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.
GROUP4 là định dạng hình ảnh, được biết đến chính thức là mã hóa fax Nhóm 4 của CCITT (Ủy ban tư vấn điện thoại và điện báo quốc tế), là một phương pháp được sử dụng để nén hình ảnh đơn sắc. Định dạng này được phát triển chủ yếu để truyền fax, tối ưu hóa việc lưu trữ và chia sẻ hình ảnh tài liệu qua các đường dây viễn thông. Không giống như các định dạng tiền nhiệm trong sê-ri Nhóm CCITT, Nhóm 4 cung cấp hiệu quả nén vượt trội, khiến định dạng này trở thành lựa chọn lý tưởng cho hình ảnh văn bản và nghệ thuật đường nét có độ phân giải cao, vốn phổ biến trong các ứng dụng quét tài liệu và fax.
Để hiểu được tầm quan trọng của định dạng GROUP4, điều cần thiết là phải đi sâu vào các khía cạnh kỹ thuật và cơ chế hoạt động của định dạng này. GROUP4 là một loại nén không mất dữ liệu, có nghĩa là định dạng này giảm kích thước tệp mà không làm mất bất kỳ chi tiết nào từ hình ảnh gốc. Đặc điểm này rất quan trọng đối với các tài liệu mà độ chính xác, chẳng hạn như tái tạo chính xác văn bản và bản vẽ, là rất quan trọng. Phương pháp nén được GROUP4 sử dụng là một lược đồ mã hóa hai chiều, trái ngược với lược đồ một chiều được sử dụng bởi định dạng tiền nhiệm trực tiếp của định dạng này, Nhóm 3.
Nguyên tắc cơ bản đằng sau hiệu quả của GROUP4 là sử dụng các mã READ (Chỉ định địa chỉ phần tử tương đối) đã sửa đổi để nén dữ liệu. Phương pháp này liên quan đến việc phân tích hai dòng của một hình ảnh cùng một lúc, phân biệt giữa chúng để tìm các mẫu hoặc sự lặp lại. Thuật toán mã hóa các sự khác biệt chứ không phải các giá trị tuyệt đối của từng pixel, cho phép nén đáng kể hơn bằng cách tận dụng bản chất lặp lại của hình ảnh tài liệu. Ví dụ, một khoảng trắng lớn, vốn phổ biến trong các tài liệu, có thể được mã hóa chỉ bằng một vài bit.
Nén GROUP4 sử dụng kết hợp Mã hóa độ dài chạy (RLE) và mã hóa Huffman. RLE là một dạng nén dữ liệu đơn giản, trong đó các chuỗi có cùng giá trị dữ liệu (trong trường hợp này là màu pixel - đen hoặc trắng) được lưu trữ dưới dạng một giá trị dữ liệu duy nhất và đếm. Mã hóa Huffman là một phương pháp phức tạp hơn, gán các mã ngắn hơn cho các giá trị xuất hiện thường xuyên hơn. Trong bối cảnh của GROUP4, mã hóa Huffman tối ưu hóa việc mã hóa độ dài chạy, do đó cải thiện tỷ lệ nén tổng thể.
Một đặc điểm khác biệt nữa của định dạng GROUP4 là khả năng thực hiện các chuỗi kết thúc khối (EOB), cho phép mã hóa hiệu quả các vùng màu đồng nhất lớn. Khi bộ mã hóa phát hiện ra một vùng rộng lớn các pixel trắng hoặc đen mà không có sự thay đổi, bộ mã hóa sẽ tạo ra một mã EOB. Tín hiệu này cho bộ giải mã biết rằng phần còn lại của khối (hoặc dòng) bao gồm các pixel có cùng màu, nén hiệu quả các vùng rộng lớn với lượng dữ liệu tối thiểu. Tính năng này đóng góp đáng kể vào tỷ lệ nén cao có thể đạt được với GROUP4, đặc biệt là trong các tài liệu có lề hoặc khoảng cách lớn.
Quy trình mã hóa trong nén GROUP4 bắt đầu bằng việc quét hình ảnh theo kiểu raster, từng dòng một. Thuật toán so sánh từng dòng hiện tại với dòng trước đó, xác định các điểm khác biệt và mã hóa chúng dựa trên các quy tắc được xác định trước. Các quy tắc này được thiết kế để nắm bắt và mã hóa nhiều loại mẫu có thể xảy ra giữa hai dòng, chẳng hạn như thay đổi từ trắng sang đen (chuyển đổi) và các chuỗi kéo dài của một màu duy nhất. Quy trình mã hóa nén thông tin hiệu quả bằng cách giảm sự trùng lặp, đây là đặc điểm của hình ảnh tài liệu.
Một trong những lợi thế độc đáo của định dạng GROUP4 là khả năng mở rộng và khả năng thích ứng trên nhiều độ phân giải và kích thước khác nhau. Tính linh hoạt này làm cho định dạng này rất phù hợp cho nhiều ứng dụng hình ảnh tài liệu, từ truyền fax kinh doanh quy mô nhỏ đến các hệ thống lưu trữ lớn. Hơn nữa, bản chất không mất dữ liệu của nén đảm bảo rằng chất lượng của hình ảnh được quét vẫn còn nguyên vẹn, bất kể mức độ nén. Tính năng này cực kỳ quan trọng đối với các tài liệu pháp lý, y tế và lưu trữ, trong đó tính trung thực với bản gốc là tối quan trọng.
Mặc dù có nhiều ưu điểm, nhưng định dạng GROUP4 vẫn có một số hạn chế. Một hạn chế lớn là định dạng này chỉ giới hạn ở hình ảnh đơn sắc (đen trắng). Mặc dù đây không phải là nhược điểm đối với mục đích hình ảnh tài liệu và fax, nhưng nó hạn chế tiện ích của GROUP4 đối với các ứng dụng yêu cầu màu hoặc thang độ xám, chẳng hạn như nhiếp ảnh hoặc bản đồ chi tiết. Ngoài ra, vì nén GROUP4 được thiết kế để khai thác sự trùng lặp điển hình của các tài liệu, nên định dạng này có thể không hoạt động tốt trên các hình ảnh không có các mẫu rõ ràng hoặc các vùng đồng nhất lớn.
Việc triển khai và áp dụng nén GROUP4 đã được phổ biến rộng rãi trong ngành hình ảnh và truyền thông tài liệu, nhờ vào hiệu quả và lợi ích tiết kiệm chi phí mà định dạng này mang lại. Nhiều máy quét tài liệu và máy fax hỗ trợ GROUP4 làm tiêu chuẩn, khiến định dạng này trở nên phổ biến tại các văn phòng và cơ quan chính phủ trên toàn thế giới. Ngoài ra, tiêu chuẩn TIFF (Định dạng tệp hình ảnh được gắn thẻ), một định dạng phổ biến để lưu trữ hình ảnh chất lượng cao, bao gồm hỗ trợ nén GROUP4, củng cố thêm vai trò của định dạng này trong các hệ thống quản lý tài liệu.
Về phần mềm, một số ứng dụng quản lý tài liệu và quét cung cấp hỗ trợ cho định dạng GROUP4, cho phép người dùng chọn định dạng này làm phương pháp ưa thích để lưu trữ các tài liệu đã quét. Hỗ trợ phần mềm này mở rộng tiện ích của GROUP4 ra ngoài các triển khai phần cứng, giúp định dạng này có thể truy cập được để lưu trữ kỹ thuật số, tệp đính kèm email và xuất bản web. Khả năng nén hiệu quả của định dạng này có nghĩa là hình ảnh tài liệu có độ phân giải cao có thể được chia sẻ và lưu trữ thuận tiện mà không cần nhiều dung lượng lưu trữ hoặc băng thông.
Những tiến bộ công nghệ tiếp tục định hình bối cảnh hình ảnh và truyền thông tài liệu, với các định dạng và phương pháp nén mới hơn đang xuất hiện. Tuy nhiên, định dạng GROUP4 vẫn duy trì được sự phù hợp của mình nhờ hiệu quả vô song trong việc nén hình ảnh tài liệu đơn sắc và được hỗ trợ rộng rãi trên nhiều thiết bị và phần mềm. Khi các tổ chức và ngành công nghiệp tiếp tục ưu tiên các giải pháp xử lý tài liệu đáng tin cậy và tiết kiệm chi phí, GROUP4 vẫn là một tài sản có giá trị trong bộ công cụ quản lý tài liệu kỹ thuật số.
Tóm lại, tiêu chuẩn mã hóa fax Nhóm 4 của CCITT đại diện cho một bước phát triển đáng kể trong lĩnh vực nén hình ảnh tài liệu. Việc sử dụng tinh vi mã hóa hai chiều, kết hợp với các kỹ thuật tiên tiến như mã READ đã sửa đổi, Mã hóa độ dài chạy và mã hóa Huffman, cho phép giảm hiệu quả kích thước tệp trong khi vẫn giữ được chất lượng hình ảnh. Mặc dù có một số hạn chế, chẳng hạn như chỉ áp dụng cho hình ảnh đơn sắc, nhưng tính linh hoạt, hiệu quả nén và hỗ trợ rộng rãi của GROUP4 khiến định dạng này trở thành lựa chọn lâu dài cho các ứng dụng hình ảnh tài liệu và truyền fax. Vai trò của định dạng GROUP4 trong việc tạo điều kiện lưu trữ và truyền hình ảnh tài liệu kỹ thuật số nhấn mạnh tầm quan trọng của định dạng này trong các hệ thống quản lý thông tin và truyền thông hiện đại.
Bộ chuyển đổi này chạy hoàn toàn trong trình duyệt của bạn. Khi bạn chọn một tệp, nó sẽ được 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.