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。
PSD(Photoshop文档)格式是由Adobe Inc.为其广为使用的Photoshop软件开发的专有文件类型。自诞生以来,它已成为数字艺术和平面设计行业的一个标准,以其灵活性和对各种图像编辑技术的全面支持而著称。这种格式专门设计用于存储图像的完整编辑历史,包括图层、蒙版、颜色,甚至历史状态,提供了一种非破坏性的编辑工作流程。这使得艺术家和设计师能够随时返回并修改项目的任何方面,而不会丢失原始数据。
PSD格式的一大特点是其分层结构。与将所有元素扁平化为单一图层的传统图像格式不同,PSD文件将每个元素作为单独的图层进行维护。这可以包括文本、形状、调整图层,甚至更复杂的元素,如智能对象和图层效果。这种分层方法不仅允许更复杂的设计和编辑策略,而且有助于建立更有条理和高效的工作流程。用户可以独立操纵元素,调整其可见性,并重新排列它们而不影响图像的其余部分。
除了图层,PSD文件还支持透明度,这对于组合具有可变可见性的图像以及创建复杂剪切图形非常关键。PSD文件中的透明度通过alpha通道进行管理,这些通道存储有关图像不同部分不透明度的信息。这一功能对于为视觉效果增添深度和复杂性至关重要,使该格式广受需要精确操作和细致处理的任务青睐,如网页设计、动画和视频制作中的特效处理。
PSD格式的另一个重要优势是对复杂文本编辑的支持。当文本添加到PSD文件中时,它仍然可以完全编辑,允许用户修 改字体属性、对齐、颜色和效果,而无需将文本光栅化或转换为图层。这对于需要频繁调整文本的设计工作特别有价值,因为它无论文本被编辑多少次,都能保持文本的清晰度和清晰度。此外,Photoshop的高级文本功能,如沿路径或形状的文本,以及将文本导入和导出以供其他应用程序使用的功能,使PSD文件在涉及复杂印刷处理的项目中格外多才多艺。
PSD文件以广泛兼容各种色彩模型和深度而闻名。它们支持从灰度到包括RGB、CMYK和Lab色彩在内的多通道色彩模式。这使它们非常适合各种用途,从可在屏幕上查看的数字设计,到需要CMYK色彩规范的打印就绪项目。此外,PSD文件可以存储高达每通道32位的出色色彩深度,提供高动态范围,允许更精细的色彩校正和等级处理技术。
包含调整图层的功能是PSD格式与众不同的另一个特点。这些图层包含颜色校正、曝光、对比度和其他增强设置,可以应用于底层图层而不会永久性地改变原始图像数据。这意味着调整可以在编辑过程的任何阶段进行微调或删除,提供了无与伦比的灵活性。调整图层与图层蒙版协同工作,后者可实现选择性地应用效果,进一步突出了PSD格式的非破坏性本质。
PSD文件还支持包含矢量元素,如形状和文本,这些元素可以无损放大。这是由于矢量图形的数学性质,它们与分辨率无关。将矢量技术集成到以栅格为主的PSD格式中,实现了可扩展性和细节编辑之间的协调。这种组合在需要清晰度和像素级细节的应用中至关重要,如标志设计、网页图形和可缩放的构图。
PSD文件中包含智能对象标志着复杂图像编辑的又一次飞跃。智能对象保留了图像的源内容及其所有原始特性,允许非破坏性地缩放、旋转和扭曲。它们还可以链接到外部文件,确保当外部文件更新时,PSD文件会自动反映这些更新。这个功能对于协作工作流程以及涉及需要在多个文件中更新的重复元素的项目特别有用。
Photoshop的自动化功能与PSD格式密切相关。动作(由用户记录的一系列任务)可以保存在PSD文件中,用于重复处理,大大加快了诸如调整大小、格式化或在多个文件中应用滤镜等任务的工作流程。类似地,Photoshop脚本(更加复杂,具有条件逻辑和复杂处理能力)也可以应用于PSD文件,进一步扩展了软件在自动化常规任务和复杂过程方面的功能。
尽管PSD格式拥有众多优势,但其丰富的功能集也带来了文件大小的权衡。PSD文件通常占用大量存储空间,特别是在保存具有多个图层、高色彩深度和其他功能(如智能对象)的大图像时。这可以通过使用图层压缩等功能以及尽量使用调整图层而不是复制内容来在一定程度上缓解。但是,对于长期存储或共享,许多用户会选择将图像扁平化或保存为更节省空间的格式(如JPEG或PNG)供分发,同时保留原始PSD文件以供编辑使用。
PSD格式的互操作性是其优势之一。尽管它是Adobe的专有格式,但PSD文件可以在许多第三方软件应用程序中打开并在一定程度上进行编辑。这要归功于Adobe对该格式的文档化,以及软件开发社区为维护兼容性所做的努力。然而,并非所有应用程序都支持PSD的全部功能,用户在在不同软件之间移动文件时可能会发现诸如图层效果和调整图层等元素无法完美转换,需要谨慎操作。
Adobe引入了PSB(Photoshop Big)格式作为PSD的扩展,以满足对超大图像的现代需求。PSB支持本质上无限的文件大小,可容纳最大300,000像素的文档,而PSD文件的限制仅为30,000像素。这对于高分辨率摄影、大型合成图像和详细的数字绘画尤其有用。尽管存在这些差异,但PSB仍然与PSD文件中的大部分功能保持兼容,为超出PSD格式限制的项目提供无缝的 工作流程。
总之,PSD图像格式是一种复杂而多功能的文件类型,专门为满足数字艺术和平面设计社区的需求而设计。其对非破坏性编辑、分层构图、透明度、广泛的色彩模型、调整图层、矢量元素和智能对象的支持,使其成为专业工作流程中不可或缺的工具。虽然其复杂性和文件大小可能会带来挑战,但它在灵活性和质量方面提供的优势是无与伦比的。围绕PSD格式的持续发展和兼容性努力,确保它仍然是创意专业人士的核心,支撑从简单设计到复杂数字艺术作品的广泛项目。
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。