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。
扩展 PostScript (EPT) 图像格式是一种专门的文件类型，旨在在一个文件中包含矢量和光栅（位图）元素。此独特功能使 EPT 文件在平面设计、出版以及需要高分辨率图像和可缩放矢量图形共存的任何其他领域中特别有用。EPT 格式的精髓在于它既能保留矢量图形的清晰度和可缩放性，又能容纳详细的光栅图像，为复杂的图形项目提供了一个通用的解决方案。
EPT 文件本质上由两个主要部分组成：封装 PostScript (EPS) 文件和 TIFF 格式的预览图像。文件的 EPS 部分是容纳矢量图形的部分。EPS 是一个广泛支持的矢量图形标准，允许创建、编辑和缩放高精度设计，而不会损失质量。EPT 文件的这一部分确保图形的所有矢量元素保持其保真度，无论它们被调整多少，使其非常适合徽标、文本和其他需要精确调整的设计。
EPT 文件的第二个组成部分是 TIFF 格式的预览图像。TIFF（标记图像文件格式）以其灵活性和对高质量图像的支持而闻名。在 EPT 文件的上下文中，TIFF 图像提供了整个文件的栅格预览。这对于无法原生处理 EPS 文件的软件和系统特别有用。TIFF 预览使用户能够快速浏览内容，而无需复杂的渲染软件，确保了跨各种平台和应用程序的兼容性和易用性。
将 EPS 和 TIFF 组件集成到一个 EPT 文件中允许采用两全其美的办法。设计人员可以在项目中利用矢量图形的精度和可缩放性，同时还包括高保真照片级图像。这使得 EPT 文 件在混合媒体设计中特别有价值，其中两种类型的图形都发挥着至关重要的作用。此外，预览图像的存在简化了文件管理和审查流程，因为 TIFF 预览可以快速显示，而无需使用底层矢量数据。
EPT 格式的一个主要优点是其可移植性和兼容性。鉴于 EPS 和 TIFF 都是已建立且广泛支持的格式，因此 EPT 文件继承了这种广泛的兼容性。这意味着 EPT 文件可以在不同的软件平台和设备上轻松共享、查看和编辑，而无需特定的转换工具或软件。这种互操作性在需要在各种利益相关者（包括设计师、印刷商和客户等）之间交换文件的环境中至关重要。
尽管有这些优点，EPT 格式也面临着自己的一系列挑战。主要问题源于使其如此通用的特性：单个文件中矢量和光栅图形的共存。这种二元性会导致文件大小增加，因为需要存储 EPS 矢量数据和 TIFF 预览。此外，编辑 EPT 文件可能比使用标准图像文件更复杂，因为可能需要对矢量和位图组件进行修改，这需要能够处理这两种类型数据的软件。
此外，虽然 EPT 文件中的 TIFF 预览提供了高度的视觉保真度，但同样重要的是要注意预览的分辨率是固定的。这意味着当放大或以高分辨率打印时，预览可能无法准确地表示 EPS 矢量部分的质量。因此，有时依赖 TIFF 预览来做出关键的颜色或细节决策可能会产生误导，需要直接使用 EPS 组件进行精确编辑和审查。
创建 EPT 文件的过程通常涉及使用支持 EPS 和 TIFF 格式的专业平面设计软件。设计人员首先创建他们的矢量图形，其中可以包括从简单形状到复杂插图的任何内容。一旦矢量部分完成，如果需要，则创建光栅图像或将其导入项目中。然后，该软件将这些元素组合成一个 EPT 文件，根据设计的当前状态自动生成 TIFF 预览。
在使用 EPT 文件 时，由于大多数平面设计软件中普遍支持 EPS 和 TIFF，因此兼容性很少成为问题。但是，拥有能够准确解释和渲染 EPT 文件的两个组件的适当软件至关重要。Adobe Illustrator、CorelDRAW 等软件包能够处理复杂的矢量图形，非常适合打开、编辑和管理 EPT 文件，为用户提供无缝体验。这使得 EPT 文件高度通用，适用于从徽标设计到详细的混合媒体艺术品的广泛应用。
总之，EPT 图像格式为需要矢量和光栅图形组合的项目提供了一个独特的解决方案。它的结构将 EPS 文件与 TIFF 预览相结合，允许将高质量矢量设计与详细的光栅图像无缝集成。这种二元性使 EPT 文件在平面设计和出版领域不可或缺，在这些领域中，精度和质量至关重要。然而，EPT 格式固有的复杂性和文件大小考虑提醒用户需要适当的软件和仔细的文件管理。尽管存在这些挑战，但这种通用文件格式的好处不容小觑，使 EPT 成为任何平面设计师武器库中的宝贵资产。
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。