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.
PNG48 là định dạng hình ảnh mở rộng của định dạng Đồ họa mạng di động (PNG) phổ biến và được biết đến rộng rãi. Được phát triển như một phương tiện để cải thiện những hạn chế của phiên bản tiền nhiệm, PNG48 đặc biệt giải quyết nhu cầu về độ sâu màu cao hơn trong hình ảnh kỹ thuật số. Về bản chất, '48' đề cập đến độ sâu bit, cho biết mỗi pixel của hình ảnh PNG48 chứa 48 bit thông tin màu. Đây là một bước tiến đáng kể so với PNG 24 bit tiêu chuẩn, tăng gấp đôi độ chính xác màu và cung cấp trải nghiệm hình ảnh phong phú và chi tiết hơn.
Hiểu được cấu trúc của PNG48 đòi hỏi phải tìm hiểu sâu về độ sâu màu của nó và cách nó xử lý dữ liệu hình ảnh. Trong tệp PNG48, mỗi pixel được biểu diễn bằng 48 bit, chia thành ba thành phần: đỏ, lục và lam (RGB). Mỗi thành phần này có độ sâu 16 bit, so với 8 bit trên mỗi kênh trong các tệp PNG tiêu chuẩn. Độ sâu bit cao hơn này cho phép có 65.536 sắc thái của màu đỏ, lục và lam, tương ứng, tạo thành bảng màu lý thuyết gồm hơn 281 nghìn tỷ màu. Phổ màu rộng lớn này đặc biệt có lợi cho các ứng dụng đồ họa cao cấp, nhiếp ảnh và nghệ thuật kỹ thuật số, nơi độ chính xác và độ chuyển màu là tối quan trọng.
Nén là một khía cạnh quan trọng của định dạng PNG và PNG48 cũng không ngoại lệ. PNG sử dụng phương pháp nén không mất dữ liệu được gọi là DEFLATE. Thuật toán này hoạt động bằng cách tìm và loại bỏ các phần dư thừa trong dữ liệu hình ảnh, giúp giảm kích thước tệp hiệu quả mà không làm mất bất kỳ chi tiết hoặc chất lượng nào. Thách thức đối với các tệp PNG48 là kích thước vốn lớn hơn của chúng do thông tin màu tăng lên. Mặc dù vậy, thuật toán DEFLATE vẫn duy trì tỷ lệ nén hiệu quả, đảm bảo rằng việc tăng kích thước tệp được giảm thiểu đến mức có thể trong khi vẫn bảo toàn thông tin màu có độ trung thực cao.
Tính trong suốt là một tính năng đặc trưng khác của định dạng PNG và trong PNG48, tính năng này được xử lý với sự tinh tế tương tự. PNG48 hỗ trợ độ trong suốt alpha đầy đủ, cho phép mỗi pixel có một thành phần bổ sung chỉ định độ mờ của nó. Tuy nhiên, trong tệp PNG48 thuần túy, độ trong suốt không được bao gồm trực tiếp trong định nghĩa 48 bit. Thay vào đó, để kết hợp độ trong suốt, một phần mở rộng của định dạng được gọi là PNG64 được sử dụng, trong đó 16 bit bổ sung được dành riêng cho kênh alpha. Điều này cho phép hình ảnh có các mức độ trong suốt khác nhau, từ hoàn toàn trong suốt đến hoàn toàn mờ đục, tăng cường tiện ích của định dạng trong thiết kế đồ họa và phát triển web.
Định dạng PNG48 vốn phức tạp hơn so với phiên bản tiền nhiệm PNG24, đòi hỏi nhiều hơn từ cả phần cứng và phần mềm. Độ sâu màu cao hơn đòi hỏi sức mạnh xử lý và bộ nhớ tăng lên cho cả việc xem và chỉnh sửa. Khả năng tương thích của phần mềm cũng là một vấn đề cần cân nhắc, vì không phải tất cả trình xem và trình chỉnh sửa hình ảnh đều hỗ trợ độ sâu màu 48 bit. Tuy nhiên, hầu hết các phần mềm chuyên nghiệp đã được cập nhật để hỗ trợ các hình ảnh chất lượng cao hơn này, nhận ra giá trị mà chúng mang lại cho những người sáng tạo nội dung trực quan.
Một trong những lợi thế quan trọng của định dạng PNG48 là khả năng áp dụng của nó trong nhiều lĩnh vực đòi hỏi các biểu diễn trực quan có độ trung thực cao. Trong nhiếp ảnh kỹ thuật số, độ sâu màu mở rộng có nghĩa là các sắc thái trong bóng tối và vùng sáng được bảo toàn tốt hơn nhiều, giúp giảm hiệu ứng dải thường thấy trong các độ dốc có độ sâu màu thấp hơn. Đối với các nhà thiết kế đồ họa và nghệ sĩ kỹ thuật số, định dạng này cung cấp khả năng làm việc với phổ màu rộng hơn, tạo ra các tác phẩm sống động và chân thực hơn.
Mặc dù có những ưu điểm, nhưng định dạng PNG48 không lý tưởng cho mọi trường hợp. Kích thước tệp tăng lên, mặc dù có nén không mất dữ liệu, khiến nó ít phù hợp hơn để sử dụng trên web, nơi thời gian tải và mức sử dụng băng thông là những cân nhắc quan trọng. Do đó, trong khi PNG48 là tuyệt vời cho lưu trữ, nghệ thuật kỹ thuật số và nhiếp ảnh chuyên nghiệp, thì PNG tiêu chuẩn hoặc thậm chí JPEG có thể được ưu tiên cho nội dung trực tuyến do kích thước tệp nhỏ hơn và thời gian tải nhanh hơn.
Một tính năng quan trọng khác của định dạng PNG48 là hỗ trợ hiệu chỉnh gamma. Điều này đảm bảo rằng hình ảnh được hiển thị nhất quán hơn trên các thiết bị xem khác nhau. Hiệu chỉnh gamma điều chỉnh độ sáng và độ tương phản của hình ảnh dựa trên các đặc điểm của thiết bị đầu ra, chẳng hạn như màn hình máy tính hoặc màn hình di động. Bằng cách hỗ trợ tính năng này, hình ảnh PNG48 có thể mang lại trải nghiệm hình ảnh đồng nhất hơn, điều này rất quan trọng đối với phương tiện kỹ thuật số thường được xem trên nhiều nền tảng.
Đối với những người sáng tạo và nhà phát triển quan tâm đến việc sử dụng PNG48, việc hiểu các thông số kỹ thuật và yêu cầu phần mềm là rất quan trọng. Các phần mềm chỉnh sửa hình ảnh như Adobe Photoshop, GIMP và các phần mềm khác đã triển khai hỗ trợ cho hình ảnh có độ sâu bit cao, cho phép chỉnh sửa các tệp PNG48. Tuy nhiên, độ chính xác tăng lên cũng đòi hỏi người dùng phải hiểu rõ về các thực hành quản lý màu để đảm bảo chất lượng đầu ra tốt nhất có thể. Ngoài ra, các nhà phát triển làm việc với các ứng dụng web phải triển khai các tùy chọn dự phòng cho các trình duyệt không hỗ trợ các tệp PNG có độ sâu bit cao, đảm bảo khả năng truy cập rộng rãi.
Các công cụ tối ưu hóa và chuyển đổi cũng đóng một vai trò quan trọng trong việc sử dụng thực tế các tệp PNG48. Với kích thước của chúng, việc tối ưu hóa các tệp này cho các trường hợp sử dụng cụ thể là rất cần thiết. Có nhiều công cụ phần mềm và thư viện khác nhau để nén thêm các tệp PNG48 mà không làm giảm chất lượng của chúng. Hơn nữa, các công cụ chuyển đổi cho phép giảm kích thước các tệp PNG48 xuống các định dạng tương thích rộng rãi hơn khi cần thiết, cung cấp sự linh hoạt trong cách sử dụng và chia sẻ các hình ảnh chất lượng cao này.
Tóm lại, định dạng hình ảnh PNG48 đại diện cho một bước tiến đáng kể trong công nghệ hình ảnh kỹ thuật số, mang lại độ sâu màu và độ trung thực hình ảnh vô song. Mặc dù đi kèm với một số thách thức, bao gồm kích thước tệp lớn hơn và yêu cầu tính toán tăng lên, nhưng những lợi ích về chất lượng hình ảnh là không thể phủ nhận. Khi công nghệ tiếp tục phát triển và hỗ trợ cho độ sâu bit cao trở nên phổ biến hơn, có khả năng chúng ta sẽ thấy PNG48 và các định dạng tương tự được áp dụng rộng rãi hơn trong các ứng dụng chuyên nghiệp và tiêu dùng cao cấp, thúc đẩy ranh giới của hình ảnh kỹ thuật số xa hơn nữa.
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.