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 hình ảnh VIPS (Very Important Person's Society), mặc dù ít được công nhận rộng rãi trong các ứng dụng chính thống, nhưng nổi bật như một định dạng tệp chuyên dụng để xử lý hiệu quả các hình ảnh lớn. Điểm mạnh này chủ yếu đến từ thiết kế của nó, giúp tạo điều kiện cho các hoạt động hiệu suất cao trên các tệp hình ảnh khổng lồ, vốn có thể gây gánh nặng hoặc không thực tế đối với các định dạng hình ảnh truyền thống để quản lý. Khả năng xử lý hình ảnh lớn một cách hiệu quả mà không ảnh hưởng đến tốc độ khiến nó trở thành một công cụ có giá trị đối với các chuyên gia và tổ chức xử lý hình ảnh có độ phân giải cao, chẳng hạn như trong lưu trữ kỹ thuật số, hình ảnh không gian địa lý và nhiếp ảnh chuyên nghiệp.
Về cốt lõi, định dạng hình ảnh VIPS được đan xen với thư viện VIPS, một phần mềm xử lý hình ảnh miễn phí và mã nguồn mở được thiết kế dành riêng cho hình ảnh lớn. Điểm nổi bật của thư viện này là đánh giá hình ảnh theo nhu cầu và lười biếng. Điều này có nghĩa là VIPS chỉ xử lý các phần của hình ảnh cần thiết cho hoạt động hiện tại, thay vì tải toàn bộ hình ảnh vào bộ nhớ. Phương pháp này giúp giảm đáng kể băng thông bộ nhớ và tài nguyên tính toán cần thiết, cho phép xử lý các hình ảnh có kích thước lên đến hàng gigabyte hiệu quả hơn so với các bộ xử lý hình ảnh thông thường.
Một đặc điểm nổi bật khác của định dạng VIPS là hỗ trợ sâu rộng cho nhiều không gian màu và siêu dữ liệu. Không giống như nhiều định dạng hình ảnh khác chỉ hỗ trợ một phạm vi hạn chế các không gian màu, VIPS có thể xử lý một phổ rộng, bao gồm RGB, CMYK, Lab và nhiều không gian khác, đảm bảo rằng nó có thể được sử dụng trong nhiều ứng dụng từ hình ảnh web đến in ấn chuyên nghiệp. Hơn nữa, nó duy trì một loạt siêu dữ liệu trong tệp hình ảnh, chẳng hạn như cấu hình ICC, dữ liệu GPS và thông tin EXIF, cho phép thể hiện phong phú về ngữ cảnh và đặc điểm của hình ảnh.
Kiến trúc kỹ thuật của VIPS sử dụng hệ thống quản lý bộ nhớ theo ô. Hệ thống này chia nhỏ hình ảnh thành các phần hình vuông có thể quản lý được hoặc các ô, có thể được xử lý riêng lẻ. Kỹ thuật lát gạch này rất quan trọng đối với lợi thế về hiệu suất của nó, đặc biệt là khi làm việc với hình ảnh lớn. Bằng cách chỉ tải và xử lý các ô cần thiết cho một hoạt đ ộng nhất định, VIPS giảm đáng kể dấu chân bộ nhớ. Phương pháp này trái ngược hoàn toàn với các hệ thống theo hàng được sử dụng bởi một số bộ xử lý hình ảnh khác, có thể trở nên kém hiệu quả khi kích thước hình ảnh tăng lên.
Về kích thước tệp và nén, định dạng VIPS sử dụng kết hợp các kỹ thuật nén không mất dữ liệu để giảm thiểu kích thước tệp mà không làm giảm chất lượng hình ảnh. Nó hỗ trợ nhiều phương pháp nén, bao gồm ZIP, LZW và JPEG2000 cho hình ảnh hình chóp. Tính linh hoạt trong nén này cho phép người dùng cân bằng giữa chất lượng hình ảnh và kích thước tệp dựa trên nhu cầu cụ thể của họ, khiến VIPS trở thành một công cụ linh hoạt để lưu trữ và phân phối hình ảnh lớn.
Về mặt chức năng, thư viện VIPS cung cấp một bộ công cụ và hoạt động toàn diện để xử lý hình ảnh. Điều này bao gồm các hoạt động cơ bản như cắt, thay đổi kích thước và chuyển đổi định dạng, cũng như các tác vụ phức tạp hơn như hiệu chỉnh màu, làm sắc nét và giảm nhiễu. Chức năng của nó mở rộng đến việc tạo các hình ảnh hình chóp, rất cần thiết cho các ứng dụng yêu cầu hình ảnh có nhiều độ phân giải, chẳng hạn như trình xem hình ảnh có thể thu phóng. Hệ sinh thái VIPS cũng cung cấp các ràng buộc cho nhiều ngôn ngữ lập trình khác nhau, bao gồm Python và Ruby, cho phép các nhà phát triển tích hợp VIPS vào nhiều ứng dụng và quy trình làm việc khác nhau.
Định dạng hình ảnh VIPS và thư viện liên quan của nó được tối ưu hóa cho các bộ xử lý đa lõi, tận dụng tối đa khả năng xử lý song song. Điều này đạt được thông qua đường ống xử lý sáng tạo của nó, khai thác tính đồng thời ở nhiều giai đoạn xử lý hình ảnh. Bằng cách phân bổ các phân đoạn khác nhau của hình ảnh hoặc các hoạt động khác nhau cho nhiều lõi, VIPS có thể đạt được cải thiện hiệu suất đáng kể, giảm thời gian xử lý cho các hoạt động hình ảnh quy mô lớn. Khả năng xử lý song song này làm cho VIPS đặc biệt phù hợp với các môi trường và ứng dụng điện toán hiệu suất cao yêu cầu xử lý hình ảnh nhanh chóng.
Mặc dù có nhiều ưu điểm, nhưng định dạng hình ảnh VIPS cũng không phải không có những thách thức và hạn chế. Bản chất chuyên biệt của nó có nghĩa là nó không được hỗ trợ rộng rãi bởi phần mềm xem và chỉnh sửa hình ảnh chung như các định dạng phổ biến hơn như JPEG hoặc PNG. Người dùng có thể cần dựa vào chính phần mềm VIPS hoặc các công cụ chuyên dụng khác để làm việc với hình ảnh VIPS, điều này có thể gây ra đường cong học tập và rào cản hoạt động trong các quy trình làm việc quen thuộc với các định dạng phổ biến hơn. Hơn nữa, trong khi VIPS vượt trội trong việc xử lý hình ảnh lớn, đối với hình ảnh nhỏ hơn, lợi ích về hiệu suất có thể không rõ ràng, khiến nó trở thành một giải pháp kỹ thuật quá mức trong một số trường hợp.
Định dạng hình ảnh VIPS cũng đóng một vai trò quan trọng trong việc bảo quản và lưu trữ kỹ thuật số. Khả năng quản lý và lưu trữ hiệu quả các hình ảnh có độ phân giải cao mà không làm mất đáng kể chất lượng khiến nó trở thành lựa chọn lý tưởng cho các tổ chức như thư viện, bảo tàng và kho lưu trữ cần số hóa và bảo quản các bộ sưu tập lớn tài liệu trực quan. Hỗ trợ siêu dữ liệu mở rộng trong định dạng VIPS càng làm tăng thêm tiện ích của nó trong các ngữ cảnh này, cho phép lập tài liệu chi tiết và truy xuất hình ảnh dựa trên nhiều tiêu chí khác nhau.
Trong lĩnh vực phát triển web và phương tiện trực tuyến, việc sử dụng định dạng hình ảnh và thư viện VIPS có thể cải thiện đáng kể hiệu suất của các trang web và ứng dụng xử lý hình ảnh lớn. Bằng cách xử lý và cung cấp hình ảnh động ở kích thước và độ phân giải tối ưu dựa trên thiết bị và tốc độ kết nối của người dùng, các nhà phát triển web có thể cải thiện thời gian tải trang và trải nghiệm người dùng trong khi vẫn tiết kiệm băng thông. Điều này đặc biệt có liên quan trong thời đại thiết kế web phản hồi, nơi việc xử lý hiệu quả hình ảnh trên vô số thiết bị và kích thước màn hình là tối quan trọng.
Việc tạo ra và phát triển liên tục thư viện và định dạng hình ảnh VIPS nhấn mạnh một xu hướng rộng hơn trong lĩnh vực hình ảnh kỹ thuật số hướng tới việc xử lý các hình ảnh lớn hơn và phức tạp hơn. Khi máy ảnh kỹ thuật số và công nghệ hình ảnh tiếp tục phát triển, tạo ra độ phân giải ngày càng cao hơn, nhu cầu về các giải pháp xử lý hình ảnh hiệu quả nh ư VIPS dự kiến sẽ tăng lên. Điều này làm nổi bật tầm quan trọng của việc liên tục đổi mới và cải tiến các công nghệ xử lý hình ảnh để đáp ứng nhu cầu thay đổi của cả các chuyên gia và người tiêu dùng.
Hơn nữa, bản chất nguồn mở của thư viện VIPS dân chủ hóa quyền truy cập vào xử lý hình ảnh hiệu suất cao, cho phép nhiều người dùng từ những người đam mê đến các tổ chức lớn tận dụng các khả năng của nó. Cộng đồng sôi động xung quanh VIPS đóng góp vào sự phát triển của nó, cung cấp phản hồi, tạo plugin và mở rộng các chức năng của nó. Môi trường hợp tác này không chỉ thúc đẩy sự phát triển của thư viện VIPS mà còn đảm bảo rằng nó vẫn có khả năng thích ứng và đáp ứng nhu cầu của cơ sở người dùng đa dạng của nó.
Tóm lại, định dạng hình ảnh VIPS, cùng với thư viện đi kèm, đại diện cho một giải pháp tinh vi để quản lý và xử lý hình ảnh lớn một cách hiệu quả. Các nguyên tắc thiết kế của nó, tập trung vào xử lý theo nhu cầu, hỗ trợ màu sắc và siêu dữ liệu mở rộng và sử dụng hiệu quả các tài nguyên tính toán, định vị nó như một công cụ mạnh mẽ cho nhiều ứng dụng khác nhau, từ nhiếp ảnh chuyên nghiệp và lưu trữ kỹ thuật số đến phát triển web. Mặc dù có thể phải đối mặt với những thách thức về việc áp dụng rộng rãi hơn và khả năng tương thích với phần mềm chính thống, nhưng nhiều ưu điểm của nó và cộng đồng tích cực hỗ trợ sự phát triển của nó cho thấy một tương lai tươi sáng cho định dạng hình ảnh chuyên biệt này.
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.