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。
高效图像文件格式 (HEIC) 代表了数字图像领域的一项重大进步，它提供了卓越的压缩效果，同时不影响质量。它由动态图像专家组 (MPEG) 开发，是 MPEG-H 媒体套件的一部分，并利用高效视频编码 (HEVC) 标准，也称为 H.265。HEIC 的设计目标有两个：减小文件大小和提高图像质量，以满足数字时代对高效存储和共享高分辨率照片和图像日益增长的需求。
HEIC 的主要优势之一是其压缩照片的能力，其效率是其前身（广泛使用的 JPEG 格式）的两倍。这种效率不会以质量为代价；HEIC 图像保持了高水平的细节和动态范围，使其适用于广泛的应用，从专业摄影到日常使用。该格式支持 16 位颜色，而 JPEG 为 8 位，从而可以更丰富、更准确地表示颜色。
HEIC 还引入了几个使其区别于其他图像格式的功能。其中一项功能是能够将多张图像存储在一个文件中，可用于创建照片连拍、序列或存储照片的不同版本。此外，HEIC 文件可以包含辅助信息，如景深图，这对于高级编辑技术（如人像照片中的散景效果）很有用。该格式还支持透明度，使其成为需要此功能以实现叠加效果的平面设计师的可行选择。
HEIC 的压缩机制基于 HEVC 视频压缩技术，但针对静态图像进行了定制。这涉及将图像分成块，并通过高级预测和编码策略压缩这些块。该过程同时采用帧内（在同一图像内）和帧间（在同一文件中的多张图像之间）压缩技术，不仅可以高效压缩单个照片，还可以压缩连续图像差异较小的序列。
尽管有这些优势，但 HEIC 的采用面临着挑战。一个重大的障碍是兼容性。当 HEIC 首次推出时，对操作系统和软件的支持有限。虽然随着时间的推移，这种情况有所改善，Windows 10 和 macOS High Sierra 等主要平台提供了原生支持，但仍有许多设备和应用程序尚未完全适应该格式。随着 HEIC 的优势得到更广泛的认可，以及软件开发人员更新其应用程序以处理该格式，这种情况正在逐渐改变。
另一个挑战与知识产权有关。由于 HEIC 基于 HEVC 压缩标准，因此其使用受 HEVC Advance 专利池管理的许可费约束。这导致一些制造商和软件供应商出于对潜在成本的担忧而谨慎采用该格式。然而，随着 HEVC 变得越来越普遍，并且对于视频和静止图像都变得必不可少，即使在许可要求下支持 HEIC 的压力也在增加。
对于用户而言，向 HEIC 过渡也可能带来实际障碍。虽然 HEIC 文件更小且质量更高，但并非所有网络平台和社交媒体网站都直接支持上传 HEIC 文件。这需要转换为更普遍接受的格式，如 JPEG，可能会降低 HEIC 在文件大小和质量方面的某些优势。然而，随着对该格式的认识和支持的增加，更广泛的直接支持可能会随之而来，从而减少转换的需要。
在软件支持方面，已经出现了各种工具和库来促进使用 HEIC 文件。图像处理软件（如 Adobe Photoshop）已纳入了 HEIC 支持，使专业人士和业余爱好者都可以直接编辑 HEIC 图像。此外，像 libheif 这样的库为开发人员提供了将 HEIC 支持添加到其应用程序的工具，确保更多软件可以原生处理该格式，而无需用户转换其图像。
展望未来，HEIC 准备在成像技术的发展中发挥至关重要的作用。随着设备以越来越高的分辨率捕获图像，以及对高效存储解决方案的需求不断增长，HEIC 的优势将变得越来越重要。对于存 储空间至上的移动设备而言尤其如此。通过显着减小文件大小，同时保留甚至提高图像质量，HEIC 提供了一种更有效地管理数字图像泛滥的方法。
此外，HEIC 的高级功能（例如包含深度信息和支持序列和连拍的能力）为创意摄影和高级图像处理开辟了新的可能性。这些功能与设备功能的持续改进相结合，可能会带来创新应用程序，利用 HEIC 的优势为用户提供捕捉和交互图像的新方式。
然而，HEIC 的全部潜力只有在设备和平台的整个生态系统中得到更广泛的支持才能实现。提高兼容性不仅可以让用户更轻松地共享和欣赏高质量图像，还可以鼓励更具创造性和高效地使用数码摄影。因此，行业参与者为解决兼容性问题和知识产权问题所做的努力对于确定 HEIC 格式的未来成功至关重要。
总之，HEIC 是数字成像领域的一项重大创新，它提供了高效和高质量的引人注目的融合。它比 JPEG 等传统格式的优势显而易见，包括更好的压缩、更高质量的图像以及对高级功能的支持。然而，走向广泛采用和最大化其潜力的道路涉及克服与兼容性、许可和用户行为相关的挑战。随着这些障碍的解决，HEIC 可能会成为数字成像领域中越来越重要的格式，改变我们思考和处理图像的方式。
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。