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。
傳真影像格式，又稱為傳真傳輸影像格式，是一種專門設計用於透過電信線路編碼和傳輸掃描文件和影像的檔案格式。自其問世以來，它一直是商業溝通中的基石技術，早於數位時代和電子郵件及其他電子訊息系統的廣泛使用。此格式在確保文件可以在各方之間遠端共用時扮演關鍵角色，並保留其原始品質和可讀性的表象。
傳真影像通常由傳真機產生，傳真機掃描文件並將其內容轉換為位圖。然後使用各種技術對此位圖進行編碼以壓縮資料，使其更容易且更快速地透過電話線路傳輸。傳真格式最顯著的優點之一是其有效壓縮文字和線條圖的能力，這些是商業文件中常見的元素，從而將傳輸時間和成本降至最低。
傳真傳輸背後的核心技術，以及延伸的傳真影像格式，依賴於透過電話線路調變音訊音調。基本上，傳真機掃描文件，將視覺資訊轉換為一系列電子訊號。這些訊號對應於構成影像的黑白（或有時為灰色）像素。傳送傳真機將這些訊號調變為音訊音調，這些音調可以透過標準電話線路傳輸到接收傳真機，接收傳真機將其解調回視覺格式。
傳真通訊的標準，以及傳真影像的標準，已由國際電信聯盟（ITU）制定。最廣泛使用的標準是第 3 組（G3）和第 4 組（G4），它們指定編碼和傳輸協定。G3 於 1980 年代後期建立，引入了使用稱為改良霍夫曼編碼的技術來壓縮影像的方法。此技術對於包含大量文字和簡單圖形的文檔特別有效，因為它減少了需要傳輸的資料量，而不會顯著影響影像品質。
第 4 組（G4）傳真，一種為在數位 ISDN 線路上使用而開發的後續標準，使用一種稱為改良 READ（相對元素地址指定）的更進階壓縮形式。此方法比 G3 的改良霍夫曼編碼更有效率，允許以更快的速度傳輸更高解析度的影像。G4 旨在透過數位網路傳輸影像，並整合到當今使用的許多多功能印表機和數位傳真系統中。
G3 和 G4 格式都使用稱為遊程長度編碼（RLE）的方法作為其壓縮技術的一部分。RLE 透過使用單一值和計數來編碼相同像素的序列，而不是個別編碼每個像素，來縮小檔案大小。此技術對於具有大面積均勻顏色的影像特別有效，例如典型文件的白色背景或黑色的文字線條。因此，RLE 在使傳真格式既節省空間又實用於其預期用途方面發揮了至關重要的作用。
傳真影像格式的另一個組成部分是其解析度。傳真傳輸中的解析度以每英吋線條數（lpi）為單位測量，決定了可以在傳輸影像中重現的細節層級。標準解析度包括標準解析度的 100x200 dpi（每英吋點數）、精細解析度的 200x200 dpi，以及照片或超精細解析度的 400x400 dpi 或更高。這些解析度設定允許使用者根據其需求在影像品質和傳輸速度之間取得平衡。
錯誤修正傳真傳輸過程中的一項關鍵組成部分，確保即使在品質不佳的電話線路上也能準確傳輸文件。ITU-T V.42bis 標準是一種與 G3 和 G4 傳真標準結合使用的錯誤修正協定。它採用稱為自動重複請求（ARQ）的方法，該方法會偵測傳輸資料中的錯誤，並自動要求傳送機器重新傳送任何損毀的區段。這確保了傳真文件在到達時完整無缺。
除了其技術規格之外，傳真影像格式對商業和法律實務的影響也不容小覷。在數位通訊工具普及之前，傳真是一種快速且安全傳輸文件的首要方法。透過傳真傳送的合約、信件和其他法律文件具有法律約束力，在某些情況下仍然如此。傳真格式的技術屬性，例如其壓縮技術和錯誤修正機制，顯著地提升了其在正式通訊中的可靠性和可接受性。
在數位時代，儘管電子郵件和其他電子文件傳遞服務已在很大程度上取代了傳真傳輸作為日常通訊，但傳真標準仍維持著利基但重要的地位。其使用案例包括安全傳輸文件至關重要的產業，例如醫療保健、法律和金融。傳真傳輸憑藉其安全、直接的端對端通訊線路，提供了一種有時被認為優於電子郵件的信任和可驗證性。
技術進步也見證了傳真格式超越其傳統的硬體基礎。FoIP（IP 傳真）技術允許傳真影像格式透過網際網路協定傳輸，將傳真傳輸的傳統安全性與可靠性與現代數位網路的速度和便利性結合在一起。這延長了傳真格式的壽命，確保其在特定部門和應用中持續相關。
儘管有其優點，傳真影像格式在快速演進的數位環境中面臨挑戰。傳輸過程中影像品質下降、類比電話線路的固有限制以及紙張密集型傳真機對環境的影響等問題是重大的疑慮。此外，安全數位文件交換平台的興起，並透過加密和電子簽章進行強化，對傳統傳真方法構成競爭威脅。
傳真影像格式的未來前景好壞參半。一方面，其在一般通訊中的使用量下降反映出更廣泛的趨勢，朝向更多元化且對環境友善的數位解決方案。另一方面，在某些領域中對安全、可靠的文件傳輸的持續需求可能會確保其持續的利基應用。FoIP 等創新以及將傳真技術整合到多功能裝置中，為傳真格式在數位時代適應和持續提供潛在途徑。
傳真影像格式的傳承證明了其在通訊技術歷史中的實用性和創新性。從其透過電話線路傳輸掃描文件的根源，到其目前作為安全文件交換的利基但重要的工具的地位，傳真格式例證了技術與商業和法律通訊需求之間的動態交互作用。隨著數位環境持續演進，傳真格式的持續相關性將取決於其適應專業通訊不斷變化的需求和技術的能力。
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。