şeffaflık) parçası kullanılarak işlenir. Bu özellik, PNG8'in basit şeffaflık efektlerine sahip olmasını sağlar ve şeffaf arka planların veya yumuşak üst üste binmelerin gerekli olduğu web grafikleri için uygun hale getirir. Ancak PNG8'deki şeffaflığın, her piksel için tam alfa şeffaflığını destekleyen PNG32'dekiyle aynı ayrıntı düzeyine ulaşamayacağını belirtmekte fayda var.
PNG8 görüntülerinin oluşturulması ve optimize edilmesi, renk doğruluğu ve dosya boyutu arasında bir denge içerir. PNG8 görüntüleri oluşturan araçlar ve yazılımlar tipik olarak renk kantizasyonu ve dithering için algoritmalar içerir. Renk kantizasyonu, görüntünün görsel bütünlüğünü koruyarak ideal olarak 256 renk sınırına uyacak şekilde renk sayısını azaltır. Dithering, piksel düzeyinde renkleri karıştırarak renk azaltımının görsel etkisini en aza indirmeye yardımcı olur ve daha büyük bir renk paleti yanılsaması yaratır. Bu teknikler, görsel olarak çekici ve verimli bir şekilde sıkıştırılmış PNG8 görüntüleri oluşturmak için çok önemlidir.
Avantajlarına rağmen PNG8, onu belirli uygulamalar için daha az uygun hale getiren sınırlamalara sahiptir. Sınırlı renk paleti, gradyanlarda bantlanmaya ve karmaşık görüntülerde ayrıntı kaybına yol açabilir. Ek olarak, basit şeffaflık mekanizması, tam alfa şeffaflığını destekleyen formatlar kadar yumuşak gölgeler veya yarı saydam nesneler içeren sahneleri etkili bir şekilde barındıramaz. Bu nedenle PNG8, sınırlı renk aralıklarına sahip basit grafikler, simgeler ve logolar için mükemmel olsa da fotoğraflar ve karmaşık dokular için en iyi seçim olmayabilir.
PNG8'in web geliştirme ve dijital medya oluşturmadaki benimsenmesi, belirli bağlamlarda uyumluluğu, verimliliği ve kullanışlılığı tarafından yönlendirilmiştir. Tüm modern web tarayıcıları ve görüntü işleme yazılımları tarafından desteklenmesi, web varlıklarını optimize etmek isteyen web tasarımcıları için güvenilir bir seçim haline getirir. İçeriğin görsel karmaşıklığının düşük olduğu ve bant genişliği kullanımını en aza indirme ihtiyacının yüksek olduğu uygulamalar için PNG8, optimum bir denge sunar. Dahası, şeffaflık desteği çok yönlülük katar ve yükleme sürelerinde önemli bir artış olmadan web sitelerinde yaratıcı katmanlama ve temalamaya olanak tanır.
Özetle PNG8, özellikle verimli depolama ve aktarım gerektiren web grafikleri ve dijital medya için dijital görüntü ekosistemi içinde alakalı ve değerli bir görüntü formatı olmaya devam etmektedir. Tasarımı, renk çeşitliliği ve dosya boyutu verimliliği arasında bir denge sağlar ve bu da onu belirli ihtiyaçları olan bir dizi uygulama için uygun hale getirir. Sınırlamalardan yoksun olmasa da PNG8'in görüntü formatları yelpazesindeki yeri, basitlik, sıkıştırma ve geniş uyumluluk açısından kendine özgü avantajlarıyla güvence altına alınmıştır. PNG8'in bu yönlerini anlamak, projelerinin teknik ve estetik gereksinimlerini karşılamak için görüntü formatı seçimi hakkında bilinçli kararlar vermeyi amaçlayan tasarımcılar, geliştiriciler ve dijital medya profesyonelleri için çok önemlidir.
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.