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。
PALM图像格式，也称为Palm Bitmap，是一种与Palm OS设备相关的栅格图形文件格式。它旨在存储Palm OS PDA（个人数字助理）上的图像，这些设备在20世纪90年代末和21世纪初很流行。该格式专门针对这些手持设备的显示和内存限制而设计，这就是它针对低分辨率、索引颜色图像进行优化，以便在设备屏幕上快速呈现的原因。
PALM图像的特点是简单和高效。该格式支持有限的调色板，通常最多256种颜色，这足以满足PDA的小屏幕。这种索引颜色方法意味着图像中的每个像素不是由其自己的颜色值表示，而是由一个索引表示，该索引指向包含实际RGB（红色、绿色、蓝色）值的调色表。这种颜色表示方法非常节省内存，这对于RAM和存储容量有限的设备至关重要。
PALM图像文件的基本结构包括一个头文件、一个调色板（如果图像不是单色的）、位图数据以及可能的透明度信息。头文件包含有关图像的元数据，例如其宽度和高度（以像素为单位）、位深度（决定颜色数量）以及指示图像是否有透明度索引或是否已压缩的标志。
压缩是PALM图像格式的另一个特点。为了节省更多空间，可以使用行程长度编码（RLE）算法压缩PALM图像。RLE是一种无损数据压缩形式，其中相同数据值（行程）的序列存储为单个数据值和计数。这对于具有大面积均匀颜色的图像特别有效，这在PDA中使用的图标和用户界面元素中很常见。
PALM图像中的透明度通过透明度索引处理。此索引指向调色板中指定为透明的颜色，允许在不同背景上叠加图像，而图像周围不会出现块状的不透明矩形。此功能对于创建无缝用户界面至关重要，在该界面中，图标和其他图形需要与其背景融合。
PALM图像中的调色板是一个关键组件，因为它定义了图像中使用的颜色集。调色板是一个颜色条目数组，其中每个条目通常是一个16位值，表示RGB颜色。图像的位深度决定了调色板中的最大颜色数。例如，1位深度图像将具有2色调色板（通常为黑色和白色），而8位深度图像最多可以有256种颜色。
PALM图像文件中的位图数据是图像的逐像素表示。每个像素都存储为调色板中的索引。此数据的存储可以采用原始的未压缩格式，也可以使用RLE进行压缩。在未压缩格式中，位图数据只是一系列索引，每个像素一个索引，从上到下按行排列，从左到右按列排列。
PALM图像格式的一个独特方面是它支持单个图像中的多个位深度。这意味着图像可以包含具有不同颜色分辨率的区域。例如，PALM图像可以具有高颜色深度图标（8位）和低颜色深度装饰元素（1位）。这种灵活性允许通过仅在图像的视觉质量需要时使用更高的位深度来有效利用内存。
PALM图像格式还包括对自定义图标和菜单图形的支持，这对于Palm OS应用程序的用户界面至关重要。这些图像可以集成到应用程序代码中，并使用Palm OS API（应用程序编程接口）在设备上显示。该API提供了用于加载、显示和操作PALM图像的函数，使开发人员可以轻松地将图形合并到其应用程序中。
尽管PALM图像格式在Palm OS设备中高效且实用，但与更现代的图像格式相比，它有几个限制。例如，它不支持真彩色图像（24位或更高），这限制了它在需要高保真图形的应用程序中的使用。此外， 该格式不支持高级功能，例如图层、alpha通道（超出简单的透明度）或EXIF（可交换图像文件格式）等元数据，这些元数据通常在JPEG或PNG等格式中找到。
PALM图像格式在Palm OS设备和应用程序之外没有得到广泛使用。随着Palm OS PDA的衰落以及智能手机和其他具有更高级操作系统和图形功能的移动设备的兴起，PALM格式已基本过时。现代移动设备支持多种图像格式，包括JPEG、PNG和GIF，这些格式比PALM格式提供更大的颜色深度、更好的压缩和更多功能。
出于历史和存档目的，可能需要将PALM图像转换为更现代的格式。这可以使用可以读取PALM格式并将其转换为PNG或JPEG等格式的专门软件工具来完成。这些工具通常会解析PALM文件结构，提取位图数据和调色板，然后在目标格式中重建图像，尽可能保留原始图像质量。
在文件扩展名方面，PALM图像通常使用“.pdb”（Palm数据库）扩展名，因为它们通常存储在Palm数据库文件中，这些文件是Palm OS应用程序使用的各种类型数据的容器。图像数据存储在PDB文件中的特定记录中，应用程序可以根据需要访问该记录。与Palm数据库系统的这种集成使得将图像与其他应用程序数据（例如文本或配置设置）捆绑在一起变得容易。
创建和操作PALM图像需要了解该格式的规范和限制。使用Palm OS的开发人员通常会使用Palm提供的软件开发工具包（SDK），其中包括用于处理PALM图像的工具和文档。这些SDK将提供图像处理库，允许开发人员在应用程序中创建、修改和显示PALM图像，而无需管理文件格式的底层细节。
总之，PALM图像格式在Palm OS PDA时代发挥了重要作用，它提供了一种简单有效的方法来处理资源有限的设备上的图形。虽然它已被当今技术领域中更高级的图像格式所超越，但了解PALM格式可以深入了解早期移动计算平台的设计考虑和限制。对于那些处理旧版Palm OS应用程序或设备的人来说，了解PALM格式对于维护和转换旧图像资产仍然很重要。
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。