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 XL (JXL) 影像格式是一種新一代的影像編碼標準，旨在超越 JPEG、PNG 和 GIF 等現有格式的功能，提供優異的壓縮效率、品質和功能。它是聯合影像專家小組 (JPEG) 委員會合作的成果，該委員會在影像壓縮標準的發展中發揮了重要作用。JPEG XL 被設計為一種通用影像格式，可以處理從專業攝影到網路圖形的廣泛使用案例。
JPEG XL 的主要目標之一是提供高品質的影像壓縮，可以在不影響視覺品質的情況下大幅縮小檔案大小。這是透過先進的壓縮技術和現代編碼架構的結合來實現的。該格式採用模組化方法，允許將各種影像處理作業（例如色彩空間轉換、色調對應和回應式調整大小）直接整合到壓縮流程中。
JPEG XL 建立在兩個先前的影像編解碼器的基礎上：Google 的 PIK 和 Cloudinary 的 FUIF（免費通用影像格式）。這些編解碼器在影像壓縮方面引入了多項創新，這些創新已進一步改良並整合到 JPEG XL 中。該格式被設計為免版稅，這使其成為軟體開發人員和需要具成本效益的影像儲存和分發解決方案的內容創作者的誘人選擇。
JPEG XL 壓縮效率的核心是使用一種稱為非對稱數字系統 (ANS) 的現代熵編碼技術。ANS 是一種算術編碼形式，透過有效編碼影像資料的統計分佈，提供近乎最佳的壓縮比。這使 JPEG XL 能夠比傳統方法（例如原始 JPEG 格式中使用的霍夫曼編碼）實現更好的壓縮。
JPEG XL 還引入了一個稱為 XYB（額外 Y、藍黃）的新色彩空間，旨在更好地與人類視覺感知相符。XYB 色彩空間透 過優先處理對人眼更重要的影像組成部分，實現更有效的壓縮。這會產生檔案大小較小且壓縮偽像較少的影像，特別是在色彩變化細微的區域。
JPEG XL 的另一個關鍵功能是支援高動態範圍 (HDR) 和廣色域 (WCG) 影像。隨著顯示技術的發展，對於能夠處理這些新顯示器可以產生的擴展亮度和色彩範圍的影像格式的需求日益增加。JPEG XL 對 HDR 和 WCG 的原生支援確保影像在最新的螢幕上看起來生動逼真，而不需要額外的元資料或附加檔案。
JPEG XL 的設計也考慮了漸進式解碼。這表示影像可以在下載時以較低的品質顯示，並且隨著更多資料的可用，品質可以逐漸提升。此功能對於網路瀏覽特別有用，因為使用者可能具有不同的網際網路速度。它透過在不必等待整個檔案下載的情況下提供影像預覽，提供更好的使用者體驗。
在向後相容性方面，JPEG XL 提供了一個稱為「JPEG 重新壓縮」的獨特功能。這允許現有的 JPEG 影像重新壓縮成 JPEG XL 格式，而不會有任何額外的品質損失。重新壓縮的影像不僅大小較小，而且還保留所有原始 JPEG 資料，這表示它們可以在需要時轉換回原始 JPEG 格式。這使得 JPEG XL 成為封存大量 JPEG 影像的誘人選擇，因為它可以在保留還原為原始檔案的能力的同時，大幅減少儲存需求。
JPEG XL 也滿足了網路中回應式影像的需求。透過將影像的多個解析度儲存在單一檔案中的能力，網路開發人員可以根據使用者的裝置和螢幕解析度提供最合適的影像大小。這消除了需要針對不同解析度提供個別影像檔案，並簡化了建立回應式網頁設計的流程。
對於專業攝影師和平面設計師，JPEG XL 支援無損壓縮，這確保原始影像資料的每一個位元都得以保留。這對於影像完整性至關重要的應用程式（例如醫學影像、數位 檔案和專業照片編輯）至關重要。JPEG XL 的無損模式也非常有效率，與 PNG 或 TIFF 等其他無損格式相比，通常會產生較小的檔案大小。
JPEG XL 的功能集延伸至包括對動畫的支援，類似於 GIF 和 WebP 格式，但具有更好的壓縮和品質。這使其成為網路中 GIF 的合適替代品，提供更流暢的動畫、更廣泛的色彩範圍，且沒有 GIF 256 色限制的限制。
該格式還包含對元資料的強大支援，包括 EXIF、XMP 和 ICC 設定檔，確保在壓縮過程中保留有關影像的重要資訊。這些元資料可以包括相機設定、版權資訊和色彩管理資料等詳細資訊，這些資訊對於專業用途和數位遺產的保存都是必要的。
安全性與隱私也在 JPEG XL 的設計中受到考量。該格式不允許包含可執行程式碼，這降低了可透過影像加以利用的安全漏洞風險。此外，JPEG XL 支援移除敏感元資料，這有助於在線上分享影像時保護使用者隱私。
JPEG XL 被設計為具有前瞻性，採用靈活的容器格式，可以延伸以支援隨著新功能和技術出現而出現的新功能和技術。這確保該格式可以適應不斷變化的需求，並在未來幾年繼續作為通用影像格式。
在採用方面，JPEG XL 仍處於早期階段，正在持續努力將支援整合到網路瀏覽器、作業系統和影像編輯軟體中。隨著更多平台採用該格式，預計它將作為舊影像格式的替代品而獲得關注，提供效率、品質和功能的綜合提升。
總之，JPEG XL 代表了影像壓縮技術的重大進步。它結合了高壓縮效率、對現代影像功能的支援和向後相容性，使其成為成為影像儲存和傳輸新標準的有力候選者。隨著該格式獲得更廣泛的採用，它有可能改變我們建立、分享和使用數位影像的方式，讓它們對所有人來說更易於取得和享受。
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。