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。
便携式文档格式 (PDF) 是一种通用的文件格式，由 Adobe Systems 于 1993 年开发。它旨在以独立于应用程序软件、硬件和操作系统的形式呈现文档，包括文本格式和图像。PDF 可以封装各种内容，包括文本、字体、矢量图形、光栅图像以及显示文档所需的其他信息，使其如预期的那样显示。该格式已成为跨不同平台交换文档的标准，并广泛用于商业、教育和政府部门。
PDF 支持多种类型的图像，可大致分为两类：矢量图像和光栅图像。矢量图像由数学方程式定义的路径组成，这使得它们可以无损缩放。它们非常适合插图、徽标和文本。另一方面，光栅图像由固定像素网格组成，用于照片和数字艺术品。放大或缩小时，它们可能会损失质量。PDF 可以包含这两种类型的图像，并且可以使用各种算法对其进行压缩，以减小文件大小，同时不会显著影响质量。
当图像嵌入到 PDF 中时，通常会对其进行压缩以减小文件大小。PDF 支持多种压缩算法以实现此目的。对于光栅图像，通常对照片使用 JPEG 等有损压缩方法，因为它们可以显著减小文件大小，同时几乎不会损失可见质量。当图像质量至关重要时，则使用 PNG 和 TIFF 等无损压缩方法。对于矢量图像，通过使用图像路径的高效数学表示来实现压缩，并且可以使用 ZIP 等压缩算法来减小这些表示的大小。
将图像嵌入 PDF 的过程涉及多个步骤。首先，使用特定的压缩算法对图像进行编码。 然后将编码的图像数据嵌入到 PDF 文件结构中，同时提供有关图像尺寸、分辨率和色彩空间的信息。PDF 还存储有关如何渲染图像的信息，包括在查看或打印文档时应应用的任何变换，例如缩放、旋转或裁剪。
色彩管理是 PDF 图像的一个重要方面。PDF 支持各种色彩空间，例如 DeviceRGB、DeviceCMYK 和 DeviceGray，以及更复杂的色彩空间，例如 CalRGB 和基于 ICC 的色彩空间，这些色彩空间允许在不同设备上更准确地再现色彩。当图像嵌入到 PDF 中时，会定义其色彩空间，并且在必要时可以嵌入颜色配置文件，以确保在不同设备上始终如一地显示颜色。
透明度是 PDF 图像支持的另一项功能。这允许图像具有不同级别的不透明度，可用于创建复杂的视觉效果。PDF 中的透明度通过使用特殊混合模式来处理，该模式确定透明对象的色彩如何与它们后面的对象的色彩混合。此功能对于将图像叠加在一起或合并叠加在图像上的文本特别有用。
PDF 还支持在图像文件中包含元数据。此元数据可以包括有关图像的信息，例如作者、版权、创建日期和关键字。此信息对于文档管理和检索以及确保对受版权保护的图像的使用给予适当的信用非常有用。元数据以标准化格式存储在 PDF 中，使其易于各种软件应用程序访问和读取。
安全性是 PDF 格式的一项关键功能，它扩展到 PDF 文档中的图像。PDF 可以加密，并且可以通过使用密码来控制对它们的访问。这意味着嵌入在 PDF 中的敏感图像可以免遭未经授权的访问。此外，PDF 支持数字签名，可用于验证文档（包括其中包含的任何图像）的真实性和完整性。
PDF 格式还旨在实现可访问性，这意味着它支持使残障人士可以使用文档的功能。对于图像，这包括包含备用文本描述，屏幕阅读器可以读取这 些描述。这确保了图像传达的信息对视障用户可用。
在打印方面，由于 PDF 的自包含特性，因此 PDF 非常可靠。准确再现文档所需的所有信息（包括图像）都嵌入在文件中。这意味着 PDF 将在任何打印机上以相同的方式打印，无论使用何种设备或软件。对于需要精确布局和高质量图像的文档（例如手册和杂志）来说，这一点尤其重要。
PDF 文件可以是交互式的，这也扩展到了图像。PDF 中的图像可以进行超链接，这意味着单击图像可以将用户带到文档的不同部分，甚至带到外部网站。此外，PDF 可以包括表单字段、注释和其他可以与图像关联的交互式元素，从而增强用户体验和文档的功能。
可以使用各种软件工具来创建和处理 PDF，包括嵌入和编辑图像。Adobe Acrobat 是最著名的 PDF 编辑器，但还有许多其他工具可用，包括免费和开源选项。这些工具允许用户将图像插入 PDF、调整大小和裁剪图像、调整其属性以及执行其他编辑任务。高级 PDF 编辑软件还可以在图像上执行光学字符识别 (OCR)，将图像中的文本转换为可搜索和可编辑的文本。
在文件结构方面，PDF 文档由定义文档内容的对象组成。这些对象被组织成一个称为文档“对象树”的层次结构。图像作为“图像对象”嵌入到此结构中。每个图像对象都包含压缩图像数据的流，以及一个定义图像属性的字典，例如其类型、宽度、高度、色彩空间以及应用于压缩的任何过滤器。
PDF 规范随着时间的推移而发展，现在由国际标准化组织 (ISO) 作为 ISO 32000 维护。此标准化确保 PDF 仍然是一种开放格式，并且可以使用不同的软件和平台创建的文档可以可靠地交换和查看。该规范包括有关如何在 PDF 文件中设置图像格式和嵌入图像的详细信息，从而确保在可以创建和读取 PDF 文档的各种软件中保持一致性。
总之，PDF 图像格式是 PDF 标准中一个复杂且功能丰富的组件。它支持各种图像类型和压缩算法、复杂的色彩管理、透明度和元数据。PDF 提供了强大的安全功能、可访问性选项和可靠的打印功能。PDF 图像的交互式功能增强了用户体验，而 PDF 文件的标准化结构确保了在不同平台和设备上的兼容性。因此，PDF 仍然是用于文档交换的最广泛使用的格式之一，了解其在图像方面的功能对于任何处理数字文档的人来说至关重要。
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。