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.
JPEG, viết tắt của Joint Photographic Experts Group, là một phương pháp nén mất dữ liệu thường được sử dụng cho hình ảnh kỹ thuật số, đặc biệt là đối với những hình ảnh được tạo ra bằng nhiếp ảnh kỹ thuật số. Mức độ nén có thể được điều chỉnh, cho phép lựa chọn giữa kích thước lưu trữ và chất lượng hình ảnh. JPEG thường đạt độ nén 10:1 với ít mất mát đáng kể về chất lượng hình ảnh. Thuật toán nén JPEG là cốt lõi của định dạng tệp JPEG, được gọi chính thức là Định dạng trao đổi JPEG (JIF). Tuy nhiên, thuật ngữ 'JPEG' thường được sử dụng để chỉ định dạng tệp thực tế được chuẩn hóa là Định dạng trao đổi tệp JPEG (JFIF).
Định dạng JPEG hỗ trợ nhiều không gian màu, nhưng phổ biến nhất được sử dụng trong nhiếp ảnh kỹ thuật số và đồ họa web là màu 24 bit, bao gồm 8 bit cho mỗi thành phần đỏ, lục và lam (RGB). Điều này cho phép có hơn 16 triệu màu khác nhau, cung cấp chất lượng hình ảnh phong phú và sống động phù hợp với nhiều ứng dụng. Các tệp JPEG cũng có thể hỗ trợ hình ảnh thang độ xám và không gian màu như YCbCr, thường được sử dụng trong nén video.
Thuật toán nén JPEG dựa trên Biến đổi Cosin rời rạc (DCT), một loại biến đổi Fourier. DCT được áp dụng cho các khối nhỏ của hình ảnh, thường là 8x8 pixel, biến đổi dữ liệu miền không gian thành dữ liệu miền tần số. Quá trình này có lợi vì nó có xu hướng tập trung năng lượng của hình ảnh vào một vài thành phần tần số thấp, quan trọng hơn đối với diện mạo tổng thể của hình ảnh, trong khi các thành phần tần số cao, góp phần tạo nên các chi tiết tinh tế và có thể bị loại bỏ với ít tác động hơn đến chất lượng nhận thức, sẽ bị giảm.
Sau khi áp dụng DCT, các hệ số kết quả sẽ được lượng tử hóa. Lượng tử hóa l à quá trình ánh xạ một tập hợp lớn các giá trị đầu vào thành một tập hợp nhỏ hơn, về cơ bản là giảm độ chính xác của các hệ số DCT. Đây là nơi khía cạnh mất dữ liệu của JPEG phát huy tác dụng. Mức độ lượng tử hóa được xác định bởi bảng lượng tử hóa, có thể được điều chỉnh để cân bằng chất lượng hình ảnh và tỷ lệ nén. Mức lượng tử hóa cao hơn dẫn đến nén cao hơn và chất lượng hình ảnh thấp hơn, trong khi mức lượng tử hóa thấp hơn dẫn đến nén thấp hơn và chất lượng hình ảnh cao hơn.
Khi các hệ số đã được lượng tử hóa, chúng sẽ được tuần tự hóa theo thứ tự ziczac, bắt đầu từ góc trên cùng bên trái và theo một mẫu ziczac qua khối 8x8. Bước này được thiết kế để đặt các hệ số tần số thấp vào đầu khối và các hệ số tần số cao về phía cuối. Vì nhiều hệ số tần số cao có khả năng bằng hoặc gần bằng không sau khi lượng tử hóa, nên thứ tự này giúp nén dữ liệu thêm bằng cách nhóm các giá trị tương tự lại với nhau.
Bước tiếp theo trong quá trình nén JPEG là mã hóa entropy, một phương pháp nén không mất dữ liệu. Hình thức mã hóa entropy phổ biến nhất được sử dụng trong JPEG là mã hóa Huffman, mặc dù mã hóa số học cũng là một tùy chọn. Mã hóa Huffman hoạt động bằng cách gán các mã ngắn hơn cho các giá trị thường gặp hơn và các mã dài hơn cho các giá trị ít gặp hơn. Vì các hệ số DCT được lượng tử hóa được sắp xếp theo cách nhóm các giá trị bằng không và tần số thấp, nên mã hóa Huffman có thể giảm hiệu quả kích thước của dữ liệu.
Định dạng tệp JPEG cũng cho phép lưu trữ siêu dữ liệu trong tệp, chẳng hạn như dữ liệu Exif bao gồm thông tin về cài đặt máy ảnh, ngày và giờ chụp và các chi tiết liên quan khác. Siêu dữ liệu này được lưu trữ trong các phân đoạn cụ thể của ứng dụng trong tệp JPEG, có thể được đọc bởi nhiều phần mềm khác nhau để hiển thị hoặc xử lý thông tin hình ảnh.
Một trong những tính năng chính của định dạng JPEG là hỗ trợ mã hóa tiến bộ. Trong JPEG tiến bộ, hình ảnh được mã hóa trong nhiều lần truyền với độ chi tiết tăng dần. Điều này có nghĩa là ngay cả khi hình ảnh chưa được tải xuống hoàn toàn, một phiên bản thô của toàn bộ hình ảnh vẫn có thể được hiển thị, dần dần cải thiện chất lượng khi nhận được nhiều dữ liệu hơn. Điều này đặc biệt hữu ích cho hình ảnh web, cho phép người dùng có thể hiểu được nội dung hình ảnh mà không cần phải đợi toàn bộ tệp tải xuống.
Mặc dù được sử dụng rộng rãi và có nhiều ưu điểm, nhưng định dạng JPEG vẫn có một số hạn chế. Một trong những hạn chế đáng kể nhất là vấn đề về hiện vật, là những biến dạng hoặc bất thường về hình ảnh có thể xảy ra do nén mất dữ liệu. Các hiện vật này có thể bao gồm mờ, khối và 'vòng' xung quanh các cạnh. Tính khả kiến của hiện vật bị ảnh hưởng bởi mức độ nén và nội dung của hình ảnh. Hình ảnh có độ dốc mượt hoặc thay đổi màu sắc tinh tế dễ bị hiện vật nén hơn.
Một hạn chế khác của JPEG là không hỗ trợ độ trong suốt hoặc kênh alpha. Điều này có nghĩa là hình ảnh JPEG không thể có nền trong suốt, có thể là một nhược điểm đối với một số ứng dụng như thiết kế web, nơi việc ch ồng hình ảnh trên các nền khác nhau là phổ biến. Đối với những mục đích này, các định dạng như PNG hoặc GIF, hỗ trợ độ trong suốt, thường được sử dụng thay thế.
JPEG cũng không hỗ trợ các lớp hoặc hoạt ảnh. Không giống như các định dạng như TIFF cho các lớp hoặc GIF cho hoạt ảnh, JPEG chỉ là định dạng hình ảnh đơn. Điều này khiến nó không phù hợp với các hình ảnh yêu cầu chỉnh sửa theo lớp hoặc để tạo hình ảnh động. Đối với những người dùng cần làm việc với các lớp hoặc hoạt ảnh, họ phải sử dụng các định dạng khác trong quá trình chỉnh sửa và sau đó có thể chuyển đổi sang JPEG để phân phối nếu cần.
Mặc dù có những hạn chế này, JPEG vẫn là một trong những định dạng hình ảnh phổ biến nhất do khả năng nén hiệu quả và tương thích với hầu hết mọi phần mềm xem và chỉnh sửa hình ảnh. Nó đặc biệt phù hợp với ảnh chụp và hình ảnh phức tạp có tông màu và màu sắc liên tục. Đối với mục đích sử dụng trên web, hình ảnh JPEG có thể được tối ưu hóa để cân bằng chất lượng và kích thước tệp, khiến chúng trở nên lý tưởng cho thời gian tải nhanh trong khi vẫn cung cấp kết quả trực quan đẹp mắt.
Định dạng JPEG cũng đã phát triển theo thời gian với sự phát triển của các biến thể như JPEG 2000 và JPEG XR. JPEG 2000 cung cấp hiệu quả nén được cải thiện, xử lý tốt hơn các hiện vật hình ảnh và khả năng xử lý độ trong suốt. Mặt khác, JPEG XR cung cấp khả năng nén tốt hơn ở mức chất lượng cao hơn và hỗ trợ nhiều độ sâu màu và không gian màu hơn. Tuy nhiên, những định dạng mới hơn này vẫn chưa đạt được mức độ ph ổ biến như định dạng JPEG ban đầu.
Tóm lại, định dạng hình ảnh JPEG là một định dạng linh hoạt và được hỗ trợ rộng rãi, tạo sự cân bằng giữa chất lượng hình ảnh và kích thước tệp. Việc sử dụng DCT và lượng tử hóa của nó cho phép giảm đáng kể kích thước tệp với tác động có thể tùy chỉnh đối với chất lượng hình ảnh. Mặc dù có một số hạn chế, chẳng hạn như thiếu hỗ trợ độ trong suốt, các lớp và hoạt ảnh, nhưng những ưu điểm về khả năng tương thích và hiệu quả của nó khiến nó trở thành một yếu tố chính trong hình ảnh kỹ thuật số. Khi công nghệ tiến bộ, các định dạng mới hơn có thể cung cấp những cải tiến, nhưng di sản và sự phổ biến rộng rãi của JPEG đảm bảo rằng nó sẽ vẫn là một phần cơ bản của hình ảnh kỹ thuật số trong tương lai gần.
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.