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。
PNG00 图像格式表示更广泛的可移植网络图形 (PNG) 格式的一个特定子集，旨在促进光栅图像的无损、良好压缩存储。它作为 GIF 的改进和优化而开发，并因其多功能特性而变得流行。与支持广泛色彩深度和附加功能的通用 PNG 不同，PNG00 专门指针对特定条件进行优化的格式，专注于实现高效压缩和与旧系统的兼容性，同时不牺牲原始图像数据的完整性。
PNG 格式（包括 PNG00）的核心使用一种无损的压缩方法。这意味着，与 JPEG 或其他有损格式不同，当图像压缩为 PNG00 格式时，不会损失质量，并且可以完美恢复所有原始图像信息。这对于图像完整性至关重要的应用程序尤为重要，例如桌面出版、数字艺术和某些清晰度和精度至关重要的 Web 图形。
PNG00 文件的结构与所有 PNG 文件一样，都是基于块的。PNG 文件由多个块组成，每个块都有一个不同的用途。除了图像数据本身之外，这些块还可以包括元数据，例如图像的色彩空间、伽马和文本注释。每个 PNG 文件中的关键块是头块 (IHDR)，它概述了图像的大小和色彩深度；索引图像的调色板块 (PLTE)；图像数据块 (IDAT)，它包含实际的压缩图像数据；以及结束块 (IEND)，它表示文件的结束。
PNG00（以及 PNG 整体）中的压缩是通过过滤和 DEFLATE 算法的组合来实现的。过滤是一个预处理步骤，它通过降低图像信息的复杂性来为更有效的压缩准备图像数据。有几种可用的过滤方法，PNG 使用一种基于 相邻像素的颜色预测像素颜色的过滤方法，从而减少了需要压缩的信息量。在过滤之后，DEFLATE 压缩算法（LZ77 和 Huffman 编码的变体）被应用于无损地显著压缩图像数据。
PNG 格式（包括 PNG00）的一个显着特征是对 alpha 通道的支持，允许图像中具有不同级别的透明度。此功能在 Web 设计和软件开发中特别有用，其中需要将图像叠加在不同的背景上。与仅支持完全透明或完全不透明像素的 GIF 等格式不同，PNG 对 8 位透明度的支持允许从完全透明到完全不透明的 256 级不透明度，从而能够创建平滑的过渡和效果。
PNG（以及扩展 PNG00）中的色彩管理通过包含 ICC 配置文件块或 sRGB 块来处理，这些块指定图像中的颜色应如何由不同设备解释。这确保了无论在何种设备上查看图像，颜色都能尽可能准确地显示。这在数字摄影和 Web 设计等领域至关重要，在这些领域中，不同设备之间的颜色一致性至关重要。
PNG00 与广泛的平台和设备的兼容性是其主要优势之一。鉴于其无损压缩、对透明度的支持和色彩管理功能，它在现代 Web 浏览器、图像编辑软件和操作系统中得到广泛支持。这种通用兼容性确保了以 PNG00 格式保存的图像可以在各种上下文中可靠地查看和编辑，而无需转换或特殊插件。
尽管有这些优点，PNG00 格式确实有其局限性。最显着的是文件大小。由于它使用无损压缩，因此 PNG00 文件通常比使用有损压缩的 JPEG 文件更大。对于快速加载时间至关重要的 Web 应用程序来说，这可能是一个重大的缺点。在这些情况下，开发人员必须仔细平衡图像质量和效率的需求，通常采用图像精灵或选择较低的色彩深度以尽可能减小文件大小等技术。
与 JPEG 等更简单的格式相比，PNG00 的另一个挑战在于其复杂性。PNG 中丰富的功能和选项集，包括各种块类型、压缩设置和色彩管理，对于不熟悉该格式的人来说，可能使其更难使用。如果未配备适当的工具和专业知识，这种复杂性会导致 PNG00 文件的管理和分发效率低下和错误。
此外，虽然 PNG00 提供了比 GIF 更好的 alpha 透明度和压缩等好处，但它不太适合非常简单的图形或具有大面积均匀颜色的图像。在这些情况下，GIF 甚至更新的 WebP 等格式可能会提供更有效的压缩，而不会明显降低质量。然而，随着 Web 技术的发展和带宽限制的减少，图像质量和文件大小之间的平衡变得更容易管理，巩固了 PNG00 在数字图像存储和处理中的地位。
除了标准功能之外，还可以对 PNG00 文件执行一些优化以提高其效率。操作 PNG 文件的工具和库通常提供选项来删除辅助块、优化索引图像的调色板或调整过滤策略以更好地适应特定的图像内容。这些优化可以在保持 PNG00 格式的质量和兼容性的同时，显著减小文件大小。
PNG00 文件的创建和编辑需要了解这些优化和 PNG 格式的基本原理。许多图像编辑软件包支持 PNG，并为用户提供选项来调整压缩级别、选择特定的颜色格式（例如真彩色、灰度或索引颜色）和管理透明度设置。对于 Web 开发人员和图形设计师来说，这些工具对于生成满足其项目精确要求的图像至关重要，同时优化性能和兼容性。
展望未来，PNG 格式（包括 PNG00）仍在不断发展。随着 Web 标准的进步和新图像格式的出现，PNG 格式正在被扩展和调整以应对新的挑战。正在进行的努力包括添加新的块类型以获得更好的元数据支持或增强压缩算法以实现更小的文件大小。这些发展确保了 PNG 仍然是一种相关且强大的格式，用于在各种上下文中存储和传输数字图像。
总之，PNG00 图像格式提供了一种稳健的解决方案，用于以无损格式存储图像，并支持透明度和色彩管理。它在质量和兼容性之间取得了平衡，使其适用于广泛的应用程序。然而，它确实在文件大小和复杂性方面面临挑战，用户必须仔细应对这些挑战。随着持续的发展和优化，PNG00 和更广泛的 PNG 格式继续在数字成像领域发挥关键作用，提供了解决 Web 开发人员、图形设计师和数字艺术家不断变化的需求的解决方案。
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。