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 b ộ 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.
PNG32 ảnh định dạng, một phần mở rộng của nổi tiếng Portable Network Graphics (PNG) định dạng, đại diện cho một chế độ cụ thể trong PNG gia đình tối ưu hóa cho toàn diện màu sâu và minh b ạch hỗ trợ. Các '32' trong PNG32 tương ứng với số bit sử dụng cho mỗi pixel, với định dạng này phân bổ 8 bit mỗi màu đỏ, xanh lá cây, màu xanh, và alpha kênh. Cấu trúc này cho phép PNG32 để hiển thị hơn 16 triệu màu (24 bit cho RGB) và cung cấp một đầy đủ phổ minh bạch cài đặt (8 bit cho alpha), làm cho nó một lựa chọn ưa thích cho chi tiết hình ảnh mà đòi hỏi phải mịn độ dốc và minh bạch hiệu ứng.
Có nguồn gốc từ nhu cầu để vượt qua hạn chế liên quan đến trước đó định dạng như GIF, mà hỗ trợ chỉ 256 màu và một cấp độ minh bạch (trên hoặc tắt), các PNG định dạng được phát triển như một mở thay thế. Các PNG định dạng, bao gồm PNG32, hỗ trợ lossless nén. Điều này có nghĩa rằng mặc dù tập tin kích thước giảm trong khi tiết kiệm, các hình ảnh không mất bất kỳ chi tiết hoặc chất lượng. Đặc điểm này là đặc biệt quan trọng cho đồ họa nhà thiết kế và nhiếp ảnh gia người yêu cầu của họ kỹ thuật số hoạt động để duy trì lòng trung thành với các bản gốc.
Các kỹ thuật thông số kỹ thuật của PNG32 được xác định trong các PNG (Portable Network Graphics) đặc điểm kỹ thuật, mà ban đầu được thiết kế vào giữa những năm 1990. Các đặc điểm kỹ thuật phác thảo các tập tin cấu trúc, bao gồm các tiêu đề, khối, và dữ liệu mã hóa phương pháp. PNG tập tin bắt đầu với một 8-byte chữ ký, tiếp theo là một loạt các khối. Trong PNG32 hình ảnh, các quan trọng khối bao gồm IHDR, mà chứa hình ảnh tiêu đề dữ liệu như chiều rộng, chiều cao, bit độ sâu, và màu loại; PLTE, mà là tùy chọn và chứa một bảng màu; IDAT, mà chứa các hình ảnh dữ liệu; và IEND, mà đánh dấu các kết thúc của các PNG tập tin.
Một trong những nổi bật tính năng của các PNG32 định dạng là hỗ trợ của nó cho một alpha kênh, mà kiểm soát các minh bạch của mỗi pixel. Trái ngược với đơn giản hơn minh bạch phương pháp mà cho phép một pixel để được hoặc là hoàn toàn minh bạch hoặc hoàn toàn mờ đục, các alpha kênh trong PNG32 cung cấp 256 cấp độ minh bạch. Điều này có nghĩa rằng một pixel có thể có khác nhau mức độ khả năng hiển thị, từ hoàn toàn minh bạch để hoàn toàn mờ đục, cho phép phức tạp sáng tác và lớp phủ mà không ảnh hưởng đến chất lượng của các cơ bản hình ảnh.
Nén trong PNG32 hình ảnh là đạt được bằng cách sử dụng một sự kết hợp của bộ lọc và các DEFLATE nén thuật toán. Trước khi nén, mỗi dòng của các hình ảnh được lọc để giảm của nó phức tạp, về cơ bản làm cho nó dễ dàng hơn để nén. Các sự lựa chọn của bộ lọc cho mỗi dòng là năng động, với các thuật toán lựa chọn các hiệu quả nhất tùy chọn để giảm thiểu tập tin kích thước. Sau khi lọc, các hình ảnh dữ liệu được nén bằng cách sử dụng DEFLATE, một lossless dữ liệu nén thuật toán mà làm giảm tập tin kích thước mà không hy sinh hình ảnh chất lượng. Các sự kết hợp của lọc và DEFLATE nén làm cho PNG32 tập tin nhỏ gọn trong khi đảm bảo rằng các hình ảnh vẫn sắc nét và rõ ràng.
Các sử dụng của PNG32 định dạng đã được rộng rãi thông qua khác nhau các ứng dụng, bao gồm thiết kế web, nhiếp ảnh, và đồ họa thiết kế, do của nó linh hoạt, chất lượng, và minh bạch khả năng. Trong thiết kế web, PNG32 hình ảnh thường được sử dụng cho logo, biểu tượng, và khác các yếu tố mà đòi hỏi phải sắc nét thông tin chi tiết và mịn minh bạch cạnh. Định dạng này cũng là phổ biến trong các ứng dụng nơi hình ảnh chất lượng không thể bị tổn hại, chẳng hạn như trong kỹ thuật số nhiếp ảnh và đồ họa thiết kế dự án. Các khả năng để duy trì màu sắc lòng trung thành và tốt chi tiết trong khi hỗ trợ minh bạch làm cho PNG32 một vô giá công cụ trong những lĩnh vực này.
Mặc dù của nó lợi ích, các PNG32 định dạng không có một số nhược điểm, đặc biệt là trong tập tin kích thước. Do của nó cao màu sâu và minh bạch hỗ trợ, PNG32 tập tin có thể được đáng kể lớn hơn so với những đơn giản hơn định dạng như JPEG hoặc các bản gốc PNG định dạng mà không có alpha minh bạch. Điều này có thể dẫn đến lâu hơn tải lần trên các trang web và cao hơn băng thông sử dụng. Do đó, trong khi PNG32 là lý tưởng cho hình ảnh đòi hỏi phải cao lòng trung thành và minh bạch, nó có thể không phải là sự lựa chọn tốt nhất cho tất cả các ứng dụng, đặc biệt là nơi băng thông hoặc lưu trữ không gian là hạn chế.
Để giải quyết một số của các mối quan tâm liên quan đến tập tin kích thước, khác nhau tối ưu hóa kỹ thuật có thể được áp dụng để PNG32 hình ảnh. Công cụ như PNGCrush, OptiPNG, và TinyPNG sử dụng khác nhau chiến lược để giảm tập tin kích thước mà không làm mất chất lượng của các hình ảnh. Những công cụ này phân tích các hình ảnh để loại bỏ không cần thiết siêu dữ liệu, điều chỉnh các nén thông số, và thậm chí giảm màu sâu trong các khu vực nơi nó sẽ không đáng kể tác động đến các hình ảnh chất lượng. Trong khi những tối ưu hóa có thể làm cho PNG32 tập tin dễ quản lý hơn, nó là quan trọng để cân bằng tập tin kích thước giảm với duy trì các tính toàn vẹn của các hình ảnh của hình ảnh chất lượng.
Ngoài của nó sử dụng trong tĩnh hình ảnh, PNG32 của minh bạch khả năng làm cho nó một tuyệt vời sự lựa chọn cho phức tạp hơn đồ họa nhiệm vụ, chẳng hạn như tạo ra sprites cho video trò chơi hoặc lớp phủ các yếu tố cho video sản xuất. Các chi tiết minh bạch kiểm soát cho phép cho liền mạch tích hợp của PNG32 hình ảnh vào khác nhau nền và cài đặt, tăng cường các hình ảnh hấp dẫn của kỹ thuật số phương tiện truyền thông. Của nó khả năng để xử lý chi tiết đồ họa với mịn minh bạch cũng làm cho nó phù hợp cho tiên tiến web các ứng dụng và tương tác phương tiện truyền thông, nơi người dùng kinh nghiệm và hình ảnh chất lượng là tối quan trọng.
Các rộng rãi hỗ trợ cho các PNG32 định dạng trên khác nhau phần mềm và nền tảng là một khác quan trọng lợi thế. Lớn web trình duyệt, đồ họa thiết kế phần mềm, và hình ảnh chỉnh sửa công cụ dễ dàng hỗ trợ PNG32, làm cho nó một linh hoạt và dễ dàng truy cập định dạng cho các chuyên gia và nghiệp dư như nhau. Các định dạng của bao gồm trong ngành công nghiệp-tiêu chuẩn phần mềm đảm bảo rằng PNG32 vẫn là một đáng tin cậy sự lựa chọn cho một phạm vi rộng của các ứng dụng, từ đơn giản web đồ họa để phức tạp kỹ thuật số nghệ thuật dự án.
Nhìn về phía trước, các tiếp tục tiến hóa của web công nghệ và kỹ thuật số hình ảnh tiêu chuẩn có thể ảnh hưởng đến các vai trò và ứng dụng của các PNG32 định dạng. Với sự ra đời của mới hơn định dạng như WebP và AVIF, mà cung cấp tương đương chất lượng để PNG32 nhưng với tốt hơn nén và nhỏ hơn tập tin kích thước, có thể có sự thay đổi trong sở thích cho nhất định sử dụng trường hợp. Những mới hơn định dạng cung cấp hấp dẫn thay thế, đặc biệt là cho web-dựa trên các ứng dụng nơi hiệu suất và tải lần là rất quan trọng. Tuy nhiên, PNG32 của mạnh mẽ, rộng rãi khả năng tương thích, và cao minh bạch xử lý đảm bảo của nó tiếp tục liên quan trong các khu vực nơi những thuộc tính là quan trọng.
Giáo dục nguồn lực và cộng đồng cũng đóng một vai trò quan trọng trong việc duy trì các liên quan và sử dụng của các PNG32 định dạng. Thông qua hướng dẫn, diễn đàn, và tài liệu, cả mới và có kinh nghiệm người dùng có thể tìm hiểu về các lợi ích và các ứng dụng của PNG32, cũng như tốt nhất thực hành cho của nó sử dụng và tối ưu hóa. Này tập thể kiến thức chia sẻ giúp trong giải quyết thách thức liên quan đến tập tin kích thước và ứng dụng-cụ thể cân nhắc, đảm bảo rằng các PNG32 định dạng vẫn là một lựa chọn ưa thích cho cao-chất lượng và minh bạch hình ảnh.
Trong kết luận, các PNG32 hình ảnh định dạng đứng như một đáng kể tiến bộ trong kỹ thuật số hình ảnh, cung cấp vô song màu sâu và minh bạch tính năng. Của nó kỹ thuật thông số kỹ thuật, bao gồm lossless nén và alpha kênh hỗ trợ, làm cho nó một linh hoạt sự lựa chọn cho một rộng lớn mảng của các ứng dụng, từ thiết kế web để phức tạp kỹ thuật số nghệ thuật. Trong khi cân nhắc xung quanh tập tin kích thước và mới nổi cạnh tranh định dạng đặt ra th
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.