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。
Extended PostScript(EPT)影像格式是一種專門的檔案類型,旨在在單個檔案中同時包含向量和點陣(位圖)元素。這一獨特特性使 EPT 檔案在圖形設計、出版以及任何需要高分辨率影像和可縮放矢量圖形共存的領域中特別有用。EPT 格式的本質在於其能夠保持矢量圖形的清晰度和可縮放性,同時也能容納詳細的點陣影像,為複雜的圖形專案提供了一種通用的解決方案。
EPT 檔案本質上由兩個主要組成部分組成:一個封裝的 PostScript(EPS)檔案和一個 TIFF 格式的預覽影像。EPS 部分包含了矢量圖形。EPS 是一種廣受支持的矢量圖形標準,允許創建、編輯和縮放高精度設計而不失質量。EPT 檔案的這一部分確保了圖形的所有矢量元素在縮放多少的情況下都能保持其保真度,這使其非常適合徽標、文字和其他需要精確調整的設計。
EPT 檔案的第二個組成部分是 TIFF 格式的預覽影像。TIFF(標記影像檔案格式)以其靈活性和對高品質影像的支持而聞名。在 EPT 檔案的上下文中,TIFF 影像提供了整個檔案的點陣預覽。這對於無法原生處理 EPS 檔案的軟體和系統特別有用。TIFF 預覽使用戶能夠在無需複雜的渲染軟體的情況下快速瀏覽內容,確保了跨多個平台和應用程式的相容性和易用性。
將 EPS 和 TIFF 組件集成到單個 EPT 檔案中允許了一種兼具優勢的方式。設計師可以利用矢量圖形的精度和可縮放性,同時也可以在其專案中包含高保真的逼真影像。這使 EPT 檔案在兩種類型的圖形都扮演關鍵角色的複合媒體設計 中特別有價值。此外,預覽影像的存在簡化了檔案管理和審查過程,因為 TIFF 預覽可以快速顯示,而無需參與底層的向量數據。
EPT 格式的一大優勢是其可移植性和相容性。鑒於 EPS 和 TIFF 均為成熟和廣受支持的格式,EPT 檔案繼承了這種廣泛的相容性。這意味著 EPT 檔案可以在不需要特定的轉換工具或軟體的情況下,在不同的軟體平台和設備之間輕鬆共享、查看和編輯。這種互操作性在需要在設計師、印刷商和客戶等各方之間交換檔案的環境中至關重要。
儘管有諸多優勢,但 EPT 格式也面臨著自身的一些挑戰。主要問題源於使其如此通用的特性:向量和點陣圖形在單個檔案中的共存。這種雙重性可能會導致檔案大小增加,因為需要同時儲存 EPS 矢量數據和 TIFF 預覽。此外,編輯 EPT 檔案可能比處理標準影像檔案更複雜,因為可能需要對矢量和位圖組件都進行修改,需要能夠同時處理這兩種類型數據的軟體。
此外,雖然 EPT 檔案中的 TIFF 預覽提供了高度的視覺保真度,但也應注意到預覽的分辨率是固定的。這意味著當放大或以高分辨率列印時,預覽可能無法準確代表 EPS 矢量部分的質量。因此,過度依賴 TIFF 預覽來做出關鍵的色彩或細節決策可能會產生誤導,需要直接參與 EPS 組件進行精確的編輯和審查。
創建 EPT 檔案的過程通常涉及使用支持 EPS 和 TIFF 格式的專業圖形設計軟體。設計師首先創建他們的矢量圖形,其中可以包括從簡單的形狀到複雜插圖的任何內容。一旦矢量部分完成,如果需要,則會創建或導入點陣影像到項目中。然後軟體將這些元素合併為單個 EPT 檔案,並根據當前設計的狀態自動生成 TIFF 預覽。
在使用 EPT 檔案方面,由於 EPS 和 TIFF 在大多數圖形設計軟體中的普及性,相容性很少是問題。然而,擁有能夠準確解釋和呈現 EPT 檔案兩個組成部分的適當軟體非常重要。Adobe Illustrator、CorelDRAW 等能夠處理複雜矢量圖形的軟體套件,能夠很好地打開、編輯和管理 EPT 檔案,為用戶提供無縫的體驗。這使 EPT 檔案具有高度的通用性,適用於從標誌設計到詳細複合媒體藝術作品的各種應用。
總之,EPT 影像格式為需要結合向量和點陣圖形的專案提供了一種獨特的解決方案。它的結構將 EPS 檔案與 TIFF 預覽結合在一起,facilitated 高質量向量設計與詳細點陣影像的無縫整合。這種雙重性質使 EPT 檔案在圖形設計和出版領域不可或缺,因為在那裡精度和質量至關重要。然而,EPT 格式固有的複雜性和檔案大小考慮提醒用戶需要適當的軟體和謹慎的檔案管理。儘管面臨這些挑戰,但這種通用檔案格式的好處是無法否認的,使 EPT 成為任何圖形設計師工具箱中的寶貴資產。
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。