Nhận dạng ký tự quang học (OCR) biến hình ảnh văn bản—bản quét, ảnh chụp từ điện thoại thông minh, PDF—thành các chuỗi máy có thể đọc được và, ngày càng nhiều, dữ liệu có cấu trúc. OCR hiện đại là một quy trình làm sạch hình ảnh, tìm văn bản, đọc nó và xuất siêu dữ liệu phong phú để các hệ thống hạ nguồn có thể tìm kiếm, lập chỉ mục hoặc trích xuất các trường. Hai tiêu chuẩn đầu ra được sử dụng rộng rãi là hOCR, một định dạng vi mô HTML cho văn bản và bố cục, và ALTO XML, một lược đồ hướng thư viện/lưu trữ; cả hai đều bảo toàn vị trí, thứ tự đọc và các tín hiệu bố cục khác và được hỗ trợ bởi các công cụ phổ biến như Tesseract.
Tiền xử lý. Chất lượng OCR bắt đầu bằng việc dọn dẹp hình ảnh: chuyển đổi thang độ xám, khử nhiễu, ngưỡng (nhị phân hóa), và chỉnh lệch. Các hướng dẫn OpenCV kinh điển bao gồm toàn cục, thích ứng và Otsu ngưỡng—những yếu tố chính cho các tài liệu có ánh sáng không đồng đều hoặc biểu đồ hai mode. Khi độ sáng thay đổi trong một trang (hãy nghĩ đến ảnh chụp bằng điện thoại), các phương pháp thích ứng thường hoạt động tốt hơn một ngưỡng toàn cục duy nhất; Otsu tự động chọn một ngưỡng bằng cách phân tích biểu đồ. Chỉnh sửa độ nghiêng cũng quan trọng không kém: chỉnh lệch dựa trên Hough (Biến đổi dòng Hough) kết hợp với nhị phân hóa Otsu là một công thức phổ biến và hiệu quả trong các quy trình tiền xử lý sản xuất.
Phát hiện và nhận dạng. OCR thường được chia thành phát hiện văn bản (văn bản ở đâu ?) và nhận dạng văn bản (nó nói gì?). Trong các cảnh tự nhiên và nhiều bản quét, các bộ phát hiện tích chập hoàn toàn như EAST dự đoán hiệu quả các tứ giác ở cấp độ từ hoặc dòng mà không cần các giai đoạn đề xuất nặng nề và được triển khai trong các bộ công cụ phổ biến (ví dụ: hướng dẫn phát hiện văn bản của OpenCV). Trên các trang phức tạp (báo, biểu mẫu, sách), việc phân đoạn các dòng/vùng và suy luận thứ tự đọc rất quan trọng:Kraken triển khai phân đoạn vùng/dòng truyền thống và phân đoạn đường cơ sở thần kinh, với sự hỗ trợ rõ ràng cho các tập lệnh và hướng khác nhau (LTR/RTL/dọc).
Mô hình nhận dạng. Công cụ mã nguồn mở cổ điển Tesseract (do Google mở nguồn, có nguồn gốc từ HP) đã phát triển từ một bộ phân loại ký tự thành một bộ nhận dạng chuỗi dựa trên LSTM và có thể phát hành các tệp PDF có thể tìm kiếm, đầu ra thân thiện với hOCR/ALTO, và nhiều hơn nữa từ CLI. Các bộ nhận dạng hiện đại dựa vào mô hình hóa chuỗi mà không cần các ký tự được phân đoạn trước. Phân loại thời gian kết nối (CTC) vẫn là nền tảng, học các sự sắp xếp giữa các chuỗi đặc trưng đầu vào và chuỗi nhãn đầu ra; nó được sử dụng rộng rãi trong các quy trình xử lý chữ viết tay và văn bản cảnh.
Trong vài năm qua, Transformers đã định hình lại OCR. TrOCR sử dụng một bộ mã hóa Vision Transformer cộng với một bộ giải mã Text Transformer, được đào tạo trên các kho ngữ liệu tổng hợp lớn sau đó được tinh chỉnh trên dữ liệu thực, với hiệu suất mạnh mẽ trên các tiêu chuẩn văn bản in, viết tay và cảnh (xem thêm tài liệu Hugging Face). Song song đó, một số hệ thống bỏ qua OCR để hiểu biết hạ nguồn: Donut (Document Understanding Transformer) là một bộ mã hóa-giải mã không có OCR, trực tiếp xuất ra các câu trả lời có cấu trúc (như JSON khóa-giá trị) từ tài liệu hình ảnh (repo, thẻ mô hình), tránh tích lũy lỗi khi một bước OCR riêng biệt cung cấp cho một hệ thống IE.
Nếu bạn muốn đọc văn bản có sẵn trên nhiều tập lệnh, EasyOCR cung cấp một API đơn giản với hơn 80 mô hình ngôn ngữ, trả về các hộp, văn bản và độ tin cậy—tiện dụng cho các nguyên mẫu và các tập lệnh không phải tiếng Latinh. Đối với các tài liệu lịch sử, Kraken tỏa sáng với phân đoạn đường cơ sở và thứ tự đọc nhận biết tập lệnh; để đào tạo cấp dòng linh hoạt, Calamari xây dựng trên dòng dõi Ocropy (Ocropy) với các bộ nhận dạng (đa)LSTM+CTC và một CLI để tinh chỉnh các mô hình tùy chỉnh.
Sự khái quát hóa phụ thuộc vào dữ liệu. Đối với chữ viết tay, Cơ sở dữ liệu chữ viết tay IAM cung cấp các câu tiếng Anh đa dạng về người viết để đào tạo và đánh giá; đó là một bộ tham chiếu lâu đời cho nhận dạng dòng và từ. Đối với văn bản cảnh, COCO-Text đã xếp lớp các chú thích mở rộng trên MS-COCO, với các nhãn cho văn bản in/viết tay, dễ đọc/khó đọc, tập lệnh và bản ghi đầy đủ (xem thêm trang dự án ban đầu). Lĩnh vực này cũng phụ thuộc nhiều vào việc đào tạo trước tổng hợp: SynthText in the Wild kết xuất văn bản thành các bức ảnh với hình học và ánh sáng thực tế, cung cấp khối lượng dữ liệu khổng lồ để đào tạo trước các bộ phát hiện và nhận dạng (tham khảo mã và dữ liệu).
Các cuộc thi dưới chiếc ô Đọc mạnh mẽ của ICDAR giữ cho việc đánh giá có cơ sở. Các nhiệm vụ gần đây nhấn mạnh việc phát hiện/đọc từ đầu đến cuối và bao gồm việc liên kết các từ thành các cụm từ, với mã chính thức báo cáo độ chính xác/độ thu hồi/F-score, giao nhau trên hợp nhất (IoU), và các số liệu khoảng cách chỉnh sửa cấp ký tự—phản ánh những gì các nhà thực hành nên theo dõi.
OCR hiếm khi kết thúc ở văn bản thuần túy. Các kho lưu trữ và thư viện số thích ALTO XML vì nó mã hóa bố cục vật lý (các khối/dòng/từ có tọa độ) cùng với nội dung, và nó kết hợp tốt với bao bì METS. hOCR định dạng vi mô, ngược lại, nhúng cùng một ý tưởng vào HTML/CSS bằng cách sử dụng các lớp như ocr_line và ocrx_word, giúp dễ dàng hiển thị, chỉnh sửa và chuyển đổi bằng các công cụ web. Tesseract phơi bày cả hai—ví dụ: tạo hOCR hoặc PDF có thể tìm kiếm trực tiếp từ CLI (hướng dẫn xuất PDF); Các trình bao bọc Python như pytesseract thêm sự tiện lợi. Các bộ chuyển đổi tồn tại để dịch giữa hOCR và ALTO khi các kho lưu trữ có các tiêu chuẩn nhập liệu cố định —xem danh sách được tuyển chọn này của công cụ định dạng tệp OCR.
Xu hướng mạnh mẽ nhất là sự hội tụ: phát hiện, nhận dạng, mô hình hóa ngôn ngữ và thậm chí cả giải mã cho tác vụ cụ thể đang hợp nhất thành các ngăn xếp Transformer thống nhất. Đào tạo trước trên các kho ngữ liệu tổng hợp lớn vẫn là một hệ số nhân. Các mô hình không có OCR sẽ cạnh tranh quyết liệt ở bất cứ đâu mục tiêu là các đầu ra có cấu trúc thay vì các bản ghi nguyên văn. Cũng mong đợi các triển khai kết hợp: một bộ phát hiện nhẹ cộng với một bộ nhận dạng kiểu TrOCR cho văn bản dạng dài, và một mô hình kiểu Donut cho các biểu mẫu và biên lai.
Tesseract (GitHub) · Tài liệu Tesseract · Thông số kỹ thuật hOCR · Nền tảng ALTO · Bộ phát hiện EAST · Phát hiện văn bản OpenCV · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · Chữ viết tay IAM · Công cụ định dạng tệp OCR · EasyOCR
Optical Character Recognition (OCR) là một công nghệ được sử dụng để chuyển đổi các loại tài liệu khác nhau, như tài liệu giấy đã quét, tệp PDF hoặc hình ảnh được chụp bằng máy ảnh số, thành dữ liệu có thể chỉnh sửa và tìm kiếm.
OCR hoạt động bằng cách quét hình ảnh hoặc tài liệu đầu vào, phân đoạn hình ảnh thành các ký tự riêng lẻ, và so sánh từng ký tự với cơ sở dữ liệu hình dạng ký tự bằng cách sử dụng nhận dạng mô hình hoặc nhận dạng đặc trưng.
OCR được sử dụng trong nhiều lĩnh vực và ứng dụng, bao gồm số hóa tài liệu in, kích hoạt các dịch vụ văn bản thành giọng nói, tự động hóa quá trình nhập dữ liệu, và hỗ trợ người dùng khiếm thị tương tác tốt hơn với văn bản.
Mặc dù đã có những tiến bộ vượt bậc trong công nghệ OCR, nhưng nó không phải lúc nào cũng hoàn hảo. Độ chính xác có thể thay đổi tùy thuộc vào chất lượng của tài liệu gốc và chi tiết của phần mềm OCR đang được sử dụng.
Mặc dù OCR chủ yếu được thiết kế cho văn bản in, một số hệ thống OCR tiên tiến cũng có thể nhận dạng được chữ viết tay rõ ràng, nhất quán. Tuy nhiên, nhận dạng chữ viết tay thường kém chính xác hơn do sự biến đổi lớn trong các kiểu viết của mỗi người.
Có, nhiều hệ thống phần mềm OCR có thể nhận dạng được nhiều ngôn ngữ. Tuy nhiên, điều quan trọng là phải đảm bảo rằng ngôn ngữ cụ thể đó được hỗ trợ bởi phần mềm bạn đang sử dụng.
OCR là viết tắt của Optical Character Recognition và được sử dụng để nhận dạng văn bản in, trong khi ICR, hoặc Intelligent Character Recognition, tiên tiến hơn và được sử dụng để nhận dạng văn bản viết tay.
OCR hoạt động tốt nhất với các phông chữ rõ ràng, dễ đọc và kích cỡ văn bản chuẩn. Mặc dù nó có thể hoạt động với các phông chữ và kích cỡ khác nhau, độ chính xác thường giảm khi đối phó với phông chữ không thông thường hoặc kích cỡ văn bản rất nhỏ.
OCR có thể gặp khó khăn với các tài liệu độ phân giải thấp, phông chữ phức tạp, văn bản in kém, chữ viết tay, và các tài liệu có nền gây ra sự can thiệp với văn bản. Ngoài ra, mặc dù nó có thể hoạt động với nhiều ngôn ngữ, nó có thể không bao phủ hoàn hảo mọi ngôn ngữ.
Có, OCR có thể quét văn bản màu và nền màu, mặc dù nó thường hiệu quả hơn với các sự kết hợp màu đối lập cao, như văn bản đen trên nền trắng. Độ chính xác có thể giảm khi màu văn bản và màu nền không có đủ độ tương phản.
GRAY ảnh định dạng, thường được công nhận cho sự đơn giản và hiệu quả của nó, phục vụ một vai trò độc đáo trong lĩnh vực hình ảnh kỹ thuật số. Không giống như các định dạng phổ biến hơn kết hợp nhiều kênh để thể hiện màu sắc, định dạng GRAY dành riêng cho hình ảnh thang độ xám. Điều này có nghĩa là mỗi pixel trong ảnh GRAY biểu thị một sắc thái xám, thay đổi từ đen thuần đến trắng thuần. Sự thanh lịch của định dạng này nằm ở cách thể hiện trực tiếp độ sáng hoặc mức độ sáng, mà không có sự phức tạp của thông tin màu sắc. Sự đơn giản này làm cho định dạng GRAY đặc biệt phù hợp cho các ứng dụng không cần màu sắc hoặc thậm chí là sự phân tâm, chẳng hạn như trong một số loại hình ảnh y tế, nghệ thuật kỹ thuật số và ánh xạ kết cấu trong mô hình 3D.
Mỗi pixel trong ảnh định dạng GRAY được lưu trữ dưới dạng một giá trị duy nhất, biểu thị cường độ ánh sáng tại điểm cụ thể đó. Các giá trị này thường được biểu thị trong phạm vi từ 0 đến 255 đối với ảnh 8 bit, trong đó 0 biểu thị màu đen thuần, 255 biểu thị màu trắng thuần và các giá trị ở giữa biểu thị các sắc thái xám khác nhau. Thang tuyến tính này cung cấp sự tương ứng trực tiếp giữa giá trị số và cường độ trực quan của mỗi pixel, tạo điều kiện xử lý và thao tác dễ dàng. Sự đơn giản của thang đo này có nghĩa là định dạng GRAY chiếm ít không gian lưu trữ hơn và yêu cầu ít năng lượng xử lý hơn để hiển thị và thao tác so với các đối tác RGB hoặc CMYK của nó, vốn phải lưu trữ và xử lý nhiều giá trị cho mỗi pixel.
Về mặt cấu trúc tệp, ảnh định dạng GRAY thường bao gồm phần đầu và phần dữ liệu. Phần đầu bao gồm các thông tin như kích thước của ảnh (chiều rộng và chiều cao), độ sâu bit (xác định phạm vi sắc thái xám có thể biểu diễn) và đôi khi là siêu dữ liệu liên quan đến việc tạo hoặc mục đích sử dụng dự định của ảnh. Theo sau phần đầu, phần dữ liệu chứa chính các giá trị pixel, được sắp xếp theo trình tự tương ứng với các hàng và cột của ảnh. Sự đơn giản của cấu trúc này hỗ trợ hiệu quả tổng thể của định dạng, cho phép truy cập nhanh vào các giá trị pixel và tạo điều kiện cho các kỹ thuật xử lý ảnh trực tiếp.
Một trong những lợi thế chính của định dạng GRAY là hiệu quả của nó về mặt lưu trữ và truyền tải. Vì nó chỉ yêu cầu một giá trị cho mỗi pixel, so với ba giá trị cho định dạng RGB, nên ảnh có thể được lưu trữ và truyền tải bằng cách sử dụng ít dữ liệu hơn đáng kể. Điều này làm cho định dạng GRAY đặc biệt hấp dẫn đối với các ứng dụng có băng thông hoặc dung lượng lưu trữ hạn chế. Ngoài ra, sự đơn giản của định dạng này đẩy nhanh các tác vụ xử lý ảnh như lọc, điều chỉnh độ tương phản và phát hiện cạnh, vì các thao tác có thể được thực hiện trực tiếp trên các giá trị độ sáng mà không cần chuyển đổi từ hoặc sang các biểu diễn màu.
Định dạng ảnh GRAY cũng mang lại lợi ích về mặt phân tích trực quan và thị giác máy tính. Nhiều thuật toán cho các tác vụ như phát hiện cạnh, nhận dạng mẫu và trích xuất đặc điểm vốn được thiết kế để hoạt động với ảnh thang độ xám. Điều này là do việc loại bỏ biến màu cho phép các thuật toán này tập trung hoàn toàn vào các biến thể về cường độ, thường có liên quan hơn đối với các phân tích như vậy. Ví dụ, trong hình ảnh y tế, chi tiết và độ tương phản của các cấu trúc có thể rõ nét hơn ở thang độ xám, tạo điều kiện cho việc chẩn đoán. Tương tự như vậy, trong các hệ thống kiểm tra tự động, việc tập trung vào các giá trị độ sáng có thể đơn giản hóa việc phát hiện các khuyết tật hoặc bất thường.
Mặc dù có những ưu điểm, định dạng GRAY không phải là không có hạn chế. Việc tập trung độc quyền vào độ sáng có nghĩa là nó không thể biểu diễn màu sắc, khiến nó không phù hợp với các ứng dụng mà thông tin màu sắc rất quan trọng, chẳng hạn như trong nhiếp ảnh kỹ thuật số hoặc phương tiện trực tuyến. Hơn nữa, sự đơn giản của định dạng đôi khi có thể là một nhược điểm. Ví dụ, khi chuyển đổi từ màu sang thang độ xám, sẽ có sự mất thông tin không thể tránh khỏi, vì quá trình này liên quan đến việc tính trung bình hoặc cân nhắc các giá trị RGB của mỗi pixel. Điều này có thể dẫn đến việc giảm khả năng phân biệt của một số chi tiết hoặc kết cấu nhất định có thể rõ ràng hơn ở màu sắc.
Những tiến bộ trong công nghệ hình ảnh kỹ thuật số và công nghệ nén dữ liệu đã dẫn đến sự phát triển của các biến thể trong chính định dạng GRAY, nhằm khắc phục một số hạn chế của nó. Ví dụ, độ sâu bit cao hơn, chẳng hạn như xám 16 bit hoặc thậm chí 32 bit, cho phép có phạm vi sắc thái rộng hơn nhiều, nâng cao khả năng chụp chi tiết và tinh tế của định dạng trong ảnh. Tương tự như vậy, việc tích hợp các thuật toán nén không mất dữ liệu có thể bảo toàn chất lượng ảnh trong khi giảm kích thước tệp, làm cho định dạng này linh hoạt hơn cho nhiều ứng dụng hơn.
Quá trình chuyển đổi giữa định dạng GRAY và các định dạng ảnh khác là một khía cạnh quan trọng trong tiện ích của nó. Khi chuyển đổi từ RGB sang GRAY, phương pháp đơn giản nhất liên quan đến việc tính trung bình các giá trị đỏ, lục và lam của mỗi pixel. Tuy nhiên, các phương pháp tinh vi hơn áp dụng trọng số khác nhau cho các kênh này, phản ánh độ nhạy khác nhau của mắt người đối với các màu khác nhau. Ví dụ, kênh màu lục thường nhận được trọng số cao hơn vì nó đóng góp nhiều hơn vào độ sáng được nhận thức của một màu. Phương pháp sắc thái này nhằm bảo toàn các phẩm chất nhận thức của ảnh gốc càng nhiều càng tốt trong quá trình chuyển đổi thang độ xám.
Khi chỉnh sửa và thao tác ảnh định dạng GRAY, có nhiều công cụ phần mềm khác nhau, từ các ứng dụng chỉnh sửa ảnh cơ bản đến phần mềm xử lý ảnh chuyên nghiệp. Các công cụ này cho phép người dùng điều chỉnh độ sáng và độ tương phản, áp dụng bộ lọc và thực hiện các thao tác phức tạp hơn như giảm nhiễu và làm sắc nét. Sự đơn giản vốn có của định dạng GRAY làm cho các thao tác này trở nên đơn giản, cho phép kiểm soát chính xác kết quả. Sự dễ dàng thao tác này không chỉ có lợi cho các chuyên gia trong các lĩnh vực như thiết kế đồ họa và hình ảnh y tế mà còn cho phép những người có sở thích và nhà giáo dục khám phá những sắc thái của hình ảnh kỹ thuật số.
Việc áp dụng định dạng ảnh GRAY trong nhiều ngành công nghiệp khác nhau cho thấy tính linh hoạt và hiệu quả của nó. Ví dụ, trong in kỹ thuật số, định dạng GRAY thường được sử dụng để tạo chiều sâu và chiều cho ảnh đen trắng, cung cấp một giải pháp thay thế tiết kiệm chi phí cho việc in màu hoàn toàn. Trong lĩnh vực nghiên cứu khoa học, nó tạo điều kiện thuận lợi cho việc phân tích dữ liệu từ một loạt các kỹ thuật hình ảnh, bao gồm kính hiển vi điện tử và quan sát thiên văn. Trong khi đó, trong lĩnh vực an ninh và giám sát, hình ảnh thang độ xám cho phép giám sát hiệu quả trong điều kiện ánh sáng yếu, nơi hình ảnh màu có thể không khả thi.
Xét đến bối cảnh đang phát triển của công nghệ kỹ thuật số, tương lai của định dạng GRAY dường như phụ thuộc vào sự cân bằng giữa các thế mạnh vốn có của nó và nhu cầu ngày càng tăng về màu sắc trong phương tiện kỹ thuật số. Trong khi hình ảnh màu tiếp tục thống trị trong các thiết bị điện tử tiêu dùng, quảng cáo và giải trí, thì những lợi thế độc đáo của định dạng GRAY đảm bảo sự liên quan liên tục của nó trong các ứng dụng cụ thể. Những tiến bộ đang diễn ra trong công nghệ hình ảnh và nén dữ liệu mang lại tiềm năng để nâng cao hơn nữa hiệu qu ả và tính linh hoạt của định dạng, biến nó thành một công cụ bền bỉ trong bộ công cụ hình ảnh kỹ thuật số.
Định dạng ảnh GRAY minh họa cho nguyên tắc rằng đôi khi, sự đơn giản mang lại hiệu quả cao nhất. Bằng cách tập trung hoàn toàn vào độ sáng, nó cung cấp một cách tiếp cận hợp lý để biểu diễn hình ảnh đáp ứng nhu cầu của nhiều ứng dụng khác nhau. Khả năng truyền tải chiều sâu, kết cấu và chi tiết khi không có màu sắc khiến nó trở thành một tài sản có giá trị trong cả bối cảnh chuyên nghiệp và học thuật. Khi công nghệ hình ảnh kỹ thuật số tiếp tục phát triển, vị trí của định dạng GRAY trong hệ sinh thái này có khả năng sẽ được xác định bởi khả năng thích ứng của nó và sự phát triển liên tục của các kỹ thuật để tối đa hóa tiềm năng của nó.
Tóm lại, định dạng ảnh GRAY là minh chứng cho sức mạnh và tiềm năng của hình ảnh thang độ xám. Mặc dù có những hạn chế trong việc biểu diễn màu sắc, nhưng hiệu quả, tính linh hoạt và sự rõ ràng mà nó mang lại cho phân tích trực quan khiến nó trở thành một công cụ không thể thiếu trong nhiều lĩnh vực. Khi công nghệ phát triển và
Bộ chuyển đổi này chạy hoàn toàn trong trình duyệt của bạn. Khi bạn chọn một tệp, nó sẽ đư ợc đọc vào bộ nhớ và chuyển đổi sang định dạng đã chọn. Sau đó, bạn có thể tải xuống tệp đã chuyển đổi.
Việc chuyển đổi bắt đầu ngay lập tức và hầu hết các tệp được chuyển đổi trong vòng chưa đầy một giây. Các tệp lớn hơn có thể mất nhiều thời gian hơn.
Các tệp của bạn không bao giờ được tải lên máy chủ của chúng tôi. Chúng được chuyển đổi trong trình duyệt của bạn và sau đó tệp đã chuyển đổi sẽ được tải xuống. Chúng tôi không bao giờ thấy các tệp của bạn.
Chúng tôi hỗ trợ chuyển đổi giữa tất cả các định dạng hình ảnh, bao gồm JPEG, PNG, GIF, WebP, SVG, BMP, TIFF, v.v.
Bộ chuyển đổi này hoàn toàn miễn phí và sẽ luôn miễn phí. Bởi vì nó chạy trong trình duyệt của bạn, chúng tôi không phải trả tiền cho máy chủ, vì vậy chúng tôi không cần tính phí bạn.
Đúng! Bạn có thể chuyển đổi bao nhiêu tệp tùy thích cùng một lúc. Chỉ cần chọn nhiều tệp khi bạn thêm chúng.