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.
YCbCrA, dijital video ve görüntü sıkıştırmada yaygın olarak kullanılan bir renk uzayı ve görüntü biçimidir. Parlaklık (luma) bilgilerini renk (kroma) bilgilerinden ayırır ve daha verimli kodlama için bunların bağımsız olarak sıkıştırılmasına olanak tanır. YCbCrA renk uzayı, şeffaflık için bir alfa kanalı ekleyen YCbCr renk uzayının bir varyasyonudur.
YCbCrA renk uzayında Y, pikselin parlaklığı veya yoğunluğu olan luma bileşenini temsil eder. İnsan gözünün parlaklığı nasıl algıladığına bağlı olarak kırmızı, yeşil ve mavi renk bileşenlerinin ağırlıklı bir toplamı olarak hesaplanır. Ağırlıklar, insan görsel algısının ortalama spektral duyarlılığını tanımlayan parlaklık fonksiyonunu yaklaştırmak için seçilir. Luma bileşeni, bir pikselin algılanan parlaklığını belirler.
Cb ve Cr sırasıyla mavi farkı ve kırmızı farkı kroma bileşenleridir. Görüntüdeki renk bilgilerini temsil ederler. Cb, lumayı mavi renk bileşeninden çıkararak hesaplanırken, Cr, lumayı kırmızı renk bileşeninden çıkararak hesaplanır. Renk bilgilerini bu renk farkı bileşenlerine ayırarak YCbCrA, renk bilgilerinin RGB'den daha verimli bir şekilde sıkıştırılmasına olanak tanır.
YCbCrA'daki alfa (A) kanalı, her pikselin şeffaflığını veya opaklığını temsil eder. Görüntü işlendiğinde pikselin renginin arka planla ne kadar karıştırılacağını belirtir. 0 alfa değeri, pikselin tamamen şeffaf olduğu anlamına gelirken, 1 alfa değeri (veya 8 bitlik gösterimde 255), pikselin tamamen opak olduğu anlamına gelir. 0 ile 1 arasındaki alfa değerleri, arka planla değişen derecelerde karışan kısmen şeffaf piksellerle sonuçlanır.
YCbCrA renk uzayının temel avantajlarından biri, RGB ile karşılaştırıldığında daha verimli sıkıştırmaya izin vermesidir. İnsan görsel sistemi, renk değişikliklerinden ziyade parlaklık değişikliklerine karşı daha hassastır. Luma ve kroma bilgilerini ayırarak YCbCrA, kodlayıcıların en algısal olarak önemli bilgileri taşıyan luma bileşenine daha fazla bit tahsis etmesine olanak tanırken, kroma bileşenlerini daha agresif bir şekilde sıkıştırır.
Sıkıştırma sırasında luma ve kroma bileşenleri farklı oranlarda alt örnekleme yapılabilir. Alt örnekleme, luma bileşeninin tam çözünürlüğünü korurken kroma bileşenlerinin uzamsal çözünürlüğünü azaltır. Yaygın alt örnekleme şemaları şunları içerir: 4:4:4 (alt örnekleme yok), 4:2:2 (kroma yatay olarak 2 faktörle alt örnekleme yapılmış) ve 4:2:0 (kroma yatay ve dikey olarak 2 faktörle alt örnekleme yapılmış). Alt örnekleme, insan görsel sisteminin renk ayrıntılarına olan daha düşük duyarlılığından yararlanır ve önemli algısal kalite kaybı olmadan daha yüksek sıkıştırma oranlarına olanak tanır.
YCbCrA görüntü biçimi, JPEG, MPEG ve H.264/AVC gibi video ve görüntü sıkıştırma standartlarında yaygın olarak kullanılır. Bu standartlar, kroma alt örneklemesi, ayrık kosinüs dönüşümü (DCT), niceleme ve entropi kodlaması dahil olmak üzere YCbCrA verilerini sıkıştırmak için çeşitli teknikler kullanır.
Bir görüntü veya video karesi sıkıştırılırken, YCbCrA verileri bir dizi dönüşüm ve sıkıştırma adımından geçer. Görüntü önce RGB'den YCbCrA renk uzayına dönüştürülür. Luma ve kroma bileşenleri daha sonra tipik olarak 8x8 veya 16x16 piksel boyutunda bloklara bölünür. Her blok, uzamsal piksel değerlerini frekans katsayılarına dönüştüren ayrık bir kosinüs dönüşümüne (DCT) tabi tutulur.
DCT katsayıları daha sonra nicelenir, bu da her katsayıyı bir niceleme adım boyutuna bölerek sonucu en yakın tam sayıya yuvarlar. Niceleme, algısal olarak daha az önemli olan yüksek frekanslı bilgileri atarak kayıplı sıkıştırma getirir. Niceleme adım boyutları, sıkıştırma oranı ile görüntü kalitesi arasındaki dengeyi kontrol etmek için ayarlanabilir.
Nicelemeden sonra, katsayılar, daha büyük büyüklükte olma eğiliminde olan düşük frekanslı katsayıları bir araya getirmek için zikzak şeklinde yeniden sıralanır. Yeniden sıralanan katsayılar daha sonra Huffman kodlaması veya aritmetik kodlama gibi teknikler kullanılarak entropi kodlanır. Entropi kodlaması, daha sık oluşan katsayılara daha kısa kod sözcükleri atar ve sıkıştırılmış verilerin boyutunu daha da azaltır.
Bir YCbCrA görüntüsünü sıkıştırmak için ters işlem uygulanır. Entropi kodlu veriler, nicelemeli DCT katsayılarını almak için çözülür. Katsayılar daha sonra karşılık gelen niceleme adım boyutlarıyla çarpılarak nicelemesi kaldırılır. Nicelemesi kaldırılan katsayılara ters DCT uygulanarak YCbCrA blokları yeniden oluşturulur. Son olarak, YCbCrA verileri görüntüleme veya daha fazla işleme için RGB renk uzayına geri dönüştürülür.
YCbCrA'daki alfa kanalı tipik olarak luma ve kroma bileşenlerinden ayrı olarak sıkıştırılır. Çalışma uzunluğu kodlaması veya blok tabanlı sıkıştırma gibi çeşitli yöntemler kullanılarak kodlanabilir. Alfa kanalı, görüntüleri veya videoları değişken opaklıkla üst üste bindirme gibi şeffaflık efektlerine olanak tanır.
YCbCrA, diğer renk uzaylarına ve görüntü biçimlerine göre çeşitli avantajlar sunar. Luma ve kroma bilgilerinin ayrılması, insan görsel sisteminin renk değişikliklerinden ziyade parlaklık değişikliklerine karşı daha duyarlı olması nedeniyle daha verimli sıkıştırmaya olanak tanır. Kroma bileşenlerinin alt örneklemesi, algısal kaliteyi önemli ölçüde etkilemeden sıkıştırılacak veri miktarını daha da azaltır.
Dahası, YCbCrA'nın JPEG ve MPEG gibi popüler sıkıştırma standartlarıyla uyumluluğu, farklı platformlar ve cihazlar arasında yaygın olarak desteklenmesini sağlar. Şeffaflık için bir alfa kanalı ekleme yeteneği, görüntü birleştirme veya karıştırma gerektiren uygulamalar için de uygun hale getirir.
Ancak YCbCrA'nın sınırlamaları da vardır. RGB'den YCbCrA'ya ve geri dönüştürme, özellikle kroma bileşenleri aşırı sıkıştırılmışsa, bazı renk bozulmalarına neden olabilir. Kroma bileşenlerinin alt örneklemesi, keskin renk geçişleri olan alanlarda renk kanamasına veya eserlere de yol açabilir.
Bu sınırlamalara rağmen YCbCrA, verimliliği ve yaygın desteği nedeniyle görüntü ve video sıkıştırma için popüler bir seçim olmaya devam ediyor. Sıkıştırma performansı ve görsel kalite arasında bir denge kurar ve bu da onu dijital kameralardan video akışına, grafiklerden oyunlara kadar çok çeşitli uygulamalar için uygun hale getirir.
Teknoloji ilerledikçe, YCbCrA'nın sınırlamalarını gidermek ve daha da iyi sıkıştırma verimliliği ve görsel kalite sağlamak için yeni sıkıştırma teknikleri ve biçimleri ortaya çıkabilir. Bununla birlikte, luma ve kroma bilgilerini ayırma, alt örnekleme ve dönüşüm kodlama temel ilkelerinin gelecekteki görüntü ve video sıkıştırma standartlarında da geçerli olması muhtemeldir.
Sonuç olarak YCbCrA, luma ve kroma bilgilerini ayırarak ve kroma alt örneklemesine izin vererek verimli sıkıştırma sunan bir renk uzayı ve görüntü biçimidir. Şeffaflık için bir alfa kanalı eklenmesi, çeşitli uygulamalar için çok yönlü hale getirir. Bazı sınırlamaları olsa da YCbCrA'nın popüler sıkıştırma standartlarıyla uyumluluğu ve sıkıştırma performansı ile görsel kalite arasındaki dengesi, onu görüntü ve video sıkıştırma alanında yaygın olarak kullanılan bir seçim haline getirmektedir.
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.