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 影像格式，通常簡稱為 JP2，是一種影像編碼系統，作為原始 JPEG 標準的後繼者而建立。它是由聯合影像專家小組委員會於 2000 年代初期開發，目的是提供一種新的影像格式，可以克服傳統 JPEG 格式的一些限制。JPEG 2000 不可與使用 .jpg 或 .jpeg 檔案副檔名的標準 JPEG 格式混淆。JPEG 2000 使用 .jp2 副檔名，並提供許多相較於其前身顯著的改進，包括在較高壓縮比下提供更好的影像品質、支援較高的位元深度，以及透過 alpha 通道改善透明度的處理。
JPEG 2000 的主要特色之一是使用小波壓縮，而不是原始 JPEG 格式中使用的離散餘弦轉換 (DCT)。小波壓縮是一種非常適合影像壓縮的資料壓縮形式，其中檔案大小會在不犧牲品質的情況下縮小。這是透過將影像轉換成小波域來達成，其中影像資訊會以允許不同細節層級的方式儲存。這表示 JPEG 2000 可以提供無損和有損壓縮於同一個檔案格式中，提供彈性，具備使用者需求的依據。
JPEG 2000 的另一個顯著優點是支援漸進式解碼。此功能允許在檔案仍下載的同時顯示影像的低解析度版本，這對於網路影像特別有用。隨著接收更多資料，影像品質會逐漸改善，直到顯示全解析度影像。這與標準 JPEG 格式形成對比，其中只有在整個檔案下載後才能顯示影像。
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，在一個人物照片中，個人的臉部可以比背景編碼為更高的品質。這種選擇性的品質控制在影像的某些部分比其他部分更重要的應用程式中非常有用。
JPEG 2000 格式也具有高度可擴充性。它支援廣泛的影像解析度、色彩深度和影像元件。這種可擴充性延伸到空間和品質維度，表示單一 JPEG 2000 檔案可以儲存多個解析度和品質等級，可以根據不同應用程式或裝置的需要提取。這使得 JPEG 2000 成為從數位電影到醫學影像等各種用途的絕佳選擇，其中不同的使用者可能需要不同的影像屬性。
在色彩準確度方面，JPEG 2000 支援每個色彩通道最高 16 位元，而標準 JPEG 則為每個通道 8 位元。這種增加的位元深度允許更廣泛的色彩範圍和它們之間更細微的漸層，這對於色彩保真度至關重要的頂級照片編輯和列印特別重要。
JPEG 2000 也包含強大的錯誤復原功能，這使其更適合在資料損毀風險高的網路（例如無線網路或網際網路）上傳輸影像。此格式可以包含檢查總和和其他資料完整性檢查，以確保即使在傳輸過程中遺失一些資料封包，影像仍可以重建。
儘管有許多優點，但與原始 JPEG 格式相比，JPEG 2000 尚未廣泛採用。造成這種情況的原因之一是 JPEG 2000 壓縮演算法的複雜性，它需要更多運算能力來編碼和解碼影像。這使得它對消費性電子產品和網路平台的吸引力降低，而這些平台通常優先考慮速度和簡潔性。此外，原始 JPEG 格式已深植於產業中，並擁有廣泛的軟體和硬體支援，這使得新格式難以立足。
限制 JPEG 2000 採用的另一個因素是專利的問題。JPEG 2000 標準包含由各種實體專利的技術，這導致對授權費和法律約束的疑慮。儘管許多這些專利已過期或已以合理且非歧視性的條款提供，但最初的不確定性導致一些組織不願意採用此格式。
儘管有這些挑戰，JPEG 2000 在某些專業領域中找到了利基， 其進階功能特別有價值。例如，在數位電影中，JPEG 2000 用於數位電影倡議 (DCI) 規格的一部分，用於電影的發行和放映。其高品質影像呈現和可擴充性使其非常適合高解析度電影螢幕的需求。
在檔案和數位保存領域，JPEG 2000 也因其無損壓縮功能和以有效且有利於長期保存的方式儲存影像的能力而受到青睞。需要其館藏的高品質數位副本的圖書館、博物館和其他機構通常會基於這些原因選擇 JPEG 2000。
醫學影像產業是 JPEG 2000 已成功實施的另一個領域。此格式支援高位元深度和無損壓縮，對於確保醫學影像（例如 X 光和 MRI 掃描）保留所有必要的細節以進行準確的診斷和分析至關重要。此外，有效處理非常大的影像檔案的能力使得 JPEG 2000 非常適合這個部門。
JPEG 2000 也包含豐富的元資料功能，允許在影像檔案本身中嵌入廣泛的資訊。這可以包括版權資訊、相機設定、地理位置資料等等。此功能對於資產管理系統和其他追蹤影像來源和屬性很重要的應用程式特別有用。
總之，JPEG 2000 影像格式提供了一系列進階功能，在影像品質、彈性和穩健性方面提供了顯著的優點。它使用小波壓縮允許在較小的檔案大小中提供高品質影像，而它對漸進式解碼、感興趣區域和可擴充性的支援使其成為許多應用程式的多功能選擇。儘管它尚未取代主流使用的原始 JPEG 格式，但 JPEG 2000 已成為在產業中其獨特優點最需要的格式。隨著技術持續進步，對更高品質數位影像的需求不斷增加，JPEG 2000 可能在未來獲得更廣泛的採用。
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。