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.
RAW ảnh định dạng, thường được đề cập trong bối cảnh nhiếp ảnh kỹ thuật số, đề cập đến một định dạng tập tin ghi lại tất cả dữ liệu hình ảnh được ghi lại bởi cảm biến máy ảnh khi bạn chụp ảnh. Không giống như JPEG hoặc các định dạng hình ảnh nén khác, các tệp RAW bảo toàn lượng thông tin lớn nhất về hình ảnh, cung cấp cho nhiếp ảnh gia mức độ kiểm soát và linh hoạt cao hơn trong quá trình chỉnh sửa. Vì các tệp RAW trải qua quá trình xử lý tối thiểu, nên chúng thường được gọi là 'ảnh âm bản kỹ thuật số'.
Một trong những lợi thế chính của việc chụp ở định dạng RAW là lượng chi tiết đáng kinh ngạc được bảo toàn. Điều này bao gồm mức độ sáng cao hơn, có nghĩa là nhiều màu sắc và sắc thái hơn trong bóng tối và vùng sáng mà bạn có thể điều chỉnh trong quá trình xử lý hậu kỳ. Các tệp RAW thường ghi lại từ 4.096 đến 16.384 mức độ sáng so với 256 mức trong JPEG tiêu chuẩn. Sự khác biệt này ảnh hưởng rất lớn đến dải động của hình ảnh, cho phép điều chỉnh chính xác hơn về độ phơi sáng, độ tương phản và màu sắc.
Tuy nhiên, chi tiết phong phú và xử lý tối thiểu của các tệp RAW đi kèm với một số phức tạp nhất định. Các tệp này cần được xử lý và chuyển đổi thành định dạng dễ đọc hơn (như JPEG hoặc TIFF) bằng phần mềm chuyên dụng. Phần mềm này cho phép nhiếp ảnh gia điều chỉnh các thông số khác nhau như độ phơi sáng, cân bằng trắng và giảm nhiễu mà không làm mất chất lượng liên quan đến việc chỉnh sửa hình ảnh nén. Tính linh hoạt để thực hiện nhiều điều chỉnh rộng như vậy mà không ảnh hưởng đến chất lượng hình ảnh là lý do tại sao nhiều nhiếp ảnh gia chuyên nghiệp thích chụp ở định dạng RAW.
Một khía cạnh quan trọng khác của các tệp RAW là chúng không được chuẩn hóa trên các nhà sản xuất máy ảnh khác nhau. Canon, Nikon, Sony và các nhà sản xuất khác có các định dạng RAW độc quyền của riêng họ, như CR2, NEF và ARW. Việc thiếu chuẩn hóa này có nghĩa là các tệp RAW từ các máy ảnh khác nhau yêu cầu phần mềm cụ thể có thể đọc và xử lý chúng. Mặc dù điều này có thể gây ra thách thức về khả năng tương thích và lưu trữ tệp, nhưng nó cũng có nghĩa là mỗi nhà sản xuất có thể tối ưu hóa định dạng tệp RAW theo các thuộc tính và khả năng cụ thể của cảm biến máy ảnh của họ.
Kích thước tệp là một cân nhắc quan trọng khi chụp ở định dạng RAW. Các tệp RAW lớn hơn nhiều so với các tệp JPEG tương ứng do lượng dữ liệu chúng chứa. Điều này có thể dẫn đến việc thẻ nhớ đầy nhanh hơn và yêu cầu nhiếp ảnh gia phải có các giải pháp lưu trữ lớn hơn cả trong lĩnh vực và cho mục đích lưu trữ. Nó cũng ngụ ý thời gian truyền lâu hơn và thời gian xử lý có khả năng chậm hơn, tùy thuộc vào phần cứng của máy tính. Tuy nhiên, đối với nhiều chuyên gia và người đam mê, sự đánh đổi là xứng đáng với mức độ chi tiết và tính linh hoạt trong xử lý hậu kỳ mà RAW cung cấp.
Về xử lý hậu kỳ, làm việc với các tệp RAW là một con dao hai lưỡi. Một mặt, lượng dữ liệu khổng lồ cung cấp tính linh hoạt vô song trong việc điều chỉnh gần như mọi khía cạnh của hình ảnh. Mặt khác, tính linh hoạt này đòi hỏi một mức độ kiến thức và kỹ năng nhất định từ nhiếp ảnh gia. Việc chỉnh sửa tệp RAW hiệu quả thường đòi hỏi phải hiểu biết về phần mềm chỉnh sửa ảnh và các nguyên tắc nhiếp ảnh, chẳng hạn như hiệu ứng của các điều chỉnh khác nhau đối với chất lượng hình ảnh. Hơn nữa, vì các tệp RAW về cơ bản là chưa được phát triển, nên chúng đòi hỏi nhiều thời gian và công sức hơn để 'phát triển' thành hình ảnh cuối cùng, không giống như JPEG, được xử lý bởi máy ảnh.
Sự phát triển của công nghệ đã tác động đáng kể đến khả năng truy cập và khả năng sử dụng của các tệp RAW. Phần mềm và ứng dụng hiện đại giúp các nhiếp ảnh gia ở mọi cấp độ dễ dàng làm việc với các tệp RAW hơn, bao gồm các quy trình làm việc được đơn giản hóa và các quy trình tự động có thể áp dụng các chỉnh sửa dựa trên nội dung hình ảnh và sở thích của nhiếp ảnh gia. Ngoài ra, khi máy ảnh và điện thoại thông minh ngày càng hỗ trợ RAW, định dạng này đang trở nên dễ tiếp cận hơn đối với những nhiếp ảnh gia bình thường muốn khám phá những lợi ích của định dạng này mà không cần thiết bị cấp độ chuyên nghiệp.
Các tệp RAW cũng có tác động sâu sắc đến việc bảo quản và lưu trữ hình ảnh kỹ thuật số. Với độ trung thực cao và thực tế là chúng chưa được xử lý, hình ảnh RAW được coi là định dạng tốt nhất để bảo quản kỹ thuật số lâu dài. Điều này rất quan trọng không chỉ đối với các nhiếp ảnh gia chuyên nghiệp mà còn đối với các nhà lưu trữ và tổ chức có mục đích duy trì các bộ sưu tập kỹ thuật số. Bằng cách lưu trữ hình ảnh ở định dạng RAW, các thực thể này đảm bảo rằng lượng thông tin tối đa được bảo toàn, cho phép xử lý lại và điều chỉnh trong tương lai với các công nghệ được cải tiến.
Những thách thức cũng tồn tại với các tệp RAW ngoài kích thước lớn và nhu cầu về phần mềm xử lý cụ thể. Một vấn đề là nguy cơ lỗi thời. Do bản chất độc quyền của nhiều định dạng RAW, nên có lo ngại rằng phần mềm trong tương lai có thể không hỗ trợ các định dạng cũ hơn, có khả năng khiến các t ệp không thể truy cập được. Rủi ro này đòi hỏi phải quản lý cẩn thận và đôi khi phải chuyển đổi các tệp RAW thành các định dạng tương thích phổ biến hơn để lưu trữ lâu dài. Ngoài ra, trong khi các tệp RAW cung cấp chất lượng tốt nhất để lưu trữ, chúng cũng yêu cầu các chiến lược sao lưu nghiêm ngặt do kích thước và tầm quan trọng của chúng.
Nhìn vào tương lai, chúng ta có thể thấy những cải tiến và đổi mới liên tục trong việc xử lý và quản lý tệp RAW. Các thuật toán tiên tiến và trí tuệ nhân tạo đang bắt đầu đóng vai trò trong xử lý RAW, cung cấp các phương pháp tinh vi hơn để giảm nhiễu, làm sắc nét và thậm chí là các điều chỉnh tự động có thể dự đoán và áp dụng phong cách ưa thích của nhiếp ảnh gia. Những tiến bộ này có thể giúp quy trình làm việc RAW trở nên hợp lý và dễ tiếp cận hơn, có khả năng thu hút nhiều nhiếp ảnh gia hơn đến với những lợi ích của việc chụp ở định dạng RAW.
Trong lĩnh vực nhiếp ảnh di động, RAW đang trở nên ngày càng nổi bật khi điện thoại thông minh kết hợp các hệ thống camera tiên tiến hơn có khả năng chụp ở các định dạng này. Sự dân chủ hóa của nhiếp ảnh RAW này đang phá vỡ các rào cản, cho phép nhiều người hơn tiếp cận các khả năng chất lượng cao trước đây chỉ dành riêng cho máy ảnh DSLR và máy ảnh không gương lật chuyên nghiệp. Khi các thiết bị di động tiếp tục phát triển, khoảng cách giữa nhiếp ảnh chuyên nghiệp và nhiếp ảnh di động đang thu hẹp, làm nổi bật tầm quan trọng của RAW đối với mọi loại nhiếp ảnh gia.
Bất chấp những lợi ích và khả năng tiếp cận ngày càng tăng của RAW, điều quan trọng là các nhiếp ảnh gia phải cân nhắc khi nào và tại sao họ nên chụp ở định dạng RAW. Nó cung cấp chất lượng và tính linh hoạt vô song nhưng đòi hỏi nhiều dung lượng lưu trữ hơn, sức mạnh xử lý và thời gian hậu kỳ. Trong một số trường hợp, đặc biệt là những trường hợp yêu cầu thời gian quay vòng nhanh hoặc liên quan đến các buổi chụp mở rộng với dung lượng lưu trữ hạn chế, việc chụp ở định dạng JPEG có thể thực tế hơn. Cuối cùng, quyết định chụp ở định dạng RAW nên dựa trên các nhu cầu cụ thể của dự án, quy trình làm việc của nhiếp ảnh gia và các yêu cầu đầu ra cuối cùng.
Tóm lại, định dạng hình ảnh RAW mang lại những lợi thế vô song cho những người muốn tối đa hóa tiềm năng nhiếp ảnh của mình. Khả năng bảo toàn các chi tiết mở rộng, cùng với tính linh hoạt mà nó cung cấp trong xử lý hậu kỳ, khiến nó trở thành một công cụ vô giá đối với các nhiếp ảnh gia hướng đến những hình ảnh chất lượng cao nhất. Tuy nhiên, nó đòi hỏi một cách tiếp cận toàn diện đối với việc lưu trữ, xử lý và kiến thức về chỉnh sửa ảnh để tận dụng tối đa định dạng này. Khi công nghệ phát triển, các rào cản trong việc làm việc với RAW đang giảm dần, khiến nó trở thành một lựa chọn ngày càng hấp dẫn đối với nhiều nhiếp ảnh gia. Hiểu và tận dụng các khả năng của RAW không chỉ dẫn đến những bức ảnh đẹp hơn mà còn là sự gắn kết sâu sắc hơn với nghệ thuật và khoa học nhiếp ảnh.
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.