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.
HDR (High Dynamic Range) là công nghệ nhằm thu hẹp khoảng cách giữa khả năng cảm nhận nhiều mức độ sáng của mắt người và giới hạn của hệ thống hình ảnh kỹ thuật số truyền thống trong việc chụp, xử l ý và hiển thị các dải đó. Không giống như hình ảnh dải động chuẩn (SDR), có khả năng giới hạn trong việc thể hiện các cực trị của sáng và tối trong cùng một khung hình, hình ảnh HDR có thể hiển thị phổ rộng hơn các mức độ sáng. Điều này tạo ra những bức ảnh sống động hơn, chân thực hơn và gần gũi hơn với những gì mắt người cảm nhận được trong thế giới thực.
Khái niệm về dải động là trọng tâm để hiểu về hình ảnh HDR. Dải động đề cập đến tỷ lệ giữa vùng sáng nhất và vùng tối nhất có thể được chụp, xử lý hoặc hiển thị bởi hệ thống hình ảnh. Nó thường được đo bằng các điểm dừng, với mỗi điểm dừng biểu thị việc tăng hoặc giảm một nửa lượng ánh sáng. Hình ảnh SDR truyền thống thường hoạt động trong dải động khoảng 6 đến 9 điểm dừng. Mặt khác, công nghệ HDR nhằm vượt qua giới hạn này một cách đáng kể, với mục tiêu đạt được hoặc thậm chí vượt quá dải động của mắt người, khoảng 14 đến 24 điểm dừng trong một số điều kiện nhất định.
Hình ảnh HDR được tạo ra thông qua sự kết hợp của các kỹ thuật chụp tiên tiến, thuật toán xử lý sáng tạo và công nghệ hiển thị. Ở giai đoạn chụp, nhiều lần phơi sáng cùng một cảnh được thực hiện ở các mức độ sáng khác nhau. Các lần phơi sáng này chụp chi tiết trong bóng tối nhất đến vùng sáng nhất. Sau đó, quá trình HDR liên quan đến việc kết hợp các lần phơi sáng này thành một hình ảnh duy nhất có dải động lớn hơn nhiều so với những gì có thể chụp được trong một lần phơi sáng duy nhất bằng cảm biến hình ảnh kỹ thuật số truyền thống.
Việc xử lý hình ảnh HDR liên quan đến việc ánh xạ dải rộng các mức độ sáng được chụp thành một định dạng có thể được lưu trữ, truyền và cuối cùng là hiển thị hiệu quả. Ánh xạ tông màu là một phần quan trọng của quá trình này. Nó chuyển đổi dải động cao của cảnh được chụp thành dải động tương thích với màn hình mục tiêu hoặc phương tiện đầu ra, đồng thời cố gắng duy trì tác động trực quan của các biến thể độ sáng ban đầu của cảnh. Điều này thường liên quan đến các thuật toán tinh vi điều chỉnh cẩn thận độ sáng, độ tương phản và độ bão hòa màu để tạo ra những hình ảnh trông tự nhiên và hấp dẫn đối với người xem.
Hình ảnh HDR thường được lưu ở các định dạng tệp chuyên dụng có thể chứa dải thông tin độ sáng mở rộng. Các định dạng như JPEG-HDR, OpenEXR và TIFF đã được phát triển đặc biệt cho mục đích này. Các định dạng này sử dụng nhiều kỹ thuật khác nhau, chẳng hạn như số dấu phẩy động và không gian màu mở rộng, để mã hóa chính xác dải rộng thông tin độ sáng và màu sắc trong hình ảnh HDR. Điều này không chỉ bảo toàn độ trung thực cao của nội dung HDR mà còn đảm bảo khả năng tương thích với hệ sinh thái rộng lớn các thiết bị và phần mềm hỗ trợ HDR.
Để hiển thị nội dung HDR, cần có màn hình có khả năng đạt độ sáng cao hơn, màu đen sâu hơn và gam màu rộng hơn so với những gì màn hình tiêu chuẩn có thể cung cấp. Màn hình tương thích với HDR sử dụng các công nghệ như OLED (Điốt phát sáng hữu cơ) và tấm nền LCD (Màn hình tinh thể lỏng) tiên tiến với các cải tiến về đèn nền LED (Điốt phát sáng) để đạt được các đặc điểm này. Khả năng hiển thị cả sự khác biệt về độ sáng tinh tế và rõ ràng của các màn hình này giúp tăng cường đáng kể cảm giác về chiều sâu, chi tiết và tính chân thực của người xem.
Sự phổ biến của nội dung HDR đã được thúc đẩy hơn nữa nhờ sự phát triển của các tiêu chuẩn HDR và siêu dữ liệu. Các tiêu chuẩn như HDR10, Dolby Vision và Hybrid Log-Gamma (HLG) chỉ định các hướng dẫn để mã hóa, truyền và hiển thị nội dung HDR trên các nền tảng và thiết bị khác nhau. Siêu dữ liệu HDR đóng một vai trò quan trọng trong hệ sinh thái này bằng cách cung cấp thông tin về hiệu chuẩn màu sắc và mức độ sáng của nội dung. Điều này cho phép các thiết bị tối ưu hóa khả năng hiển thị HDR của chúng theo các đặc điểm cụ thể của từng nội dung, đảm bảo trải nghiệm xem chất lượng cao nhất quán.
Một trong những thách thức trong hình ảnh HDR là nhu cầu tích hợp liền mạch vào các quy trình làm việc và công nghệ hiện có, vốn chủ yếu hướng đến nội dung SDR. Điều này không chỉ bao gồm việc chụp và xử lý hình ảnh mà còn cả việc phân phối và hiển thị chúng. Bất chấp những thách thức này, việc áp dụng HDR đang phát triển nhanh chóng, phần lớn nhờ vào sự hỗ trợ của những người sáng tạo nội dung lớn, các dịch vụ phát trực tuyến và các nhà sản xuất thiết bị điện tử. Khi công nghệ HDR tiếp tục phát triển và trở nên dễ tiếp cận hơn, công nghệ này dự kiến sẽ trở thành tiêu chuẩn cho nhiều ứng dụng, từ nhiếp ảnh và điện ảnh đến trò chơi điện tử và thực tế ảo.
Một thách thức khác liên quan đến công nghệ HDR là sự cân bằng gi ữa mong muốn tăng dải động và nhu cầu duy trì khả năng tương thích với các công nghệ hiển thị hiện có. Mặc dù HDR mang đến cơ hội để nâng cao đáng kể trải nghiệm hình ảnh, nhưng cũng có nguy cơ HDR được triển khai kém có thể dẫn đến hình ảnh xuất hiện quá tối hoặc quá sáng trên các màn hình không hoàn toàn tương thích với HDR. Ánh xạ tông màu phù hợp và cân nhắc cẩn thận về khả năng hiển thị của người dùng cuối là điều cần thiết để đảm bảo rằng nội dung HDR có thể tiếp cận được với nhiều đối tượng và mang lại trải nghiệm xem được cải thiện toàn diện.
Các cân nhắc về môi trường cũng ngày càng trở nên quan trọng trong cuộc thảo luận về công nghệ HDR. Mức tiêu thụ điện năng cao hơn cần thiết cho màn hình sáng hơn của các thiết bị hỗ trợ HDR đặt ra những thách thức về hiệu quả năng lượng và tính bền vững. Các nhà sản xuất và kỹ sư liên tục làm việc để phát triển các phương pháp tiết kiệm năng lượng hơn để đạt được độ sáng và độ tương phản cao mà không ảnh hưởng đến dấu chân môi trường của các thiết bị này.
Tương lai của hình ảnh HDR có vẻ đầy hứa hẹn, với các nghiên cứu và phát triển đang diễn ra tập trung vào việc khắc phục những hạn chế hiện tại và mở rộng khả năng của công nghệ. Các công nghệ mới nổi, chẳng hạn như màn hình chấm lượng tử và micro-LED, có tiềm năng nâng cao hơn nữa độ sáng, độ chính xác màu sắc và hiệu quả của màn hình HDR. Ngoài ra, những tiến bộ trong công nghệ chụp và xử lý nhằm mục đích làm cho HDR dễ tiếp cận hơn với những người sáng tạo nội dung bằng cách đơn giản hóa quy trình làm việc và giảm nhu cầu về thiết bị chuyên dụng.
Trong lĩnh vực tiêu thụ nội dung, công nghệ HDR cũng đang mở ra những con đường mới cho trải nghiệm nhập vai. Trong trò chơi điện tử và thực tế ảo, HDR có thể nâng cao đáng kể cảm giác hiện diện và tính chân thực bằng cách tái tạo chính xác hơn độ sáng và sự đa dạng màu sắc của thế giới thực. Điều này không chỉ cải thiện chất lượng hình ảnh mà còn làm sâu sắc thêm tác động cảm xúc của trải nghiệm kỹ thuật số, khiến chúng trở nên hấp dẫn và sống động hơn.
Ngoài giải trí, công nghệ HDR có ứng dụng trong các lĩnh vực như hình ảnh y tế, nơi khả năng hiển thị nhiều mức độ sáng hơn có thể giúp phát hiện các chi tiết có thể bị bỏ sót trong hình ảnh tiêu chuẩn. Tương tự, trong các lĩnh vực như thiên văn học và viễn thích, hình ảnh HDR có thể chụp được sự tinh tế của các thiên thể và các đặc điểm bề mặt Trái đất với độ rõ nét và chiều sâu chưa từng có.
Tóm lại, công nghệ HDR đại diện cho một bước tiến đáng kể trong hình ảnh kỹ thuật số, mang đến trải nghiệm hình ảnh nâng cao giúp nội dung kỹ thuật số gần hơn với sự phong phú và chiều sâu của thế giới thực. Bất chấp những thách thức liên quan đến việc triển khai và áp dụng rộng rãi, những lợi ích của HDR là rõ ràng. Khi công nghệ này tiếp tục phát triển và tích hợp vào nhiều ngành công nghiệp khác nhau, công nghệ này có tiềm năng cách mạng hóa cách chúng ta chụp, xử lý và cảm nhận hình ảnh kỹ thuật số, mở ra những khả năng mới cho sự sáng tạo, khám phá và hiểu biết.
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.