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。
JPEG 2000 多层 (JPM) 格式是 JPEG 2000 标准的扩展，JPEG 2000 标准是一种图像压缩标准和编码系统。它由联合图像专家组委员会于 2000 年创建，目的是取代原始 JPEG 标准。JPEG 2000 以其高压缩效率和处理各种图像类型（包括灰度、彩色和多组件图像）的能力而闻名。JPM 格式专门扩展了 JPEG 2000 的功能，以支持复合文档，其中可以包含文本、图形和图像的混合。
JPM 在 JPEG 2000 套件（ISO/IEC 15444-6）的第 6 部分中定义，它旨在将多个图像和相关数据封装到一个文件中。这使其特别适用于需要将不同类型的内容存储在一起的应用程序，例如文档成像、医学成像和技术成像。JPM 格式允许在文档中高效存储页面，每个页面都可以包含具有不同特征的多个图像区域，以及非图像数据，例如注释或元数据。
JPM 的一个关键特性是它使用了 JPEG 2000 代码流 (JPX)，它是基本 JPEG 2000 代码流 (JP2) 的扩展版本。JPX 支持更广泛的色彩空间、更复杂的元数据和更高的位深度。在 JPM 文件中，每个图像或“层”都存储为一个单独的 JPX 代码流。这允许根据每个层的特征对其进行压缩，这可以带来更有效的压缩和更高的质量结果，特别是对于具有不同内容类型的复合文档。
JPM 文件的结构是分层的，由一系列盒子组成。盒子是一个自包含的单元，包括一个头和数据。头指定盒子的类型和长度，而数据包含实际内容。JPM 文件中的顶级盒子是签名盒子，它将文 件标识为 JPEG 2000 系列文件。在签名框之后，还有文件类型框、头框和内容框等。头框包含有关文件的信息，例如页数和每页的属性，而内容框包含图像数据和任何关联的非图像数据。
在压缩方面，JPM 文件可以使用无损和有损压缩方法。无损压缩确保可以从压缩数据中完美重建原始图像数据，这对于图像完整性至关重要的应用程序（例如医学成像）至关重要。另一方面，有损压缩通过丢弃一些图像数据来允许更小的文件大小，这在不需要完美保真度的情况下是可以接受的。
JPM 还支持“渐进解码”的概念，这意味着可以在下载或处理全分辨率图像时显示图像的低分辨率版本。这对于大图像或慢速网络连接特别有用，因为它允许用户快速预览，而无需等待整个文件可用。
JPM 的另一个重要方面是对元数据的支持。JPM 文件中的元数据可以包括有关文档的信息，例如作者、标题和关键字，以及有关每个图像的信息，例如拍摄日期、相机设置和地理位置。此元数据可以存储为 XML 格式，使其易于访问和修改。此外，JPM 支持包含 ICC 配置文件，该配置文件定义图像的色彩空间，确保在不同设备上准确地再现色彩。
JPM 文件还能够存储图像的多个版本，每个版本具有不同的分辨率或质量设置。此功能称为“多层”，它允许更有效的存储和传输，因为可以根据应用程序的特定需求或可用带宽选择图像的适当版本。
安全性是 JPM 提供强大功能的另一个领域。该格式支持包含数字签名和加密，可用于验证文档的真实性并保护敏感信息。这在法律和医疗文件管理等领域尤为重要，在这些领域，文件的完整性和机密性至关重要。
尽管有许多优点，但 JPM 格式并未得到广泛采用，尤其是在消费市场。这部分是由于格式的复杂 性和处理 JPM 文件所需的计算资源。此外，包括 JPM 在内的 JPEG 2000 系列标准一直受到专利许可问题的影响，与通常不受专利约束的原始 JPEG 标准相比，这阻碍了它的采用。
对于使用 JPM 文件的软件开发人员和工程师，有几个库和工具可用于支持该格式。其中包括 OpenJPEG 库，这是一个开源 JPEG 2000 编解码器，以及来自各种成像软件公司的商业产品。在使用 JPM 文件时，开发人员必须熟悉 JPEG 2000 代码流语法，以及处理复合文档和元数据的特定要求。
总之，JPM 图像格式是 JPEG 2000 标准的强大扩展，它提供了一系列适合存储和管理复合文档的功能。它对多个图像层、渐进解码、元数据、多层和安全功能的支持使其成为图像质量和文档完整性至关重要的专业和技术应用程序的理想选择。虽然它可能不像其他图像格式那样常用，但其专业功能确保它仍然是文档成像和医学成像等领域的重要工具。
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。