光学字符识别（OCR）将文本图像（扫描件、智能手机照片、PDF）转换为机器可读的字符串，并越来越多地转换为 结构化数据。现代 OCR 是一个清理图像、查找文本、读取文本并导出丰富元数据的管道， 以便下游系统可以搜索、索引或提取字段。两个广泛使用的输出标准是 hOCR，一种用于文本和布局的 HTML 微格式，以及 ALTO XML，一种面向图书馆/档案馆的模式；两者都保留位置、阅读顺序和其他布局提示，并受 流行引擎（如 Tesseract）支持。
预处理。 OCR 质量始于图像清理：灰度转换、去噪、 阈值处理（二值化）和偏斜校正。经典的 OpenCV 教程涵盖了全局、 自适应 和 Otsu 阈值处理——适用于光照不均匀或双峰直方图的文档。当页面内的光照发生变化时 （例如手机快照），自适应方法通常优于单个全局阈值；Otsu 通过分析直方图自动选择阈值。倾斜校正同样重要：基于霍夫变换的 偏斜校正（霍夫线变换）与 Otsu 二值化相结合，是生产预处理管道中常用且有效的方案。
检测与识别。 OCR 通常分为文本检测（文本在 哪里？）和文本识别（它说了什么？）。在自然场景和许多扫描中，全卷积 检测器（如 EAST ）可以有效地预测单词或行级四边形，而无需繁重的提议阶段，并且已在 常见工具包（例如 OpenCV 的文本检测教程）中实现。在复杂的页面（报纸、表格、书籍）上，行/区域的分割和阅读顺序推断很重要：Kraken 实现了传统的区域/行分割和神经基线分割，并明确支持 不同的脚本和方向（LTR/RTL/垂直）。
识别模型。 经典的开源主力 Tesseract （由 Google 开源，源于 HP）从字符分类器演变为基于 LSTM 的序列 识别器，可以从 CLI 发出可搜索的 PDF、 hOCR/ALTO 友好输出等。现代识别器依赖于序列建模，而无需预先分割字符。 连接主义时间分类 (CTC) 仍然是基础，它学习输入特征序列和输出标签字符串之间的对齐；它广泛 用于手写和场景文本管道。
在过去几年中，Transformer 重塑了 OCR。 TrOCR 使用视觉 Transformer 编码器和文本 Transformer 解码器，在大型合成语料库上进行训练，然后 在真实数据上进行微调，在印刷、手写和场景文本基准测试中表现出色（另请参阅 Hugging Face 文档）。与此同时，一些系统绕过 OCR 进行下游理解： Donut（文档理解 Transformer） 是一种无 OCR 的编码器-解码器，可直接从文档 图像输出结构化答案（如键值 JSON）（仓库， 模型卡），避免了在单独的 OCR 步骤为 IE 系统提供数据时出现错误累积。
如果您想要跨多种脚本的“开箱即用”文本阅读， EasyOCR 提供了一个包含 80 多种语言模型的简单 API，可返回框、文本和置信度——方便用于原型和 非拉丁脚本。对于历史文献， Kraken 以基线分割和脚本感知阅读顺序而著称；对于灵活的行级训练， Calamari 建立在 Ocropy 的基础上（Ocropy），带有（多）LSTM+CTC 识别器和用于微调自定义模型的 CLI。
泛化取决于数据。对于手写， IAM 手写数据库 为训练和评估提供了不同作者的英语句子；它是 行和单词识别的长期参考集。对于场景文本， COCO-Text 在 MS-COCO 上分层了广泛的注释，带有印刷/手写、清晰/不清晰、脚本和 完整转录的标签（另请参阅原始 项目页面）。该领域还严重依赖合成预训练： 野外合成文本 将文本渲染到具有逼真几何和光照的照片中，为预训练 检测器和识别器提供大量数据（参考 代码和数据）。
ICDAR 的鲁棒阅读 下的竞赛使评估保持接地气。最近的任务强调端到端检测/阅读，并包括将单词 链接成短语，官方代码报告 精确率/召回率/F-score、交并比 (IoU) 和字符级编辑距离度量——反映了从业者应该跟踪的内容。
OCR 很少以纯文本结尾。档案馆和数字图书馆更喜欢 ALTO XML ，因为它除了内容之外还编码了物理布局（带坐标的块/行/字），并且它与 METS 打包配合得很好。 hOCR 微格式则相反，它使用 ocr_line 和 ocrx_word 等类将相同的思想嵌入到 HTML/CSS 中，从而可以轻松地使用 Web 工具进行显示、编辑和转换。Tesseract 两者都支持——例如， 直接从 CLI 生成 hOCR 或可搜索的 PDF（PDF 输出指南）；像 pytesseract 这样的 Python 包装器增加了便利性。当存储库具有固定的接收 标准时，存在用于在 hOCR 和 ALTO 之间进行转换的转换器——请参阅此精 选列表 OCR 文件格式工具。
最强劲的趋势是融合：检测、识别、语言建模，甚至特定于任务的解码 正在合并到统一的 Transformer 堆栈中。在 大型合成语料库 上进行预训练仍然是一个力量倍增器。无 OCR 模型将在目标是结构化输出 而不是逐字记录的任何地方积极竞争。也期待混合部署：一个轻量级检测器加上一个 TrOCR 风格的 识别器用于长格式文本，以及一个 Donut 风格的模型用于表格和收 据。
Tesseract (GitHub) · Tesseract 文档 · hOCR 规范 · ALTO 背景 · EAST 检测器 · OpenCV 文本检测 · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · IAM 手写 · OCR 文件格式工具 · EasyOCR
光学字符识别(OCR)是一种技术，用于将不同类型的文档，如扫描的纸质文档、PDF文件或由数字相机拍摄的图像，转换为可编辑和可搜索的数据。
OCR通过扫描输入的图像或文档，将图像分割成单个字符，然后将每个字符与使用模式识别或特征识别的字符形状数据库进行比较。
OCR用于各种行业和应用中，包括数字化打印文档、启用文字到语音服务、自动化数据录入过程、以及帮助视障用户更好地与文本交互。
尽管OCR技术已取得了巨大的进步，但它并不是绝对可靠的。根据原始文档的质量和所使用的OCR软件的具体情况，其准确性可能会有所不同。
虽然OCR主要用于识别打印的文本，但一些先进的OCR系统也能识别清晰、一致的手写字。然而，由于个人写作风格的巨大差异，手写字体识别通常准确率较低。
是的，许多OCR软件系统可以识别多种语言。然而，需要确保你正在使用的软件支持特定的语言。
OCR是Optical Character Recognition的缩写，用于识别打印的 文本，而ICR，或称Intelligent Character Recognition，更先进，用于识别手写的文本。
OCR最适合处理清晰、易于阅读的字体和标准的文字大小。虽然它可以处理各种字体和大小，但是当处理不常见的字体或非常小的文字大小时，准确性可能会下降。
OCR可能会出现问题，如处理低分辨率的文档，复杂的字体，打印质量差的文本，手写文本，以及含有干扰文本的背景的文档。另外，尽管它可以处理多种语言，但可能并不能完美地覆盖所有语言。
是的，OCR可以扫描彩色的文本和背景，虽然它通常对高对比度的颜色组合更有效，比如黑色的文本和白色的背景。当文本和背景颜色对比度不足时，其准确性可能会降低。
JNX 图像格式是一种专门的文件格式，主要用于映射应用程序，特别是 Garmin 设备用于其 Birdseye 卫星图像和自定义地图产品。JNX 文件是栅格图像，这意味着它们由像素网格组成，每个像素代表地图的一个小区域。与使用数学表达式定义的线条和形状来表示地图要素的矢量图像不同，栅格图像位图可以显示复杂、详细的卫星和航空照片，具有高度的准确性和视觉保真度。
JNX 文件不仅仅是简单的图像文件；它们被设计为与 GPS 设备和制图软件结合使用。它们包含地理参考信息，该信息将图像与地理坐标对齐，从而使 GPS 设备或软件能够根据用户的位置显示地图的正确部分。这种地理参考对于在导航中实际使用 JNX 文件以及叠加其他地图数据（例如兴趣点、路线和轨迹）至关重要。
JNX 格式是专有的且经过加密的，这意味着它不适用于最终用户或第三方开发人员的开放使用或修改。Garmin 通过加密控制格式的使用，使用户难以创建自己的 JNX 文件或修改现有文件。此加密是 Garmin 保护其对高质量卫星图像的投资并确保数据在其设备和软件生态系统中使用的策略的一部分。
尽管 JNX 格式具有专有性质，但已知一些技术细节。JNX 文件通常分为多个细节级别，类似于在线地图服务在您放大时加载更高分辨率的切片的方式。每个细节级别都由 JNX 文件中的不同切片集表示，从而使设备能够根据当前缩放级别加载适当的分辨率。这种多分辨率方法有助于优化存储空间并提高设备上的地图渲染性能。
JNX 文件中的每个切片都是地图的一个矩形部分，并且切片集合覆盖了文件表示的整个区域。切片通常以压缩格式存储以节省空间，JPEG 是一个常见的选择，因为它可以有效压缩照片内容。压缩允许将大量详细图像存储在相对较小的文件中，这对于存储容量有限的设备非常重要。
JNX 文件的结构通常包括一个头部分，其中包含有关文件元数据的信息，例如格式版本、细节级别数和切片数。在标题之后，通常有一个目录，其中列出了文件中每个切片的偏移量和长度，从而使设备能够快速找到并加载给定地图视图所需的切片。
JNX 文件中的地理参考是通过使用校准数据来完成的，该数据将图像中的像素与地理坐标相关联。此数据对于确保地图图像与现实 世界准确对齐至关重要。校准过程涉及在图像中定义与已知地理位置相对应的控制点，然后使用这些点来转换图像的其余部分以适应地理坐标系。
JNX 格式还支持包含其他地图数据层，例如地形等高线、道路和标签。这些图层可以叠加在卫星图像上，为用户提供更多背景信息并协助导航。将高分辨率图像与其他地图数据相结合的能力使 JNX 文件对于户外爱好者、徒步旅行者以及任何需要详细地理信息的人来说都非常有用且有价值。
JNX 格式的一个挑战是由于其专有性质而导致的兼容性有限。只有 Garmin 设备和软件被设计为与 JNX 文件一起使用，这意味着其他 GPS 设备或制图软件的用户无法利用该格式。对于那些喜欢使用非 Garmin 产品或希望跨不同平台共享地图数据的人来说，此限制可能是一个重大的缺点。
尽管有加密和专有权限制，但爱好者社区在逆向工程 JNX 格式方面取得了一些成功。这导致了非官方工具的开发，这些工具可以读取有时还可以创建 JNX 文件。但是，这些工具在法律灰色地带运行，其使用可能会违反 Garmin 的服务条款。用户应谨慎并了解使用此类工具的潜在法律影响。
在文件管理方面，JNX 文件通常通过 Garmin 的软件（例如 BaseCamp 或 MapInstall）进行管理。这些应用程序允许用户将 JNX 文件传输到其 Garmin 设备和从其 Garmin 设备传输，以及在计算机上组织和查看地图。该软件提供了一个用户友好的界面来处理 JNX 文件，这对于给定它们包含的数据的复杂性和大小非常重要。
JNX 格式针对 Garmin 设备上的性能进行了优化。这些设备经过专门设计，可以快速读取和显示 JNX 文件中的地图切片，从而提供流畅且响应迅速的用户体验。此优化包括使用缓存策略来减少加载时间并最大程度地减少在浏览地图时 需要从存储中读取的数据量。
在未来发展方面，随着 Garmin 在 GPS 技术和制图领域的持续创新，JNX 格式可能会不断发展。这可能包括图像分辨率的提高、更有效的压缩算法或增强的加密方法。但是，对格式的任何更改都需要与在 Garmin 生态系统中保持与现有设备和软件的兼容性的需求相权衡。
对于有兴趣使用 JNX 文件的开发人员和制图师来说，了解格式专有性质带来的限制非常重要。虽然可能有非官方处理 JNX 文件的方法，但最安全、最可靠的方法是使用 Garmin 的官方工具并遵守其创建和分发地图数据的准则。这确保了兼容性并避免了潜在的法律问题。
总之，JNX 图像格式是一种复杂且专门的文件格式，在 Garmin 生态系统中具有特定用途。其设计允许高效存储和渲染高分辨率卫星图像，并结合地理参考和附加地图数据层。虽然格式的专有性和加密性限制了其在 Garmin 产品中的使用，但它仍然是那些依赖准确且详细的地理信息进行导航和户外活动的人的重要工具。随着 GPS 技术的不断进步，JNX 格式可能会看到进一步的发展，以增强其功能和性能。
这个转换器完全在您的浏览器中运行。当您选择一个文件时,它将被读入内存并转换为所选格式。 然后,您可以下载转换后的文件。
转换立即开始,大多数文件在一秒钟内完成转换。较大的文件可能需要更长时间。
您的文件永远不会上传到我们的服务器。它们在您的浏览器中转换,然后下载转换后的文件。我们永远看不到您的文件。
我们支持在所有图像格式之间进行转换,包括 JPEG、PNG、GIF、WebP、SVG、BMP、TIFF 等等。
这个转换器完全免费,并将永远免费。因为它在您的浏览器中运行,所以我们不需要为服务器付费,因此我们不需要向您收费。
是的!您可以同时转换尽可能多的文件。只需在添加时选择多个文件即可。