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.
Định dạng tài liệu di động (PDF) là một định dạng tệp linh hoạt được Adobe Systems phát triển vào năm 1993. Định dạng này được thiết kế để trình bày tài liệu, bao gồm định dạng văn bản và hình ảnh, theo cách không phụ thuộc vào phần mềm ứng dụng, phần cứng và hệ điều hành. PDF có thể bao gồm nhiều loại nội dung khác nhau, bao gồm văn bản, phông chữ, đồ họa vector, hình ảnh raster và các thông tin khác cần thiết để hiển thị tài liệu theo đúng mục đích. Định dạng này đã trở thành một tiêu chuẩn để trao đổi tài liệu trên các nền tảng khác nhau và được sử dụng rộng rãi trong kinh doanh, giáo dục và chính phủ.
PDF hỗ trợ nhiều loại hình ảnh, có thể được phân loại thành hai nhóm chính: hình ảnh vector và hình ảnh raster. Hình ảnh vector được tạo thành từ các đường dẫn được xác định bởi các phương trình toán học, giúp chúng có thể mở rộng mà không làm giảm chất lượng. Chúng lý tưởng cho hình minh họa, logo và văn bản. Mặt khác, hình ảnh raster được tạo thành từ một lưới pixel cố định và được sử dụng cho ảnh chụp và tác phẩm nghệ thuật kỹ thuật số. Chúng có thể mất chất lượng khi được thu phóng lên hoặc xuống. PDF có thể chứa cả hai loại hình ảnh và chúng có thể được nén bằng nhiều thuật toán khác nhau để giảm kích thước tệp mà không làm giảm đáng kể chất lượng.
Khi một hình ảnh được nhúng vào PDF, nó thường được nén để giảm kích thước tệp. PDF hỗ trợ nhiều thuật toán nén cho mục đích này. Đối với hình ảnh raster, các phương pháp nén có mất mát như JPEG thường được sử dụng cho ảnh chụp, vì chúng có thể giảm đáng kể kích thước tệp với mức mất chất lượng tối thiểu có thể nhìn thấy. Các phương pháp nén không mất mát như PNG và TIFF được sử dụng khi chất lượng hình ảnh là tối quan trọng. Đối với hình ảnh vector, nén được thực hiện thông qua việc sử dụng các biểu diễn toán học hiệu quả của các đường dẫn hình ảnh và việc sử dụng các thuật toán nén như ZIP có thể được áp dụng để giảm kích thước của các biểu diễn này.
Quá trình nhúng hình ảnh vào PDF bao gồm nhiều bước. Đầu tiên, hình ảnh được mã hóa bằng một thuật toán nén cụ thể. Dữ liệu hình ảnh được mã hóa sau đó được nhúng vào cấu trúc tệp PDF, cùng với thông tin về kích thước, độ phân giải và không gian màu của hình ảnh. PDF cũng lưu trữ thông tin về cách hình ảnh nên được hiển thị, bao gồm bất kỳ chuyển đổi nào như thu phóng, xoay hoặc cắt xén nên được áp dụng khi tài liệu được xem hoặc in.
Quản lý màu là một khía cạnh quan trọng của hình ảnh PDF. PDF hỗ trợ nhiều không gian màu như DeviceRGB, DeviceCMYK và DeviceGray, cũng như các không gian màu phức tạp hơn như CalRGB và các không gian màu dựa trên ICC cho phép tái tạo màu chính xác hơn trên các thiết bị khác nhau. Khi một hình ảnh được nhúng vào PDF, không gian màu của nó được xác định và nếu cần, các cấu hình màu có thể được nhúng để đảm bảo rằng màu sắc được hiển thị nhất quán trên các thiết bị khác nhau.
Tính trong suốt là một tính năng khác được hình ảnh PDF hỗ trợ. Điều này cho phép hình ảnh có các mức độ mờ đục khác nhau, có thể được sử dụng để tạo hiệu ứng hình ảnh phức tạp. Tính trong suốt trong PDF được xử lý thông qua việc sử dụng các chế độ pha trộn đặc biệt xác định cách màu của các đối tượng trong suốt được pha trộn với màu của các đối tượng phía sau chúng. Tính năng này đặc biệt hữu ích để chồng hình ảnh lên nhau hoặc để kết hợp văn bản chồng lên hình ảnh.
PDF cũng hỗ trợ việc đưa siêu dữ liệu vào các tệp hình ảnh. Siêu dữ liệu này có thể bao gồm thông tin về hình ảnh như tác giả, bản quyền, ngày tạo và từ khóa. Thông tin này có thể hữu ích cho việc quản lý và truy xuất tài liệu, cũng như để đảm bảo rằng hình ảnh có bản quyền được ghi nhận đúng cách. Siêu dữ liệu được lưu trữ ở định dạng chuẩn hóa trong PDF, giúp các ứng dụng phần mềm khác nhau dễ dàng truy cập và đọc được.
Bảo mật là một tính năng chính của định dạng PDF và điều này mở rộng đến cả hình ảnh trong tài liệu PDF. PDF có thể được mã hóa và quyền truy cập vào chúng có thể được kiểm soát thông qua việc sử dụng mật khẩu. Điều này có nghĩa là hình ảnh nhạy cảm được nhúng trong PDF có thể được bảo vệ khỏi truy cập trái phép. Ngoài ra, PDF hỗ trợ chữ ký số, có thể được sử dụng để xác minh tính xác thực và toàn vẹn của tài liệu, bao gồm cả hình ảnh mà tài liệu đó chứa.
Định dạng PDF cũng được thiết kế để có thể truy cập, có nghĩa là nó hỗ trợ các tính năng giúp người khuyết tật có thể sử dụng tài liệu. Đối với hình ảnh, điều này bao gồm khả năng đưa vào các mô tả văn bản thay thế có thể được đọc bởi trình đọc màn hình. Điều này đảm bảo rằng thông tin được truyền tải bằng hình ảnh có thể truy cập được đối với những người dùng bị khiếm thị.
Khi nói đến việc in ấn, PDF rất đáng tin cậy do bản chất tự chứa của chúng. Tất cả thông tin cần thiết để tái tạo chính xác tài liệu, bao gồm cả hình ảnh, đều được nhúng trong tệp. Điều này có nghĩa là PDF sẽ in theo cùng một cách trên bất kỳ máy in nào, bất kể thiết bị hoặc phần mềm nào đang được sử dụng. Điều này đặc biệt quan trọng đối với các tài liệu yêu cầu bố cục chính xác và hình ảnh chất lượng cao, chẳng hạn như tờ rơi và tạp chí.
Tệp PDF có thể tương tác và điều này cũng mở rộng đến cả hình ảnh. Hình ảnh trong PDF có thể được liên kết siêu văn bản, có nghĩa là nhấp vào hình ảnh có thể đưa người dùng đến một phần khác của tài liệu hoặc thậm chí đến một trang web bên ngoài. Ngoài ra, PDF có thể bao gồm các trường biểu mẫu, chú thích và các yếu tố tương tác khác có thể được liên kết với hình ảnh, nâng cao trải nghiệm người dùng và chức năng của tài liệu.
Việc tạo và chỉnh sửa PDF, bao gồm cả việc nhúng và chỉnh sửa hình ảnh, có thể được thực hiện bằng nhiều công cụ phần mềm khác nhau. Adobe Acrobat là trình chỉnh sửa PDF nổi tiếng nhất, nhưng có nhiều công cụ khác có sẵn, bao gồm các tùy chọn miễn phí và mã nguồn mở. Các công cụ này cho phép người dùng chèn hình ảnh vào PDF, thay đổi kích thước và cắt xén chúng, điều chỉnh thuộc tính của chúng và thực hiện các tác vụ chỉnh sửa khác. Phần mềm chỉnh sửa PDF nâng cao cũng có thể thực hiện nhận dạng ký tự quang học (OCR) trên hình ảnh, chuyển đổi văn bản trong hình ảnh thành văn bản có thể tìm kiếm và chỉnh sửa được.
Về mặt cấu trúc tệp, tài liệu PDF được tạo thành từ các đối tượng xác định nội dung của tài liệu. Các đối tượng này được tổ chức thành một cấu trúc phân cấp được gọi là 'cây đối tượng' của tài liệu. Hình ảnh được nhúng vào cấu trúc này dưới dạng 'đối tượng hình ảnh'. Mỗi đối tượng hình ảnh chứa luồng dữ liệu hình ảnh được nén, cũng như một từ điển xác định các thuộc tính của hình ảnh, chẳng hạn như loại, chiều rộng, chiều cao, không gian màu và bất kỳ bộ lọc nào được áp dụng để nén.
Đặc điểm kỹ thuật PDF đã phát triển theo thời gian và hiện được Tổ chức Tiêu chuẩn hóa Quốc tế (ISO) duy trì dưới dạng ISO 32000. Tiêu chuẩn hóa này đảm bảo rằng PDF vẫn là một định dạng mở và các tài liệu được tạo bằng các phần mềm và nền tảng khác nhau có thể được trao đổi và xem một cách đáng tin cậy. Đặc điểm kỹ thuật bao gồm thông tin chi tiết về cách hình ảnh nên được định dạng và nhúng vào các tệp PDF, đảm bảo tính nhất quán trên nhiều phần mềm có thể tạo và đọc tài liệu PDF.
Tóm lại, định dạng hình ảnh PDF là một thành phần phức tạp và giàu tính năng của tiêu chuẩn PDF. Nó hỗ trợ nhiều loại hình ảnh và thuật toán nén, quản lý màu tinh vi, tính trong suốt và siêu dữ liệu. PDF cung cấp các tính năng bảo mật mạnh mẽ, tùy chọn truy cập và khả năng in ấn đáng tin cậy. Các tính năng tương tác của hình ảnh PDF nâng cao trải nghiệm người dùng và cấu trúc chuẩn hóa của các tệp PDF đảm bảo khả năng tương thích trên các nền tảng và thiết bị khác nhau. Do đó, PDF vẫn là một trong những định dạng được sử dụng rộng rãi nhất để trao đổi tài liệu và việc hiểu các khả năng của nó liên quan đến hình ảnh là điều cần thiết đối với bất kỳ ai làm việc với tài liệu 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.