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。
JPEG 2000，通常稱為 J2K，是影像壓縮標準和編碼系統，由聯合影像專家小組委員會於 2000 年創建，目的是取代原始 JPEG 標準。它的開發旨在解決原始 JPEG 標準的一些限制，並提供一組新的功能，這些功能越來越受到各種應用程式的需求。JPEG 2000 不僅是一個單一標準，而是一套標準，涵蓋在 JPEG 2000 系列（ISO/IEC 15444）中。
JPEG 2000 相較於原始 JPEG 格式的主要優點之一，是它使用小波轉換，而不是離散餘弦轉換 (DCT)。小波轉換允許更高的壓縮比，而不會產生 JPEG 影像中可能存在的相同程度的可見偽影。這對於高解析度和高品質的影像應用程式特別有益，例如衛星影像、醫學影像、數位電影和檔案儲存，其中影像品質至關重要。
JPEG 2000 在單一壓縮架構中支援無損和有損壓縮。無損壓縮是透過使用可逆小波轉換來實現，這可確保原始影像資料可以從壓縮影像中完美重建。另一方面，有損壓縮使用不可逆小波轉換，透過捨棄影像中一些較不重要的資訊來實現更高的壓縮比。
JPEG 2000 的另一個重要功能是它支援漸進式影像傳輸，也稱為漸進式解碼。這表示影像可以在較低解析度下解碼和顯示，並隨著更多資料可用而逐漸增加到完整解析度。這對於頻寬受限的應用程式特別有用，例如網路瀏覽或行動應用程式，其中快速顯示較低品質版本的影像並隨著接收更多資料而提升品質是有益的。
JPEG 2000 也引入了感興趣區域 (ROI) 的概念。這允許影像的不同部分以不同的品質等級進行壓縮。例 如，在醫學影像場景中，包含診斷特徵的區域可以無損壓縮或以高於周圍區域的品質進行壓縮。這種選擇性品質控制在某些部分影像比其他部分更重要的領域中非常重要。
JPEG 2000 影像的檔案格式為 JP2，這是一種標準化且可擴充的格式，包含影像資料和元資料。JP2 格式使用 .jp2 檔案副檔名，並且可以包含廣泛的資訊，包括色彩空間資訊、解析度等級和智慧財產資訊。此外，JPEG 2000 支援 JPM 格式（用於複合影像，例如同時包含文字和圖片的文件）和 MJ2 格式，用於動態序列，類似於影片檔案。
JPEG 2000 採用稱為 EBCOT（最佳截斷嵌入式區塊編碼）的複雜編碼方案。EBCOT 提供了多項優點，包括改善的錯誤復原能力，以及微調壓縮以在影像品質和檔案大小之間取得所需平衡的能力。EBCOT 演算法將影像分割成稱為區塊編碼的小區塊，並獨立編碼每個區塊。這允許在資料損毀時進行局部錯誤控制，並促進影像的漸進式傳輸。
JPEG 2000 中的色彩空間處理比原始 JPEG 標準更靈活。JPEG 2000 支援廣泛的色彩空間，包括灰階、RGB、YCbCr 等，以及各種位元深度，從二進位影像到每個組成部分 16 位元或更高。這種靈活性使 JPEG 2000 適用於各種應用程式，並確保它可以處理不同影像技術的需求。
JPEG 2000 還包括強大的安全功能，例如在檔案中包含加密和數位浮水印的能力。這對於版權保護或內容驗證令人擔憂的應用程式特別重要。標準的 JPSEC（JPEG 2000 安全）部分概述了這些安全功能，提供了一個安全影像分發的架構。
JPEG 2000 的挑戰之一是它在運算上比原始 JPEG 標準更密集。小波轉換和 EBCOT 編碼方案的複雜性意味著編碼和解碼 JPEG 2000 影像需要更多的處理能力。這在歷史上限制了它在消費性電子產品和網路應用程式中的採用，其中運 算負擔可能是一個重要因素。然而，隨著處理能力的提升和專用硬體支援變得越來越普遍，這個限制已不再是一個問題。
儘管有其優點，但與原始 JPEG 格式相比，JPEG 2000 尚未廣泛採用。這部分是因為 JPEG 格式的普遍性，以及支援它的龐大軟體和硬體生態系統。此外，圍繞 JPEG 2000 的授權和專利問題也阻礙了它的採用。JPEG 2000 中使用的一些技術已獲得專利，而管理這些專利的授權需求使它對一些開發人員和企業來說不太有吸引力。
在檔案大小方面，JPEG 2000 檔案通常比品質相當的 JPEG 檔案小。這是因為 JPEG 2000 中使用的壓縮演算法更有效率，可以更有效地減少影像資料中的冗餘和不相關性。然而，檔案大小的差異會根據影像的內容和用於壓縮的設定而有所不同。對於具有大量精細細節或高雜訊等級的影像，JPEG 2000 的優異壓縮可能會產生明顯更小的檔案。
JPEG 2000 也支援平鋪，它將影像分割成較小的、獨立編碼的平鋪。這對於非常大的影像很有用，例如用於衛星影像或製圖應用程式的影像，因為它允許更有效率地編碼、解碼和處理影像。使用者可以存取和解碼個別平鋪，而不需要處理整個影像，這可以節省記憶體和處理需求。
JPEG 2000 的標準化還包括元資料處理的規定，這是檔案和檢索系統的重要面向。JPX 格式是 JP2 的延伸，允許包含廣泛的元資料，包括 XML 和 UUID 方塊，這些方塊可以儲存任何類型的元資料資訊。這使 JPEG 2000 成為元資料保存很重要的應用程式的良好選擇，例如數位圖書館和博物館。
總之，JPEG 2000 是一個複雜的影像壓縮標準，與原始 JPEG 格式相比，它提供了許多優點，包括更高的壓縮比、漸進式解碼、感興趣區域和強大的安全功能。它在色彩空間和位元深度方面的靈活性，以及對元資料的支援，使其適用於廣泛的專業應用程式。然而，它的運算複雜性和最初的專利問題限制了它的廣泛採用。儘管如此，JPEG 2000 仍然是影像品質和功能組比運算效率或廣泛相容性更重要的產業中的首選格式。
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。