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。
JP2 或 JPEG 2000 第 1 部分檔案格式是一種影像編碼系統，由聯合影像專家小組作為原始 JPEG 標準的後繼者而建立。它於 2000 年推出，正式名稱為 ISO/IEC 15444-1。與其前身不同，JPEG 2000 的設計目的是提供更有效率且更靈活的影像壓縮技術，以解決原始 JPEG 格式的一些限制。JPEG 2000 使用小波轉換壓縮，這允許在同一個檔案中進行無損和有損壓縮，提供更高程度的可擴充性和影像保真度。
JPEG 2000 格式的主要特點之一是使用離散小波轉換 (DWT)，而不是原始 JPEG 格式中使用的離散餘弦轉換 (DCT)。DWT 比 DCT 提供了多項優點，包括更好的壓縮效率，特別是對於高解析度影像，以及減少區塊化失真。這是因為小波轉換能夠以不同層級的細節表示影像，可以根據應用程式的特定需求或使用者的偏好進行調整。
JP2 格式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通道 16 位元。這種靈活性使其適用於各種應用程式，從數位攝影到醫學影像和遙測。此外，JPEG 2000 透過使用 alpha 通道支援透明度，這在標準 JPEG 格式中是不可能的。
JPEG 2000 的另一個顯著優點是它支援漸進式解碼。這表示影像可以在整個檔案下載完成之前以較低解析度和品質層級進行解碼和顯示，這對於網路應用程式特別有用。隨著更多資料的可用，影像品質可以逐步提升。此功能稱為「品質層級」，允許有效使用頻寬，並在頻寬受限的環境中提供更好的使用者體驗。
JPEG 2000 也引 入了「感興趣區域」(ROI) 的概念。使用 ROI，影像的特定部分可以比影像的其他部分編碼為更高品質。這在需要將注意力集中在影像中的特定區域時特別有用，例如在監控或醫學診斷中，焦點可能在於影像中的特定異常或特徵。
JP2 格式包含強大的元資料處理功能。它可以儲存廣泛的元資料資訊，例如國際新聞電信理事會 (IPTC) 元資料、Exif 資料、XML 資料，甚至智慧財產資訊。這種全面的元資料支援有助於更好的影像編目和歸檔，並確保有關影像的重要資訊得以保留，並且可以輕鬆存取。
錯誤復原力是 JPEG 2000 的另一項功能，使其適用於可能發生資料遺失的網路，例如無線或衛星通訊。此格式包含錯誤偵測和修正機制，這有助於確保即使在傳輸過程中某些資料已損毀，影像也能正確解碼。
與在類似品質層級編碼的 JPEG 檔案相比，JPEG 2000 檔案通常較大，這是其廣泛採用的障礙之一。然而，對於影像品質至上的應用程式，而檔案大小增加並非重大考量時，JPEG 2000 提供了明顯的優勢。值得注意的是，與 JPEG 相比，此格式的優異壓縮效率可以在較高品質層級產生較小的檔案大小，特別是對於高解析度影像。
JP2 格式是可擴充的，並且設計為 JPEG 2000 等更大標準套件的一部分。此套件包含各種部分，以擴充基本格式的功能，例如支援動態影像 (JPEG 2000 第 2 部分)、安全影像傳輸 (JPEG 2000 第 8 部分) 和互動式通訊協定 (JPEG 2000 第 9 部分)。這種可擴充性確保此格式可以演進以滿足未來多媒體應用程式的需求。
在檔案結構方面，JP2 檔案包含一系列方塊，每個方塊都包含特定類型的資料。這些方塊包括檔案簽章方塊，它將檔案識別為 JPEG 2000 編碼串流、檔案類型方塊，它指定媒體類型和相容性，以及標頭方塊，它包含影像屬性，例如寬度、高度、色彩空間和位元深度。其他方塊可以包含色彩規格資料、索引色彩影像的調色盤資料、解析度資訊和智慧財產權資料。
JP2 檔案中的實際影像資料包含在「連續編碼串流」方塊中，其中包含壓縮的影像資料和任何編碼樣式資訊。編碼串流組織成「磁磚」，它們是影像的獨立編碼區段。此磁磚功能允許有效隨機存取影像的各個部分，而不需要解碼整個影像，這對於大型影像或僅需要影像一部分時很有用。
JPEG 2000 中的壓縮程序包含幾個步驟。首先，影像會選擇性地進行前處理，其中可能包括磁磚化、色彩轉換和降採樣。接下來，應用 DWT 將影像資料轉換為階層式係數集，這些係數以不同的解析度和品質層級表示影像。然後對這些係數進行量化，這可以用無損或有損的方式進行，並且使用算術編碼或二元樹編碼等技術對量化值進行熵編碼。
採用 JPEG 2000 的挑戰之一是編碼和解碼程序的運算複雜度，它們比原始 JPEG 標準的運算複雜度更高。這限制了它在某些即時或低功耗應用程式中的使用。然而，運算能力的進步以及最佳化演算法和硬體加速器的開發，使 JPEG 2000 更容易用於更廣泛的應用程式。
儘管有其優點，JPEG 2000 尚未在大多數主流應用程式中取代原始 JPEG 格式。JPEG 的簡潔性、廣泛支援和現有基礎設施的慣性促成了它持續的主導地位。然而，JPEG 2000 在專業領域中找到了利基市場，其進階功能（例如更高的動態範圍、無損壓縮和優異的影像品質）至關重要。它通常用於醫學影像、數位電影、地理空間影像和歸檔儲存，在這些領域中，此格式的優點大於檔案大小較大以及運算需求增加的缺點。
總之，JPEG 2000 影像格式代表了影像壓縮技術的重大進步，提供了一系列功能，改進了原始 JPEG 標準的限制。它使用基於小波的壓縮，允許產生具有可擴充解析度和品質的高品質影像，並且它支援漸進式解碼、感興趣區域和強大的元資料，使其成為許多專業應用程式的多功能選擇。儘管它尚未成為影像壓縮的通用標準，但 JPEG 2000 仍然是影像品質和保真度至關重要的產業的重要工具。
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。