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.
WBMP (Kablosuz Bit Eşlemi) görüntü formatı, erken dönem cep telefonları ve PDA'lar (Kişisel Dijital Asistanlar) gibi sınırlı grafik ve hesaplama yeteneklerine sahip mobil bilgi işlem cihazları için optimize edilmiş bir tek renkli grafik dosya formatıdır. 1990'ların sonlarında tanıtılan bu format, o zamanlar bugünün mobil internet bağlantılarından önemli ölçüde daha yavaş ve daha az güvenilir olan kablosuz ağlar üzerinden grafik bilgileri iletmenin verimli bir yolunu sağlamak üzere tasarlanmıştır. WBMP, mobil cihazların web içeriğine erişmesine olanak tanıyan bir protokol paketi olan WAP'nin (Kablosuz Uygulama Protokolü) bir parçasıdır.
Bir WBMP görüntüsü, gri tonlama veya renk desteği olmaksızın tamamen siyah ve beyaz piksellerden oluşur. Bu sert sınırlama, erken dönem mobil cihazların sınırlı görüntüleme yeteneklerini ve bant genişliğini koruma gerekliliğini yansıtan pratik bir karardı. Bir WBMP görüntüsündeki her piksel yalnızca iki durumdan birinde olabilir: siyah veya beyaz. Bu ikili yapı, görüntü veri yapısını basitleştirerek, sınırlı kaynaklara sahip cihazlarda daha kompakt ve işlenmesi daha kolay hale getirir.
WBMP formatı, çok çeşitli cihazlarda ayrıştırmayı ve oluşturmayı kolaylaştıran nispeten basit bir yapı izler. Bir WBMP dosyası, kodlanmış görüntü türünü gösteren bir tür alanıyla başlar. Standart WBMP dosyaları için bu tür alanı 0 olarak ayarlanır ve temel bir tek renkli görüntü belirtilir. Tür alanının ardından, iki çok baytlı tam sayı alanı sırasıyla görüntünün genişliğini ve yüksekliğini belirtir. Bunlar, boyutları temsil etmek için yalnızca gerektiği kadar bayt tüketerek bant genişliğini muhafazakar bir şekilde kullanan değişken uzunluklu bir format kullanılarak kodlanır.
Başlık bölümünden sonra, bir WBMP dosyasının gövdesi piksel verilerini içerir. Her piksel tek bir bit ile temsil edilir: beyaz için 0 ve siyah için 1. Bu nedenle, sekiz piksel tek bir bayta sıkıştırılabilir ve bu da WBMP dosyalarını JPEG veya PNG gibi daha yaygın formatlarla karşılaştırıldığında son derece kompakt hale getirir. Bu verimlilik, WBMP'nin tasarlandığı mobil çağın cihazları ve ağları için çok önemliydi ve bunlar genellikle veri depolama ve aktarım hızları konusunda katı sınırlamalara sahipti.
WBMP formatının temel avantajlarından biri basitliğidir. Formatın minimalist yaklaşımı, logolar, basit grafikler ve stilize metin gibi tipik olarak iletmek için kullanıldığı temel, simge benzeri görüntüler için son derece verimli hale getirir. Bu verimlilik, görüntüleri görüntülemek için gereken işlemeye kadar uzanır. Dosyalar küçük ve format basit olduğundan, kod çözme ve oluşturma, çok sınırlı hesaplama gücüne sahip donanımlarda bile hızlı bir şekilde yapılabilir. Bu, genellikle daha karmaşık veya veri açısından ağır görüntü formatlarıyla boğuşan en eski nesil mobil cihazlar için WBMP'yi ideal bir seçim haline getirdi.
Sınırlı ortamlarda kullanım avantajlarına rağmen, WBMP formatının önemli sınırlamaları vardır. En belirgin olanı, etkili bir şekilde temsil edilebilecek grafik içeriğinin kapsamını doğası gereği sınırlayan tek renkli görüntülere yönelik kısıtlamasıdır. Mobil cihaz ekranları tam renkli görüntüleri destekleyecek şekilde geliştikçe ve kullanıcıların daha zengin medya içeriği beklentileri arttıkça, daha çok yönlü görüntü formatlarına olan ihtiyaç ortaya çıktı. Ek olarak, WBMP görüntülerinin ikili yapısı, gri tonlamalı veya renkli görüntülerle mümkün olan nüans ve ayrıntıdan yoksun oldukları anlamına gelir ve bu da onları daha ayrıntılı grafikler veya fotoğraflar için uygunsuz hale getirir.
Mobil teknolojinin ve ağ altyapısının gelişmesiyle WBMP formatının önemi azaldı. Modern akıllı telefonlar, WBMP formatının başlangıçta tasarlandığı cihazlardan çok uzakta, güçlü işlemciler ve yüksek çözünürlüklü, renkli ekranlara sahiptir. Benzer şekilde, günümüzün mobil ağları, JPEG veya PNG gibi daha karmaşık ve veri açısından ağır görüntü formatlarının, gerçek zamanlı web içeriği için bile iletilmesini mümkün kılan önemli ölçüde daha yüksek veri aktarım hızları sunmaktadır. Sonuç olarak, WBMP'nin kullanımı büyük ölçüde bu daha yetenekli formatlar lehine aşamalı olarak kaldırılmıştır.
Dahası, web standartlarının ve protokollerinin geliştirilmesi de WBMP'nin modası geçmesine katkıda bulunmuştur. HTML5 ve CSS3'ün yaygınlaşması, WBMP'nin sunabileceğinden daha yüksek kalite ve renk doğruluğuna sahip formatlarda vektör grafikleri ve görüntüler de dahil olmak üzere mobil cihazlara çok daha gelişmiş web içeriğinin sunulmasına olanak tanır. Bu teknolojilerle web geliştiricileri, çok çeşitli cihazlara ve ekran boyutlarına uyum sağlayan, WBMP kadar sınırlı bir format kullanmanın pratikliğini daha da azaltan, zengin ayrıntılı, etkileşimli içerikler oluşturabilirler.
Modası geçmiş olmasına rağmen, WBMP formatını anlamak, mobil bilgi işlemin evrimi ve teknoloji kısıtlamalarının yazılım ve protokol tasarımını nasıl şekillendirdiği konusunda değerli bilgiler sunar. WBMP formatı, tasarımcıların ve mühendislerin işlevsel çözümler oluşturmak için zamanlarının sınırlamaları dahilinde nasıl çalıştıklarına dair mükemmel bir örnektir. Basitliği ve verimliliği, bant genişliği, işlem gücü ve depolamanın birinci sınıf olduğu, veri sıkıştırma ve optimizasyonuna yönelik yenilikçi yaklaşımlar gerektiren bir dönemi yansıtır.
Sonuç olarak, WBMP görüntü formatı, mobil bilgi işlemin gelişiminde biçimlendirici bir dönemde çok önemli bir rol oynadı ve erken dönem mobil cihazlarda basit grafik içeriği iletmek ve görüntülemek için pratik bir çözüm sundu. Daha çok yönlü ve yetenekli görüntü formatları tarafından büyük ölçüde yerini almış olsa da, mobil teknolojinin tarihinin önemli bir parçası olmaya devam etmektedir. Teknolojinin sürekli evriminin, değişen yeteneklere ve kullanıcı ihtiyaçlarına uyum sağladığının bir hatırlatıcısı olarak hizmet eder ve hem verimli hem de uyarlanabilir protokoller ve formatlar geliştirirken tasarım hususlarının önemini gösterir.
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.