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。
光盘照片（PCD）图像格式是一种数字图像格式，由伊士曼柯达公司在 20 世纪 90 年代初开发。PCD 格式的主要目的是允许用户将高分辨率数字照片存储在 CD 上，然后可以使用专用的光盘照片播放器在计算机或电视上查看。PCD 格式是柯达更广泛战略的一部分，旨在弥合传统胶片摄影和新兴数字摄影市场之间的差距。它旨在为摄影师和消费者提供一种便捷的方式，以高保真度数字化和存档他们的胶片图像。
PCD 格式的一个关键特性是它使用多尺度分辨率结构，这允许单个 PCD 文件包含同一图像的多个分辨率。此结构基于柯达开发的专有图像压缩技术，称为 PhotoYCC。PhotoYCC 色彩空间类似于视频压缩中使用的 YCbCr 色彩空间，其中 Y 表示亮度分量，Cb 和 Cr 表示色度分量。此色彩空间特别适用于摄影图像，因为它将亮度信息与颜色信息分开，这与人眼处理图像的方式非常吻合。
PCD 文件的多尺度分辨率结构包括五个不同的分辨率级别，从 192x128 像素的基本/预览分辨率到 3072x2048 像素的最大分辨率。这些分辨率被称为 Base/16、Base/4、Base、4Base 和 16Base，其中 Base 分辨率为 768x512 像素。这允许各种用途，从缩略图预览到高质量打印。不同的分辨率以分层格式存储，使软件和硬件能够快速访问给定任务的适当分辨率级别，而无需处理整个图像文件。
PCD 文件通常使用柯达光盘照片系统创建，该系统涉及使用高分辨率扫描仪扫描胶片底片或幻灯片，然后将 数字图像以 PCD 格式写入 CD。扫描过程经过仔细校准，以确保准确的色彩再现并捕捉胶片的全动态范围。生成的 PCD 文件旨在成为胶片图像的数字存档，能够制作高质量的打印件，并可以在各种设备上轻松共享和查看。
PCD 格式还包含许多元数据字段，其中存储有关图像和扫描过程的信息。此元数据可以包括图像的日期和时间、使用的胶片类型、扫描仪设置和其他相关详细信息。此信息对于存档目的以及希望跟踪其图像技术方面的摄影师而言非常有价值。
尽管 PCD 格式具有先进的功能和它提供的高图像质量，但它面临着几个限制其广泛采用的挑战。主要挑战之一是该格式的专有性质，这意味着它只能与柯达自己的软件和硬件完全配合使用。这种与第三方软件和设备的兼容性有限，使得它对已经使用其他图像格式和编辑软件的消费者和专业人士不太有吸引力。
PCD 格式的另一个挑战是数码相机技术的快速发展和价格实惠的数码相机越来越普及。随着数码相机变得更强大并提供更高的分辨率，对许多用户来说，扫描胶片图像的需求变得不那么关键。此外，其他数字图像格式（如 JPEG 和 TIFF）的出现，这些格式更加开放且得到广泛支持，为用户提供了更灵活且更易于访问的数字图像存储和共享选项。
尽管存在这些挑战，PCD 格式仍被一些专业摄影师和爱好者使用，他们欣赏高图像质量和以高保真度数字化胶片的能力。一段时间内，它还被提供胶片扫描和存档服务的照相馆和服务提供商使用。然而，随着数码摄影市场持续增长和发展，PCD 格式的使用逐渐减少。
从技术角度来看，PCD 格式因使用上述 PhotoYCC 色彩空间和多尺度分辨率结构而引人注目。该格式使用有损压缩算法来减小文件大小，同时保持高水平的图像质 量。压缩以一种利用人眼视觉系统特征的方式应用，强调保留亮度细节而不是色度细节，后者对人眼不太明显。
PCD 文件结构由几个不同的部分组成，包括一个头文件、每个分辨率级别的图像目录以及图像数据本身。头文件包含有关文件格式版本和存储在 CD 上的图像数量的信息。每个图像目录都包含有关图像的元数据，以及指向文件中该分辨率级别图像数据位置的指针。
PCD 文件中的图像数据以平铺格式存储，图像被分成称为平铺的小矩形部分。每个平铺都是独立压缩的，这允许更有效的数据访问和操作。此平铺系统还促进了不同分辨率级别的分层存储，因为可以通过组合和下采样来自更高分辨率级别的平铺来构建较低分辨率的图像。
要查看或编辑 PCD 文件，用户通常需要能够读取 PCD 格式并处理其多尺度分辨率结构的专用软件。柯达为此提供了自己的软件，但也有第三方软件解决方案为 PCD 文件提供了不同程度的支持。一些现代图像编辑软件仍然支持 PCD 格式，尽管它不如 JPEG 和 TIFF 等更广泛使用的格式支持那么普遍。
在文件大小方面，PCD 文件可能非常大，尤其是在最高分辨率级别。这是因为该格式旨在保留原始胶片图像的质量，这需要大量数据。然而，PCD 文件中使用的压缩算法确实有助于在一定程度上减小文件大小，使其更易于存储和传输图像。
PCD 格式还支持一项称为“光盘照片组合”的功能，允许用户以结构化的方式在 CD 上组织和管理他们的图像。此功能包括创建相册、对图像进行分类以及为每个图像添加描述性文本的能力。组合功能旨在让用户更轻松地浏览和欣赏他们的数字照片集。
总之，PCD 图像格式是在从模拟摄影向数字摄影过渡期间数字化和存档胶片照片的创新解决方案。其多尺 度分辨率结构、对 PhotoYCC 色彩空间的使用以及高图像质量使其成为需要高保真度胶片图像数字副本的专业人士和爱好者的宝贵工具。然而，该格式的专有性质，以及数码相机技术的快速进步和更灵活的数字图像格式的兴起，最终导致了 PCD 格式的衰落。如今，它仍然是数码摄影历史的一部分，其技术方面仍然引起那些研究数码图像存储和压缩演变的人们的兴趣。
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。