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。
便携式网络图形 (PNG) 格式凭借其以无损压缩提供高质量图像的能力，已成为数字世界的主流。在其变体中，PNG8 以其独特的色彩效率和文件大小缩减而脱颖而出。对 PNG8 的详细检查旨在揭开此图像格式的层级，探索其结构、功能和实际应用。
从本质上讲，PNG8 是 PNG 格式的一种位深度变体，其颜色调色板限制为 256 色。此限制是 PNG8 能够显著减小文件大小，同时仍保持原始图像质量的表象的关键。PNG8 中的“8”表示每像素 8 位，这意味着图像中的每个像素都可以是颜色调色板中的 256 种颜色中的任何一种。此调色板在图像文件本身中定义，允许针对特定图像定制一组颜色，从而提高格式的效率。
PNG8 文件的结构类似于其他 PNG 格式，遵循 PNG 文件签名和基于块的架构。PNG 文件通常以 8 字节签名开头，后跟一系列承载不同类型数据的块（例如，头信息、调色板信息、图像数据和元数据）。在 PNG8 中，PLTE（调色板）块起着至关重要的作用，因为它存储图像像素引用的颜色调色板。此调色板包含多达 256 种颜色，由 RGB（红、绿、蓝）值定义。
PNG8 中的压缩使用过滤和 DEFLATE 算法的组合。过滤是一种用于为图像数据准备压缩的方法，它使压缩算法更容易在不丢失信息的情况下减小文件大小。在过滤之后，应用结合了 LZ77 和霍夫曼编码技术的 DEFLATE 算法来有效压缩图像数据。此两步过程使 PNG8 图像能够实现高水平的压 缩，使其非常适合在带宽和加载时间是考虑因素的网络使用中。
PNG8 中的透明度使用 tRNS（透明度）块处理，该块可以将调色板中的单一颜色指定为完全透明，或指定一系列对应于调色板颜色的 alpha 值，从而实现不同程度的透明度。此功能允许 PNG8 具有简单的透明度效果，使其适用于需要透明背景或柔和叠加的网络图形。但是，值得注意的是，PNG8 中的透明度无法达到与 PNG32 相同的细节级别，后者支持每个像素的完全 alpha 透明度。
PNG8 图像的创建和优化涉及颜色保真度和文件大小之间的平衡。生成 PNG8 图像的工具和软件通常包括用于颜色量化和抖动的算法。颜色量化将颜色数量减少到 256 色限制内，理想情况下保留图像的视觉完整性。抖动通过在像素级别混合颜色来帮助最大程度地减少颜色减少的视觉影响，从而产生更大的颜色调色板的错觉。这些技术对于生成视觉上吸引人且经过有效压缩的 PNG8 图像至关重要。
尽管有其优点，PNG8 仍存在一些限制，使其不适合某些应用。受限的颜色调色板会导致渐变中的条带化和复杂图像中细节的丢失。此外，简单的透明度机制无法像支持完全 alpha 透明度的格式那样有效地容纳具有柔和阴影或半透明对象的场景。因此，虽然 PNG8 非常适合颜色范围有限的简单图形、图标和徽标，但它可能不是照片和复杂纹理的最佳选择。
PNG8 在网络开发和数字媒体创作中的采用是由其在特定环境中的兼容性、效率和实用性推动的。它在所有现代网络浏览器和图像处理软件中的支持使其成为希望优化其网络资产的网页设计师的可靠选择。对于内容视觉复杂度低且需要最大程度地减少带宽使用的情况，PNG8 提供了最佳平衡。此外，其透明度支持增加了多功能性，允许在网站上进行创意分层和 主题化，而不会显着增加加载时间。
总之，PNG8 仍然是数字图像生态系统中相关且有价值的图像格式，特别是对于需要高效存储和传输的网络图形和数字媒体。其设计可以在颜色多样性和文件大小效率之间进行权衡，使其非常适合具有特定需求的一系列应用。虽然并非没有限制，但 PNG8 在图像格式领域中的地位是由其在简单性、压缩和广泛兼容性方面的独特优势所确定的。了解 PNG8 的这些方面对于设计师、开发人员和数字媒体专业人士至关重要，他们旨在就图像格式选择做出明智的决策，以满足其项目的技术和美学要求。
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。