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.
PICT, định dạng hình ảnh do Apple Inc. phát triển vào những năm 1980, được thiết kế chủ yếu cho các ứng dụng đồ họa trên máy tính Macintosh. Là một phần quan trọng của cơ sở hạ tầng đồ họa của Mac OS, PICT không chỉ đóng vai trò là định dạng hình ảnh mà còn là một hệ thống phức tạp để lưu trữ và thao tác đồ họa vector, hình ảnh bitmap và thậm chí là văn bản. Tính linh hoạt của định dạng PICT, cho phép lưu trữ nhiều loại dữ liệu đồ họa, đã biến nó thành một công cụ cơ bản trong quá trình phát triển và kết xuất đồ họa trên các nền tảng Macintosh đầu tiên.
Về bản chất, định dạng PICT được phân biệt bởi cấu trúc phức tạp của nó, được thiết kế để chứa cả đồ họa vector và raster trong một tệp duy nhất. Sự kết hợp này cho phép các tệp PICT chứa các hình minh họa chi tiết với các vector có thể mở rộng, cùng với các hình ảnh dựa trên pixel phong phú. Sự kết hợp như vậy đặc biệt có lợi cho các nhà thiết kế đồ họa và nhà xuất bản, mang đến cho họ mức độ linh hoạt cao trong việc tạo và chỉnh sửa hình ảnh với độ chính xác và chất lượng chưa từng có vào thời điểm đó.
Một tính năng chính của định dạng PICT là sử dụng các mã lệnh, hay mã hoạt động, ra lệnh cho hệ thống đồ họa QuickDraw của Macintosh thực hiện các tác vụ cụ thể. QuickDraw, là công cụ đằng sau việc kết xuất hình ảnh trong Mac OS, diễn giải các mã lệnh này để vẽ hình dạng, tô hoa văn, đặt thuộc tính văn bản và quản lý thành phần của các phần tử bitmap và vector trong hình ảnh. Việc đóng gói các hướng dẫn này trong một tệp PICT cho phép kết xuất hình ảnh động, một tính năng vượt trội so với thời đại.
Định dạng PICT hỗ trợ nhiều độ sâu màu khác nhau, từ hình ảnh đơn sắc 1 bit đến hình ảnh màu 32 bit. Sự hỗ trợ rộng rãi này cho phép các tệp PICT có tính linh hoạt cao trong ứng dụng của chúng, đáp ứng các khả năng hiển thị và nhu cầu của người dùng khác nhau. Hơn nữa, việc tích hợp PICT với hệ thống QuickDraw có nghĩa là nó có thể sử dụng hiệu quả các bảng màu và kỹ thuật dithering có sẵn trên máy tính Macintosh, do đó đảm bảo rằng hình ảnh trông đẹp nhất trên mọi màn hình nhất định.
Nén trong các tệp PICT đạt được thông qua nhiều phương pháp khác nhau, với PackBits là một kỹ thuật thường được sử dụng để giảm kích thước tệp của hình ảnh bitmap mà không làm giảm đáng kể chất lượng. Ngoài ra, các phần tử vector trong tệp PICT vốn yêu cầu ít không gian lưu trữ hơn so với hình ảnh bitmap, góp phần vào hiệu quả của định dạng trong việc xử lý đồ họa phức tạp. Khía cạnh này của PICT làm cho nó đặc biệt phù hợp cho các ứng dụng yêu cầu lưu trữ và thao tác hình ảnh chất lượng cao với kích thước tệp có thể quản lý được.
Xử lý văn bản là một khía cạnh khác mà định dạng PICT vượt trội, cho phép nhúng văn bản vào trong hình ảnh trong khi vẫn giữ nguyên kiểu phông chữ, kích thước và thông số căn chỉnh. Khả năng này được tạo điều kiện thuận lợi nhờ việc định dạng sử dụng mã lệnh tinh vi để kiểm soát việc kết xuất văn bản, khiến các tệp PICT trở nên lý tưởng cho các tài liệu yêu cầu các phần tử đồ họa và văn bản tích hợp. Khả năng kết hợp văn bản và đồ họa một cách liền mạch như vậy là một lợi thế đáng kể cho các ứng dụng xuất bản và thiết kế.
Tệp PICT thường bắt đầu bằng một tiêu đề 512 byte, dành riêng cho thông tin hệ thống tệp, theo sau là dữ liệu hình ảnh thực tế bắt đầu bằng định nghĩa kích thước và khung hình. Khung hình xác định ranh giới của hình ảnh, về cơ bản thiết lập không gian làm việc trong đó đồ họa và văn bản sẽ được kết xuất. Theo sau định nghĩa khung hình, tệp được phân định thành một loạt các mã lệnh, mỗi mã lệnh theo sau là dữ liệu cụ thể của nó, xác định các phần tử đồ họa và thao tác khác nhau cần thực hiện.
Mặc dù định dạng PICT nổi trội về tính linh hoạt và chức năng, nhưng bản chất độc quyền của nó và sự phát triển của đồ họa kỹ thuật số cuối cùng đã dẫn đến sự suy giảm của nó. Sự ra đời của các định dạng mở và linh hoạt hơn, có khả năng xử lý đồ họa phức tạp với các thuật toán nén tốt hơn và khả năng tương thích đa nền tảng, chẳng hạn như PNG và SVG, khiến PICT ít phổ biến hơn. Mặc dù vậy, định dạng PICT vẫn là một cột mốc quan trọng trong lịch sử đồ họa kỹ thuật số, thể hiện tinh thần đổi mới của thời đại và động lực hướng tới việc tích hợp đồ họa vector và bitmap một cách liền mạch.
Một trong những khía cạnh hấp dẫn nhất của định dạng PICT là thiết kế hướng tới tương lai của nó về khả năng mở rộng và bảo toàn chất lượng. Không giống như các định dạng chỉ dựa trên bitmap, mất độ rõ nét khi được mở rộng, các thành phần vector trong tệp PICT có thể được thay đổi kích thước mà không làm giảm chất lượng của chúng. Tính năng này đặc biệt có lợi cho các tài liệu in, trong đó khả năng thu phóng hình ảnh lên hoặc xuống để phù hợp với các bố cục khác nhau mà không bị suy giảm là rất quan trọng.
Trong lĩnh vực giáo dục và chuyên nghiệp, các tệp PICT đã tìm thấy một phân khúc mà các khả năng độc đáo của chúng được đánh giá cao. Ví dụ, trong xuất bản trên máy tính để bàn và thiết kế đồ họa, nơi độ chính xác và chất lượng là tối quan trọng, PICT cung cấp các giải pháp mà các định dạng khác vào thời điểm đó không thể làm được. Khả năng xử lý các thành phần phức tạp của văn bản, đồ họa và hình ảnh với độ trung thực cao đã biến nó trở thành định dạng phù hợp cho nhiều ứng dụng, từ bản tin và tờ rơi đến các thiết kế đồ họa phức tạp.
Tuy nhiên, các trở ngại kỹ thuật đã nhấn mạnh những thách thức của định dạng PICT về khả năng tương thích và khả năng thích ứng rộng hơn ngoài hệ sinh thái Macintosh. Khi công nghệ kỹ thuật số phát triển, nhu cầu về các định dạng tương thích phổ quát hơn ngày càng tăng. Sự cần thiết phải dễ dàng chia sẻ đồ họa trên các nền tảng và môi trường hoạt động khác nhau đã dẫn đến sự suy giảm dần về mức độ phổ biến của PICT. Hơn nữa, sự nổi bật ngày càng tăng của Internet và xuất bản web đòi hỏi các định dạng hình ảnh được tối ưu hóa để tải nhanh và khả năng tương thích rộng, các tiêu chí mà các định dạng như JPEG và GIF cung cấp các giải pháp tốt hơn.
Mặc dù cuối cùng đã lỗi thời, định dạng PICT đã đóng một vai trò quan trọng trong việc định hình sự phát triển của hình ảnh kỹ thuật số và thiết kế đồ họa. Nó đã chứng minh ngay từ đầu tầm quan trọng của việc có một định dạng linh hoạt có khả năng xử lý hiệu quả các loại dữ liệu đồ họa đa dạng. Hơn nữa, nền tảng triết học của PICT - đặc biệt là sự tích hợp đồ họa vector và bitmap - đã ảnh hưởng đến thiết kế của các định dạng hình ảnh và hệ thống đồ họa tiếp theo, nhấn mạnh tác động lâu dài của nó đối với lĩnh vực này.
Nhìn lại, mặc dù định dạng PICT có thể không còn được sử dụng rộng rãi, nhưng di sản của nó vẫn tồn tại trong các nguyên tắc mà nó ủng hộ và những cải tiến mà nó đưa ra. Sự nhấn mạnh vào tính linh hoạt, chất lượng và sự pha trộn hài hòa các yếu tố đồ họa khác nhau trong một tệp duy nhất đã tạo ra tiền lệ tiếp tục định hình sự phát triển của đồ họa kỹ thuật số. Do đó, trong khi các định dạng mới hơn đã vượt qua PICT về mức độ phổ biến và tiện ích, thì những ý tưởng cơ bản đằng sau PICT vẫn tiếp tục được cộng hưởng trong lĩnh vực thiết kế đồ họa và hình ảnh kỹ thuật số.
Hướng tới tương lai, những bài học rút ra từ quá trình phát triển và sử dụng định dạng PICT nhấn mạnh bản chất không ngừng phát triển của công nghệ hình ảnh kỹ thuật số. Sự tiến triển từ PICT sang các định dạng tiên tiến hơn phản ánh sự theo đuổi liên tục của ngành công nghiệp về hiệu quả, khả năng tương thích và chất lượng trong hình ảnh kỹ thuật số. Do đó, việc hiểu lịch sử và sự phức tạp kỹ thuật của PICT không chỉ cung cấp thông tin chi tiết về lịch sử đồ họa máy tính mà còn làm nổi bật tầm quan trọng của khả năng thích ứng và đổi mới trong việc định hướng tương lai của phương tiện kỹ thuật số.
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.