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.
VST (Versatile STorage) ảnh định dạng, trong khi không được công nhận rộng rãi như các định dạng như JPEG hoặc PNG, đại diện cho một đổi mới công nghệ đáng kể trong lĩnh vực hình ảnh kỹ thuật số. Được phát triển với mục đích cung cấp hình ảnh chất lượng cao với khả năng nén hiệu quả, định dạng VST được thiết kế để tạo ra sự cân bằng giữa độ trung thực của hình ảnh, hiệu quả nén và tính linh hoạt khi sử dụng trên nhiều nền tảng và thiết bị khác nhau. Bài trình bày chi tiết này nhằm mục đích làm sáng tỏ những phức tạp về mặt kỹ thuật, lợi thế và các ứng dụng tiềm năng của định dạng hình ảnh VST, góp phần vào sự hiểu biết sâu sắc hơn về vai trò và tiềm năng của nó trong bối cảnh hình ảnh kỹ thuật số.
Nền tảng của định dạng hình ảnh VST nằm ở cách tiếp cận độc đáo của nó đối với việc nén, sử dụng cả các kỹ thuật không mất dữ liệu và mất dữ liệu trong một khuôn khổ đơn lẻ. Không giống như các định dạng truyền thống chỉ sử dụng riêng nén không mất dữ liệu hoặc nén mất dữ liệu, VST điều chỉnh động phương pháp nén của nó dựa trên nội dung của hình ảnh và các tùy chọn do người dùng chỉ định. Khả năng thích ứng này cho phép nó duy trì độ trung thực cao của các chi tiết hình ảnh quan trọng đồng thời cũng đạt được sự giảm đáng kể về kích thước tệp, một hành động cân bằng là chìa khóa cho tính linh hoạt và sức hấp dẫn của nó.
Trung tâm của thuật toán nén của VST là khái niệm 'phân đoạn thích ứng'. Hình ảnh được chia thành các phân đoạn dựa trên sự tương đồng về màu sắc và kết cấu, với mỗi phân đoạn trải qua một quá trình nén được thiết kế riêng. Các phân đoạn chứa thông tin rất chi tiết, chẳng hạn như văn bản hoặc các mẫu tinh tế, được xử lý bằng nén không mất dữ liệu để bảo toàn độ rõ nét. Ngược lại, các vùng có độ dốc mượt hơn hoặc ít chi tiết hơn có thể phải chịu nén mất dữ liệu, giảm đáng kể kích thước tệp với tác động tối thiểu đến chất lượng hình ảnh được nhận thức. Quá trình phân đoạn này được tối ưu hóa động cho từng hình ảnh, đảm bảo nén hiệu quả mà không cần áp dụng cách tiếp cận phù hợp với mọi kích cỡ.
Một đặc điểm nổi bật khác của định dạng VST là hỗ trợ hình ảnh dải động cao (HDR). Khi công nghệ hình ảnh và hiển thị kỹ thuật số phát triển, nhu cầu về gam màu rộng hơn và dải sáng hơn ngày càng trở nên phổ biến. VST giải quyết nhu cầu này bằng cách hỗ trợ nội dung HDR vốn có, cho phép thể hiện phổ màu rộng hơn và độ tương phản sắc nét hơn. Tính năng này làm cho VST đặc biệt phù hợp với nhiếp ảnh chuyên nghiệp, quay phim và bất kỳ ứng dụng nào mà độ chính xác và chi tiết của màu sắc là tối quan trọng.
Ngoài khả năng nén và hỗ trợ HDR đặc biệt, định dạng VST còn được thiết kế với khả năng xử lý siêu dữ liệu mạnh mẽ. Nó có thể lưu trữ một loạt thông tin khổng lồ cùng với dữ liệu hình ảnh, bao gồm thông tin bản quyền, cài đặt máy ảnh, gắn thẻ địa lý và thậm chí cả các cấu trúc dữ liệu phức tạp có thể được thiết kế riêng cho các ứng dụng cụ thể như thực tế tăng cường. Hỗ trợ siêu dữ liệu mở rộng này không chỉ nâng cao tiện ích và khả năng quản lý của hình ảnh VST mà còn mở ra những hướng đi mới cho ứng dụng của chúng trên nhiều phương tiện kỹ thuật số khác nhau.
Khả năng tương tác và dễ sử dụng cũng là những cân nhắc chính đã định hình sự phát triển của định dạng hình ảnh VST. Trong một thế giới mà nội dung kỹ thuật số được truy cập trên nhiều thiết bị và nền tảng, nhu cầu về một định dạng hình ảnh tương thích phổ quát chưa bao giờ lớn hơn thế. Các nhà thiết kế của VST đã ưu tiên yêu cầu này, đảm bảo rằng định dạng này được hỗ trợ bởi các hệ điều hành chính, trình duyệt web và phần mềm chỉnh sửa ảnh. Khả năng tương thích rộng rãi này đạt được thông qua các tiêu chuẩn mở và cung cấp các thư viện phần mềm miền công cộng giúp tích hợp các khả năng xử lý VST vào các hệ sinh thái phần mềm hiện có.
Hơn nữa, định dạng hình ảnh VST kết hợp các tính năng tiên tiến như tải tiến bộ và hỗ trợ đa độ phân giải. Tải tiến bộ cho phép hiển thị hình ảnh ở các mức độ chi tiết ngày càng tăng khi có nhiều dữ liệu hơn, điều này đặc biệt có lợi cho các ứng dụng web nơi băng thông có thể bị hạn chế. Mặt khác, hỗ trợ đa độ phân giải cho phép lưu trữ nhiều phiên bản của hình ảnh ở các độ phân giải khác nhau trong một tệp duy nhất. Tính năng này vô giá đối với các ứng dụng nhắm mục tiêu nhiều độ phân giải hiển thị khác nhau, từ màn hình độ nét cao đến màn hình điện thoại di động, đảm bảo trải nghiệm xem tối ưu trên mọi nền tảng.
Về mặt bảo mật và tính toàn vẹn của dữ liệu, định dạng VST kết hợp một số biện pháp để bảo vệ dữ liệu hình ảnh và siêu dữ liệu liên quan. Các kỹ thuật mã hóa có thể được áp dụng để bảo vệ thông tin nhạy cảm, trong khi tổng kiểm tra và chữ ký số đảm bảo tính toàn vẹn và tính xác thực của nội dung hình ảnh. Các tính năng bảo mật này rất cần thiết cho các ứng dụng mà tính bảo mật và bảo vệ dữ liệu là tối quan trọng, chẳng hạn như trong hình ảnh y tế hoặc truyền tài liệu an toàn.
Những thách thức về việc áp dụng và thâm nhập thị trường là những cân nhắc quan trọng đối với định dạng hình ảnh VST. Bất chấp những ưu điểm về mặt kỹ thuật, sự thành công của bất kỳ định dạng kỹ thuật số nào phần lớn phụ thuộc vào việc cả nhà phát triển phần mềm và người dùng cuối áp dụng nó. Thách thức ban đầu nằm ở việc khuyến khích các nhà phát triển tích hợp hỗ trợ VST vào các ứng dụng của họ, điều này thường liên quan đến việc vượt qua sự trì trệ và sự thống trị của các định dạng đã được thiết lập. Đối với người dùng cuối, những lợi ích của VST phải được truyền đạt và chứng minh rõ ràng, nêu bật khả năng nén vượt trội, khả năng HDR và tính linh hoạt của nó trên các trường hợp sử dụng khác nhau.
Hướng tới tương lai, sự phát triển của định dạng hình ảnh VST có vẻ đầy hứa hẹn, với những tiến bộ tiềm năng trong các thuật toán nén, tích hợp trí tuệ nhân tạo (AI) và thậm chí hỗ trợ siêu dữ liệu rộng hơn. Những cải tiến về khả năng nén có thể làm giảm thêm kích thước tệp mà không làm giảm chất lượng hình ảnh, khiến VST trở thành một lựa chọn hấp dẫn hơn nữa cho lưu trữ khối lượng lớn và các ứng dụng web. Việc tích hợp AI có thể nâng cao khả năng xử lý và tối ưu hóa hình ảnh, cho phép đưa ra các quyết định phân đoạn và nén thông minh hơn dựa trên nhận dạng nội dung. Mở rộng khả năng siêu dữ liệu có thể cho phép gắn thẻ và phân loại tinh vi hơn, tạo điều kiện cho các tính năng tìm kiếm và tổ chức nâng cao.
Tóm lại, định dạng hình ảnh VST đại diện cho một bước tiến đáng kể trong lĩnh vực hình ảnh kỹ thuật số, kết hợp khả năng biểu diễn hình ảnh chất lượng cao với khả năng nén hiệu quả, tính linh hoạt và các tính năng hướng tới tương lai như hỗ trợ HDR và xử lý siêu dữ liệu mạnh mẽ. Mặc dù vẫn còn những thách thức đối với việc áp dụng rộng rãi, nhưng những lợi ích và ứng dụng tiềm năng của VST là rất lớn. Khi công nghệ hình ảnh kỹ thuật số tiếp tục phát triển, nhu cầu về các định dạng có thể cân bằng khéo léo giữa chất lượng, kích thước và tiện ích sẽ chỉ ngày càng tăng. Về mặt này, VST hứa hẹn rất nhiều, có khả năng định hình lại bối cảnh hình ảnh kỹ thuật số cho nhiều ứng dụng khác nhau, từ web đến nhiếp ảnh chuyên nghiệp và hơn thế 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.