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。
PBM（便携式位图）格式是最简单、最早的图形文件格式之一，用于存储单色图像。它是 Netpbm 套件的一部分，其中还包括用于灰度图像的 PGM（便携式灰度图）和用于彩色图像的 PPM（便携式像素图）。PBM 格式旨在极易于在程序中读写，并且清晰明确。它并非旨在成为一种独立的格式，而更像是用于在不同图像格式之间转换的最低公分母。
PBM 格式仅支持黑白（1 位）图像。图像中的每个像素由一个比特表示——白色为 0，黑色为 1。该格式的简单性使其易于使用基本的文本编辑工具或编程语言进行操作，而无需专门的图像处理库。但是，这种简单性也意味着 PBM 文件可能比 JPEG 或 PNG 等更复杂的格式更大，后者使用压缩算法来减小文件大小。
PBM 格式有两种变体：称为 P1 的 ASCII（纯文本）格式和称为 P4 的二进制（原始）格式。ASCII 格式可供人类阅读，并且可以使用简单的文本编辑器创建或编辑。二进制格式不可供人类阅读，但更节省空间，并且程序可以更快地读写。尽管存储方式不同，但这两种格式都表示相同类型的图像数据，并且可以在不丢失信息的情况下相互转换。
ASCII 格式的 PBM 文件的结构以一个识别文件类型的两字节魔数开头。对于 PBM ASCII 格式，这是“P1”。在魔数之后，有空白（空格、制表符、回车符、换行符），然后是宽度规范，即图像中的列数，后面是更多空白，然后是高度规范，即图像中的行数。在高度规范之后，有更多空白，然后是像素数据开始。
ASCII PBM 文件中的像素数据由一系列“0”和“1”组成，其中每个“0”表示一个白色像素，每个“1”表示一个黑色像素。像素按行排列，每行像素在新的一行上。除了在两个字符序列中（不允许在序列的两个字符之间），像素数据中的任何位置都允许有空白。在读取 width*height 位后到达文件末尾。
相比之下，二进制 PBM 格式以“P4”而不是“P1”的魔数开头。在魔数之后，文件的格式与 ASCII 版本相同，直到像素数据开始。二进制像素数据打包成字节，每个字节的最重要位 (MSB) 表示最左边的像素，并且每行像素根据需要填充以填充最后一个字节。填充位不重要，其值被忽略。
二进制格式更节省空间，因为它使用一个完整的字节来表示八个像素，而不是 ASCII 格式，后者使用至少八个字节（每个像素一个字符加上空白）。但是，二进制格式不可供人类阅读，并且需要一个了解 PBM 格式的程序来显示或编辑图像。
以编程方式创建 PBM 文件相对简单。在 C 等编程语言中，人们可以在写入模式下打开一个文件，输出适当的魔数，将宽度和高度作为用空白分隔的 ASCII 数字写入，然后输出像素数据。对于 ASCII PBM，像素数据可以写成一系列“0”和“1”，并带有适当的换行符。对于二进制 PBM，像素数据必须打包成字节并以二进制模式写入文件。
读取 PBM 文件也很简单。程序将读取魔数以确定格式，跳过空白，读取宽度和高度，跳过更多空白，然后读取像素数据。对于 ASCII PBM，程序可以一次读取一个字符，并将其解释为像素值。对于二进制 PBM，程序必须读取字节并将它们解包成各个位以获取像素值。
PBM 格式不支持任何形式的压缩或编码，这意味着文件大小与图像中 的像素数量成正比。对于高分辨率图像，这可能会导致非常大的文件。但是，该格式的简单性使其非常适合学习图像处理，用于图像保真度比文件大小更重要的场合，或用作图像转换过程中的中间格式。
PBM 格式的优点之一是它的简单性和易于操作。例如，要反转 PBM 图像（将所有黑色像素变为白色，反之亦然），人们只需在像素数据中将所有“0”替换为“1”，并将所有“1”替换为“0”。这可以通过一个简单的文本处理脚本或程序来完成。类似地，其他基本的图像操作（如旋转或镜像）可以用简单的算法实现。
尽管 PBM 格式简单，但它并未广泛用于通用图像存储或交换。这主要是由于它缺乏压缩，这使得它不适合存储大图像或在带宽可能成为问题的情况下在互联网上使用。JPEG、PNG 和 GIF 等更现代的格式提供了各种形式的压缩，更适合这些目的。但是，PBM 格式仍然在某些情况下使用，特别是用于软件开发中的简单图形，以及作为图像处理概念的教学工具。
包括 PBM 格式在内的 Netpbm 套件提供了一组用于操作 PBM、PGM 和 PPM 文件的工具。这些工具允许在 Netpbm 格式和其他流行的图像格式之间进行转换，以及基本的图像处理操作，如缩放、裁剪和颜色操作。该套件设计为易于扩展，并具有一个用于添加新功能的简单界面。
总之，PBM 图像格式是一种用于存储单色位图图像的简单、朴素的文件格式。它的简单性使其易于理解和操作，这对于教育目的或简单的图像处理任务可能是有利的。虽然它不适合所有应用程序，因为它缺乏压缩并导致文件大小大，但它仍然是一种有用的格式，在特定情况下，它的优势最能发挥作用。PBM 格式与 Netpbm 套件的其他部分一起，仍然是从事基本图像处理和格式转换的人员的宝贵工具。
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。