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。
ICO 影像格式作為數位圖示領域的基石，在各種軟體應用程式的使用者介面設計中扮演著舉足輕重的角色，特別是在 Windows 作業系統中。ICO 格式的核心功能在於儲存一個或多個不同大小和色彩深度的微小影像。這讓圖示可以適當地縮放以符合不同的顯示情境，而不會損失品質，這項功能對於在不同平台和解析度提供無縫的使用者體驗至關重要。
ICO 格式最早於 1980 年代中期隨著第一版 Windows（Windows 1.0）推出，標誌著它在圖形使用者介面（GUI）中成為一項關鍵元件。這項演進不僅促進了與電腦更直覺的互動，也建立了一種標準化的方法來表示作業系統中的應用程式、檔案和功能。在單一 ICO 檔案中包含多種解析度和色彩深度的能力被證明是一項創新，確保圖示無論在何種顯示屬性下都能保持清晰銳利。
在技術上，ICO 檔案是一個容器。它封裝了不同大小的影像，以及不同的色彩深度（可選），從而讓圖示能夠動態地適應觀看環境的顯示設定。ICO 檔案中的每個影像本質上都是一個位圖影像，擁有自己的像素尺寸和色彩盤。這種位圖格式允許使用細微的陰影和透明度來設計詳細的圖示，提供了複雜視覺表現所需的靈活性。
ICO 檔案的結構由一個標頭、一個目錄和一個或多個影像資料區段組成。標頭定義了整體檔案類型，並作為一個指標，表示檔案確實是一個圖示資源。在標頭之後是目錄，它作為一個索引，列出檔案中包含的每個影像。對於每個列出的影像，目錄會指定屬性，例如像 素尺寸、色彩深度，以及實際影像資料在檔案中的偏移量。
在 ICO 格式中，色彩深度在決定圖示的視覺保真度方面扮演著重要的角色。色彩深度或位元深度是指用於表示單一像素顏色的位元數。常見的深度包括 1 位元（單色）、4 位元（16 色）、8 位元（256 色）、24 位元（真彩色）和 32 位元（真彩色 + alpha 通道）。在 32 位元色彩深度中加入 alpha 通道允許表示透明度效果，為圖示設計增添了一層視覺深度和精緻度。
ICO 格式最顯著的特點之一是它在單一檔案中支援多種影像大小和色彩深度。這種靈活性對於適應各種顯示設定至關重要，例如不同的螢幕解析度和色彩功能。單一 ICO 檔案可以儲存各種尺寸的圖示，通常包括 16x16、32x32、48x48 和 64x64 像素等尺寸，以及適用於現代高解析度顯示器的較大尺寸。這種封裝多種解析度的能力確保應用程式或網站可以自動顯示最合適的圖示版本，同時最佳化外觀和效能。
建立和處理 ICO 檔案需要專門的軟體工具來處理格式的獨特結構。圖形設計軟體，例如安裝了適當外掛程式的 Adobe Photoshop，以及專門的圖示編輯應用程式，允許設計師在將圖示儲存為 ICO 格式之前進行製作和自訂。這些工具通常提供直接建立新的 ICO 檔案或將現有影像轉換為 ICO 格式的功能，確保藝術家和開發人員可以微調圖示以滿足專案的確切需求。
儘管 ICO 格式廣泛使用且具有歷史意義，但它並非沒有其限制和爭議。主要的批評之一集中在其專有性質上，因為該格式是在 Windows 作業系統中開發並主要使用。這導致了關於互操作性和標準化的批評，特別是與 PNG 等更普遍接受的影像格式相比時。此外，ICO 格式的能力偶爾難以跟上快速發展的顯示技術和使用者介面設計趨勢。
為了應對這些挑戰，開發社群已經探索了用於表示圖示的替代格式和技術。可縮放向量圖形（SVG）和網路開放字型格式（WOFF）已成為流行的替代方案，在不同平台和裝置上提供了可擴充性、效能和相容性方面的優勢。儘管如此，ICO 格式仍然保持其相關性和實用性，特別是在向後相容性與舊版 Windows 是個問題的應用程式和情境中。它的簡潔性，加上它將多種解析度和色彩深度捆綁到單一檔案中的能力，對於某些應用程式和使用者族群來說仍然有價值。
此外，ICO 格式多年來經過更新和改進，現代版本支援更高的解析度和額外的色彩深度，以更好地符合目前的顯示技術標準。這些更新標誌著對改進格式的持續承諾，表明它可能會繼續根據技術進步和使用者期望的改變而演進。
最終，ICO 影像格式以其豐富的歷史和強大的功能，在數位世界中佔據著獨特的地位。它說明了技術標準如何能夠持續存在並隨著時間保持相關性，適應新的挑戰和機會。對於設計師、開發人員和最終使用者來說，ICO 格式代表了過去和未來之間的橋樑，囊括了數位創新的持續旅程。
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。