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。
EPSI（封装 PostScript 交换）图像格式是 EPS 格式的专门版本，旨在封装 PostScript 文件和预览图像。此格式在需要可视化 PostScript 内容而无需直接呈现 PostScript 代码本身的环境中特别有价值。预览图像的存在使不理解 PostScript 的应用程序和系统能够显示内容的可视化表示。这种二元性使 EPSI 在印刷、出版和设计领域异常通用，它弥合了复杂图形设计与其在不同软件平台上的表示之间的差距。
从本质上讲，EPSI 文件包含两个主要组件：PostScript 代码和预览图像。PostScript 代码是由 Adobe Systems 开发的一种编程语言，用于描述印刷材料上的文本、图形形状和图像的外观。它非常强大且灵活，能够精确描述复杂的布局和字体。另一方面，预览图像通常以二进制或 ASCII 格式保存，作为 PostScript 内容的快速视觉参考。这种分叉使用户能够以更直观的方式与文件交互，在抽象的 PostScript 命令及其视觉结果之间架起桥梁。
EPSI 格式与广泛软件的兼容性是其最引人注目的特性之一。由于 EPSI 文件同时包含原始 PostScript 数据和预览图像，因此它们可以无缝集成到基于矢量和基于光栅的工作流中。这使得 EPSI 文件非常适合用于平面设计、桌面出版和在线内容创作，它们可以由各种工具（如 Adobe Illustrator、Photoshop 和其他图形设计软件）处理。此外，该格式在不同操作系统上的支持进一步增强了其在多平台世界中的可用性。
创建和编辑 EPSI 文件需要对 PostScript 编程和图像编辑有细致的了解。此过程通常从在基于矢量的设计工具中创建图形设计或布局开始。设计完成后，将其导出为 PostScript 文件。然后将此文件与预览图像一起封装到 EPSI 格式中。预览图像可以通过多种方式生成，具体取决于所使用的软件，但它通常表示 PostScript 内容的栅格化版本。EPSI 文件的这种双重性质需要在 PostScript 代码的精度和预览图像的视觉保真度之间仔细平衡。
EPSI 格式固有的一个技术挑战是维护 PostScript 内容和预览图像之间的同步。由于文件的 PostScript 部分可能包含复杂且动态生成的图形，因此确保预览图像准确表示此内容可能很困难。在初始创建 EPSI 文件后编辑 PostScript 内容的情况下，这个问题变得尤为突出。在这种情况下，需要重新生成预览图像以反映更新的内容，如果不精确处理，此过程可能会引入差异。
EPSI 格式的灵活性扩展到其在预览中支持不同图像质量级别。根据文件的预期用途，可以调整预览图像的质量以在视觉清晰度和文件大小之间取得平衡。对于打算快速查看或在线共享的 EPSI 文件，可能更喜欢质量较低、尺寸较小的预览。相反，对于高端印刷或详细审查，需要高分辨率预览以准确表示底层 PostScript 内容。这种灵活性允许用户根据其特定需求定制格式，使其高度适应不同的用例。
尽管有其优势，但 EPSI 格式也并非没有局限性。一个重大的缺点是文件大小，它可能比其他图像格式大得多。这主要是由于文件的双重性质，它同时包含完整的 PostScript 代码和预览图像。在存储或带宽受限的环境中，EPSI 格式可能不是理想的选择。此外，PostScript 语言的复杂性意味着创建和编辑 EPSI 文件需要更高的技术技能，这可能会限制非专家的可访问性。
EPSI 文件中 PostScript 和预览图像之间的相互作用也对安全性有影响。PostScript 作为一种编程语言，允许执行代码，这些代码有可能被恶意利用。在分发 EPSI 文件时，至关重要的是确保 PostScript 内容来自受信任的来源，以减轻安全风险。在处理 EPSI 文件时，尤其是在敏感或安全的环境中，这一方面需要谨慎和尽职调查。
在文件兼容性和面向未来方面，EPSI 格式受益于其基于 PostScript，这是一种成熟且广泛支持的语言。然而，平面设计和出版软件不断变化的格局可能会对其持续相关性构成挑战。随着更新的格式和技术出现，主要迎合印刷和高端设计的 EPSI 等格式的需求可能会减少。相关性的这种潜在下降凸显了维护和更新旧系统和文件以确保与现代软件生态系统兼容的重要性。
从技术角度来看，针对性能和兼容性优化 EPSI 文件涉及几个方面。一个关键方面是选择预览图像的正确分辨率，它必须在视觉质量和文件大小之间取得平衡。此外，在创建 PostScript 内容时，采用高效的编码实践可以帮助减小整体文件大小并缩短渲染时间。这包括优化矢量路径、最大限度地减少复杂图案或渐变的使用，以及避免在 PostScript 代码中不必要地重复元素。
将传统 EPS 文件转换为 EPSI 格式的过程突出了该格式的适应性。通过将预览图像附加到现有的 EPS 文件，用户可以将其转换为 EPSI 文件，该文件保留了 PostScript 的所有强大功能，同时获得了在各种平台上进行预览的可添加好处。此转换过程涉及生成适当的预览图像，并以符合 EPSI 规范的方式将其与 PostScript 代码封装在一起。此功能强调了 EPSI 格式在平面设计和出版领域中的灵活性和持久价值。
总之，EPSI 图像格式架起了 PostScript 复杂的、编程驱动的世界与平面设计和出版的视觉导向领域的桥梁。 它将预览图像与 PostScript 内容的独特结合提供了其他格式难以匹敌的精度、多功能性和兼容性。虽然它有自己的一系列挑战，例如文件大小考虑和对技术专长的需求，但它带来的好处——尤其是在打印质量和跨平台一致性方面——使其成为设计师、出版商和印刷专业人员的宝贵工具。随着技术的不断发展，EPSI 格式的作用和功能可能会发生变化，但其作为全面且灵活的图像格式的核心价值主张可能会在未来许多年内保持相关性。
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。