光學字元辨識（OCR）將文字影像—掃描、智慧型手機相片、PDF—轉換為機器可讀的字串，並且越來越多地轉換為 結構化資料。現代 OCR 是一個清理影像、尋找文字、讀取它並匯出豐富元數據的流程， 以便下游系統可以搜尋、索引或擷取欄位。兩個廣泛使用的輸出標準是 hOCR，一種用於文字和版面的 HTML 微格式，以及 ALTO XML，一種以圖書館/檔案館為導向的綱要；兩者都保留位置、閱讀順序和其他版面提示，並受到 像 Tesseract這樣的熱門引擎支援。
預處理。 OCR 品質始於影像清理：灰階轉換、去噪、 二值化（二值化）和歪斜校正。標準的 OpenCV 教學涵蓋了全域、 自適應 和 Otsu 二值化—適用於光線不均或雙峰直方圖的文件的必備步驟。當頁面內的光線變化時 （想想手機快照），自適應方法通常優於單一全域閾值；Otsu 會透過分析直方圖自動選擇一個閾值。傾斜校正同樣重要：基於霍夫變換的 歪斜校正（霍夫線變換）與 Otsu 二值化結合，是生產預處理流程中常見且有效的方案。
偵測與辨識。 OCR 通常分為文字偵測（文字在哪裡 ？）和文字辨識（它說什麼？）。在自然場景和許多掃描中，完全卷積 偵測器，如 EAST ，可以有效地預測字或行級的四邊形，而無需繁重的提案階段，並且已在 常見的工具套件中實現（例如， OpenCV 的文字偵測教學）。在複雜的頁面（報紙、表格、書籍）上，行/區域的分割和閱讀順序推斷很重要：Kraken 實現了傳統的區域/行分割和神經基準線分割，並明確支援 不同的腳本和方向（LTR/RTL/垂直）。
辨識模型。 經典的開源主力 Tesseract （由 Google 開源，源於 HP）從字元分類器演變為基於 LSTM 的序列 辨識器，可以從 CLI 發出可搜尋的 PDF、 hOCR/ALTO 相容輸出等。現代辨識器依賴於序列模型，而無需預先分割的字元。 連接主義時間分類 (CTC) 仍然是基礎，它學習輸入特徵序列和輸出標籤字串之間的對齊；它廣泛 用於手寫和場景文字流程。
在過去幾年中，Transformer 重塑了 OCR。 TrOCR 使用視覺 Transformer 編碼器和文字 Transformer 解碼器，在大型合成語料庫上進行訓練，然後 在真實資料上進行微調，在印刷、手寫和場景文字基準測試中表現出色（另請參閱 Hugging Face 文件）。與此同時，一些系統繞過 OCR 進行下游理解： Donut（文件理解 Transformer） 是一種無 OCR 的編碼器-解碼器，可直接從文件 影像輸出結構化答案（如鍵值 JSON）（儲存庫， 模型卡），避免了在單獨的 OCR 步驟為 IE 系統提供資料時出現錯誤累積。
如果您想要跨多種腳本的「開箱即用」文字閱讀， EasyOCR 提供了一個包含 80 多種語言模型的簡單 API，可傳回框、文字和可信度—方便用於原型和 非拉丁腳本。對於歷史文獻， Kraken 以基準線分割和腳本感知閱讀順序而著稱；對於靈活的行級訓練， Calamari 建立在 Ocropy 的基礎上（Ocropy），帶有（多）LSTM+CTC 辨識器和用於微調自訂模型的 CLI。
泛化取決於資料。對於手寫， IAM 手寫資料庫 為訓練和評估提供了不同作者的英文句子；它是 行和字辨識的長期參考集。對於場景文字， COCO-Text 在 MS-COCO 上分層了廣泛的註釋，帶有印刷/手寫、清晰/不清晰、腳本和 完整轉錄的標籤（另請參閱原始 專案 頁面）。該領域也嚴重依賴合成預訓練： 野外合成文字 將文字渲染到具有逼真幾何和光線的相片中，為預訓練 偵測器和辨識器提供大量資料（參考 程式碼和資料）。
ICDAR 的穩健閱讀 下的競賽使評估保持務實。最近的任務強調端對端偵測/閱讀，並包括將字 連結成片語，官方程式碼報告 精確率/召回率/F-score、交並比 (IoU) 和字元級編輯距離度量—反映了從業人員應該追蹤的內容。
OCR 很少以純文字結尾。檔案館和數位圖書館更喜歡 ALTO XML ，因為它除了內容之外還編碼了實體版面（帶座標的區塊/行/字），並且它與 METS 打包配合得很好。 hOCR 微格式則相反，它使用 ocr_line 和 ocrx_word 等類別將相同的思想嵌入到 HTML/CSS 中，從而可以輕鬆地使用 Web 工具進行顯示、編輯和轉換。Tesseract 兩者都支援—例如， 直接從 CLI 產生 hOCR 或可搜尋的 PDF（PDF 輸出指南）；像 pytesseract 這樣的 Python 包裝函式增加了便利性。當儲存庫具有固定的接收 標準時，存在用於在 hOCR 和 ALTO 之間進行轉換的轉換器—請參閱此精選清單 OCR 檔案格式工具。
最強勁的趨勢是融合：偵測、辨識、語言模型，甚至特定於任務的解碼 正在合併到統一的 Transformer 堆疊中。在 大型合成語料庫 上進行預訓練仍然是一個力量倍增器。無 OCR 模型將在目標是結構化輸出 而不是逐字記錄的任何地方積極競爭。也期待混合部署：一個輕量級偵測器加上一個 TrOCR 風格的 辨識器用於長格式文字，以及一個 Donut 風格的模型用於表格和收據。
Tesseract (GitHub) · Tesseract 文件 · hOCR 規範 · ALTO 背景 · EAST 偵測器 · OpenCV 文字偵測 · TrOCR · Donut · COCO-Text · SynthText · Kraken · Calamari OCR · ICDAR RRC · pytesseract · IAM 手寫 · OCR 檔案格式工具 · EasyOCR
光學字符識別（OCR）是一種技術，用於將不同類型的文檔，如掃描的紙質文檔、PDF文件或由數字相機拍攝的圖像，轉換為可以編輯和可搜索的數據。
OCR通過掃描輸入的圖像或文檔，將圖像分割成單個字符，然後將每個字符與使用模式識別或特徵識別的字符形狀數據庫進行比較。
OCR用於各種行業和應用，包括數字化打印文件、啟用文字轉語音服務、自動化數據錄入過程，以及幫助視障用戶更好地與文字互動。
儘管OCR技術已取得了巨大的進步，但它並不是絕對可靠的。準確性可能會因原始文檔的質量和使用的OCR軟件的具體情況而異。
儘管OCR主要用於識別印刷文字，但一些先進的OCR系統也能識別清晰、一致的手寫。然而，通常由於個人寫作風格的多樣性，手寫識別的準確度較低。
是的，許多OCR軟件可以識別多種語言。但是，需要確保你使用的軟件支持特定的語言。
OCR是光學字符識別的縮寫，用於識別印刷的文字，而ICR，或稱為智能字符識別，則較為先進，用於識別手寫的文字。
OCR在處理清晰易讀的字體和標準文字大小上效果最佳。雖然它能識別各種字體和大小，但在處理不常見的字體或極小的文字大小時，其準確性可能會降低。
OCR在處理低分辨率的文件、複雜的字體、打印質量差的文字、手寫，以及字和背景迎合度不足的文件時可能出問題。另外，儘管它可以識別多種語言，但可能無法完美覆蓋所有語言。
是的，OCR可以掃瞄彩色文字和背景，雖然它對高對比度的顏色組合，如黑色文字和白色背景效果更好。如果文字和背景的顏色對比度不足，其準確性可能會降低。
CR2 檔案格式，作為 Canon 的 Raw 2nd 版，是一種由 Canon Inc. 為其數位相機系列開發的影像檔案格式。它是一種專有檔案格式，用於以「原始」狀態儲存數位照片，在後製過程中為攝影師提供高度的控制和彈性。與 JPEG 或 PNG 等標準影像格式不同，這些格式會進行大量的相機內處理和壓縮，CR2 檔案會擷取並儲存影像資料，就像相機的感光元件擷取資料一樣，不會有任何變更或品質損失。
CR2 檔案基本上是數位負片，提供 Canon 相機最高品質和保真的影像。它們包含相機感光 元件擷取的完整資料範圍，包括有關色彩、亮度和對比度的詳細資訊。這些未壓縮且未處理的資料讓攝影師可以調整影像曝光、白平衡、色調和其他設定，而不會像壓縮影像格式那樣發生品質損失。因此，CR2 檔案的大小遠大於 JPEG 檔案。
技術上來說，CR2 檔案基於 TIFF（標籤影像檔案格式）標準，這提供了一個靈活的容器，可容納各種類型的元資料和影像資訊。這個基礎結構讓 CR2 檔案可以儲存有關照片和拍攝條件的各種資料，例如相機設定、鏡頭資訊和曝光細節。這些元資料在後製的靈活性中扮演著關鍵角色，因為它為軟體工具提供了準確解譯和處理原始影像資料所需的背景。
CR2 檔案的關鍵組成之一是其影像感光元件資料，通常稱為「原始」資料。這些資料是相機影像感光元件的直接輸出，在相機感光元件陣列上擷取光線強度，而不會進行任何相機內色彩處理或濾鏡。原始資料儲存在專有格式中，必須使用專門軟體處理才能將其轉換為可視的影像格式。這個過程稱為原始轉換，包括對原始資料進行去馬賽克、調整色彩空間，以及套用雜訊消除和銳化濾鏡。
CR2 檔案的一個重要面向是其位元深度，通常每個通道為 12 到 14 位元。這個增加的位元深度提供了比標準 JPEG 檔案中每個通道 8 位元更廣的動態範圍，能夠擷取更詳細的高光和陰影。儲存在這些額外位元中的附加資訊允許在後製過程中對曝光和對比度等級進行更細微的調整，有助於提升從原始檔案開發的影像品質。
CR2 檔案的另一個關鍵功能是支援非破壞性編輯。與 JPEG 或其他壓縮格式不同，每次編輯都會儲存到原始資料上，導致潛在的品質損失，對 CR2 檔案的編輯通常會在一個獨立的 sidecar 檔案中或在原始處理軟體的資料庫中進行。這個非破壞性工作流程表示對影像曝光、色彩平衡或其他屬性的調整可以在任何時候修改或復原，而不會改變原始原始資料。
此外，CR2 檔案在白平衡調整方面提供了相當大的靈活性。雖然 JPEG 影像在相機的轉換過程中會內建白平衡，但 CR2 檔案允許攝影師在後製中自由調整白平衡，從預設值中選擇或手動選擇色溫。這個功能在混合光源條件下或相機的自動白平衡設定無法準確擷取場景氛圍時特別有價值。
儘管 CR2 檔案有許多優點，但其專有性質表示並非所有軟體都能原生處理這些檔案。攝影師必須使用相容的軟體，例如 Canon 的 Digital Photo Professional、Adobe Lightroom 或 Capture One，才能檢視和編輯 CR2 檔案。這個限制要求使用者可能需要投資額外的軟體來管理他們的原始檔案，儘管許多專業和愛好攝影師發現原始處理的優點大於這些成本。
檔案大小是使用 CR2 檔案時另一個需要考慮的因素。由於高水準的細節和缺乏壓縮，CR2 檔案比 JPEG 檔案大得多。這個較大的檔案大小需要更多的儲存空間，無論是在相機上或用於歸檔。因此，攝影師需要留意他們的儲存解決方案，可能需要投資額外的記憶卡、外接硬碟或雲端儲存服務，以容納與原始攝影相關的較大檔案大小。
在工作流程方面，使用 CR2 檔案通常涉及一個兩步驟的過程：原始轉換和後製。在原始轉換階段，軟體會解譯原始感光元件資料，對其進行去馬賽克並將其轉換為標準影像格式，例如 TIFF 或 JPEG。這個步驟還包括對曝光、白平衡和色彩設定檔的基本調整。後製階段允許進行更多創意控制，調整對比度、色彩分級、銳化和其他強化功能，以達到所需的藝術效果。
CR2 檔案的另一個面向是它們在歸檔和保存中的角色。由於它們包含相機擷取的未變更原始資料，因此 CR2 檔案非常適 合歸檔目的，確保原始影像資訊以最高品質保存。這讓它們成為攝影師的寶貴資產，他們可能希望在未來使用新的編輯工具或技術重新檢視自己的作品，提供在拍攝時無法做到的機會，以擷取更多細節或達到不同的美學效果。
CR2 格式的演進也反映了相機技術和數位影像的進步。隨著 Canon 更新其相機型號，CR2 格式的強化功能通常會被引入，以容納新的感光元件技術、影像處理功能和元資料標準。這個持續的開發確保 CR2 格式與攝影的最新創新相容，為攝影師提供一個強大且具有未來性的原始檔案格式。
此外，CR2 檔案在協作環境和專業工作流程中的動態值得考慮。雖然 CR2 檔案的高品質和靈活性對個別攝影師有利，但大型檔案大小和專有格式可能會在協作設定中帶來挑戰。分享原始檔案需要接收者擁有相容的軟體和足夠的儲存空間來處理檔案，這可能會使攝影師、編輯和客戶之間的工作流程複雜化。因此，將 CR2 檔案轉換為更廣泛接受的格式，例如 JPEG 或 TIFF，以供分享或發布，同時保留原始 CR2 檔案以供歸檔和進一步編輯，是一種常見的做法。
最後，CR2 格式的重要性超越了技術規格，進入創意表達和攝影完整性的領域。透過為攝影師提供未處理且未壓縮的影像資料，CR2 檔案在數位暗房中實現了一種創意控制和決策制定水準，這反映了傳統底片攝影。這種控制水準，加上 CR2 格式中包含的技術進步，讓攝影師能夠以前所未有的細節和細微差別實現他們的創意願景，鞏固 CR2 檔案作為現代攝影師工具包中的關鍵工具。
這個轉換器完全在您的瀏覽器中運行。當您選擇 一個檔案，它將讀入內存並轉換為所選格式。 然後，您可以下載轉換後的檔案。
轉換馬上開始，大部分檔案僅需一秒鐘轉換。 較大的檔案可能需要更長的時間。
您的檔案絕不會上傳到我們的伺服器。它們在您的瀏覽器中 轉換，然後下載轉換後的檔案。我們從未看到您的檔案。
我們支援所有圖形格式之間的轉換，包括 JPEG，PNG，GIF，WebP，SVG，BMP，TIFF，等等。
此轉換器完全免費，且將永遠免費。 由於它在您的瀏覽器中運行，我們無需支付 伺服器費用，所以我們不需要向您收取費用。
可以！您一次可以轉換任意多的檔案。 當您添加檔案時，只需選擇多個檔案即可。