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。
PCL（打印机命令语言）图像格式不是像 JPEG 或 PNG 这样的独立图像格式，而是惠普（HP）开发的 PCL 打印机语言的一部分。PCL 是一种页面描述语言 (PDL)，用于控制打印设备，并且受到许多不同打印机型号的广泛支持。它用于告诉打印机如何打印文档，包括文本、字体、图形和图像。PCL 语言用于描述打印页面上文本和图形的布局，并且它包括用于控制打印机的图形状态和将图像栅格化（转换为像素）的命令。
PCL 最初于 1980 年代推出，并随着时间的推移不断发展，发布了多个版本。最常见的版本是 PCL 5、PCL 5e 和 PCL 6（也称为 PCL XL）。PCL 5 引入了宏、更大的位图字体和图形功能。PCL 5e（增强版）在打印机和 PC 之间增加了双向通信，并提高了打印速度和图像质量。PCL 6 旨在成为一种用于复杂图形的高效协议，它使用压缩协议传输数据，并且针对从 Windows 等图形用户界面进行打印进行了优化。
在 PCL 的上下文中，图像表示为可以打印在纸上的点图案。PCL 使用矢量命令和栅格图形的组合来表示图像。矢量命令用于绘制形状和线条，而栅格图形用于更复杂的图像或照片。当 PCL 打印机收到文档时，它会处理这些命令以创建最终的打印输出。
PCL 中的栅格图像使用一系列命令定义，这些命令指定图像数据的分辨率、大小和编码。PCL 图像的分辨率通常以每英寸点数 (DPI) 指定，它表示打印机将使用多少个点来表示一英寸纸张上的图像 。图像的大小根据点行数和列数定义。
PCL 支持多种编码栅格图像数据的方法。一种常见的方法是使用简单的游程编码 (RLE)，它通过用单个值和计数替换相同颜色的序列来压缩图像数据。这对于具有大面积单一颜色的图像特别有效。PCL 还支持更复杂的压缩方案，例如仅对相邻像素行之间的差异进行编码的行差分压缩，以及可以在图像的不同部分之间切换不同压缩方法的自适应压缩。
要在 PCL 文档中包含图像，必须先将图像数据转换为 PCL 格式。这涉及到将图像栅格化，这意味着将其从其原始格式（例如 JPEG 或 PNG）转换为打印机可以理解的点阵。然后使用支持的压缩方法之一对栅格化图像进行编码，并使用适当的 PCL 命令将其嵌入到 PCL 文档中。
用于嵌入图像的 PCL 命令包括“进入栅格模式”命令，它表示栅格图像的开始，以及“栅格数据传输”命令，它用于将实际图像数据发送到打印机。还有用于设置图像的分辨率和颜色深度的命令，以及用于在页面上定位图像的命令。
PCL 图像中的颜色通过使用调色板或直接颜色指定来处理。在调色板中，图像中使用的每种颜色都由颜色值表中的索引定义。打印机使用此表来确定为每个点打印的实际颜色。直接颜色指定允许显式指定每个点的颜色，通常作为红色、绿色和蓝色 (RGB) 值的组合。
PCL 还包括对半色调的支持，这是一种通过改变点图案来模拟不同色调的技术。半色调是必要的，因为大多数打印机可以打印的颜色数量有限（通常只有黑色、青色、品红色和黄色）。通过仔细排列这些基本颜色的点，可以模拟广泛的色调和颜色。PCL 使用多种半色调算法，包括有序抖动和错误扩散，以实现此效果。
在打印包含 PCL 图像的文档时，计算机上的打印机驱动程序会将 文档转换为 PCL 命令，包括任何嵌入图像的命令。驱动程序还会处理任何必要的颜色转换，例如将 RGB 颜色转换为打印机使用的色彩空间（通常为 CMYK - 青色、品红色、黄色和键/黑色）。然后将生成的 PCL 数据流发送到打印机进行打印。
PCL 的优点之一是它在许多不同的打印机型号和制造商中得到广泛支持。这意味着使用 PCL 命令格式化的文档可以在各种打印机上打印，而无需针对每台打印机重新格式化或调整。但是，由于 PCL 是一种相对低级的语言，因此直接创建 PCL 文档可能会很复杂，并且需要很好地理解 PCL 命令集。
出于这个原因，大多数用户永远不会直接与 PCL 命令交互。相反，他们将使用可以生成 PCL 输出的打印机驱动程序或软件应用程序。例如，从文字处理器或图形程序打印时，应用程序会将文档发送到打印机驱动程序，后者会将其转换为用于打印的 PCL 命令。
尽管 PCL 已经很老了，但由于其效率和可靠性，它仍然在今天使用。它特别适合于打印机在许多用户之间共享并且以打印文本和简单图形为主的办公环境。PCL 对宏和字体的支持还允许快速打印具有重复元素的标准表单和文档。
但是，PCL 确实有一些限制，尤其是在打印复杂图形或高分辨率图像时。虽然 PCL 6（PCL XL）旨在解决其中一些问题，但它不像 PCL 的早期版本那样得到广泛支持，并且一些用户报告了与某些打印机的兼容性问题。此外，PCL 不太适合从需要对图形的布局和质量进行精确控制的应用程序（例如桌面出版软件）进行打印。
总之，PCL 图像格式是 PCL 打印机语言的一个组成部分，PCL 打印机语言几十年来一直是印刷行业的标准。它的设计允许在各种打印机上高效可靠地打印带有嵌入图像的文档。虽然它可能不是高质量图形打印的最 佳选择，但它易于使用且支持各种打印任务，使其成为许多企业和个人的宝贵工具。了解 PCL 的技术方面以及它如何处理图像对于 IT 专业人员、软件开发人员以及参与创建或维护印刷文档的任何人都是有益的。
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。