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。
Photo CD(PCD)影像格式是一種由柯達公司在20世紀90年代初開發的數位影像格式。PCD 格式的主要目的是允許用戶將高分辨率數位照片存儲在 CD 上,然後使用專用的 Photo CD 播放器在計算機或電視上查看。PCD 格式是柯達公司為了銜接傳統菲林攝影和新興數位攝影市場而採取的更廣泛策略的一部分。它旨在為攝影師和消費者提供一種方便的方式來數字化和歸檔他們的菲林影像,並保持高度保真度。
PCD 格式的一個關鍵特點是使用多尺度解析度結構,這允許單個 PCD 檔案包含同一影像的多個解析度。這種結構基於柯達開發的一種稱為 PhotoYCC 的專有影像壓縮技術。PhotoYCC 色彩空間類似於視頻壓縮中使用的 YCbCr 色彩空間,其中 Y 代表亮度分量,Cb 和 Cr 代表色度分量。這種色彩空間非常適合用於攝影影像,因為它將亮度資訊從色彩資訊中分離開來,這與人類視覺系統處理影像的方式非常吻合。
PCD 檔案的多尺度解析度結構包括五個不同的解析度級別,範圍從 192x128 像素的基本/預覽解析度到 3072x2048 像素的最大解析度。這些解析度被稱為 Base/16、Base/4、Base、4Base 和 16Base,其中 Base 解析度為 768x512 像素。這允許從縮略圖預覽到高質量列印的各種用途。不同的解析度以分層格式存儲,使軟體和硬體能夠快速訪問適合特定任務的適當解析度級別,而無需處理整個影像檔案。
PCD 檔案通常是使用柯達 Photo CD 系統創建的,該系統涉及使用高分辨率掃描儀掃描菲林底片或幻燈片,然後將數位影像以 PCD 格式寫入 CD。掃描過程經過精 心校準,以確保準確的色彩再現和捕捉菲林的全動態範圍。最終的 PCD 檔案旨在成為菲林影像的數位歸檔,具有產生高質量列印和易於在各種設備上分享和查看的功能。
PCD 格式還納入了一些元資料欄位,用於存儲有關影像及掃描過程的資訊。這些元資料可包括影像拍攝的日期和時間、使用的菲林類型、掃描器設定等相關詳細資訊。這些資訊對於歸檔目的以及希望跟踪自己影像技術細節的攝影師來說都很有價值。
儘管提供了先進的功能和高影像質量,但 PCD 格式面臨著幾個限制其普及的挑戰。其中一個主要挑戰是該格式的專有性質,這意味著它只能與柯達自己的軟體和硬體完全利用。這限制了與第三方軟體和設備的相容性,使其對已使用其他影像格式和編輯軟體的消費者和專業人士來說不太有吸引力。
PCD 格式面臨的另一個挑戰是數位相機技術的快速進化和廉價數位相機的日益普及。隨著數位相機變得更加強大並提供更高的分辨率,對掃描菲林影像的需求對許多用戶來說已經不那麼重要。此外,JPEG 和 TIFF 等其他數位影像格式的出現,它們更加開放和廣泛支持,為用戶提供了更靈活和易於訪問的數位影像存儲和共享選擇。
儘管面臨這些挑戰,但 PCD 格式仍被一些專業攝影師和愛好者使用,他們欣賞其高影像質量和以高度保真度數字化菲林的能力。在某段時間內,它也被照片實驗室和服務提供商用於提供菲林掃描和歸檔服務。然而,隨著數位攝影市場的持續增長和發展,PCD 格式的使用逐漸下降。
從技術角度來看,PCD 格式值得注意的是其使用上述的 PhotoYCC 色彩空間和多尺度解析度結構。該格式使用有損壓縮算法來減小檔案大小,同時保持高水平的影像質量。壓縮的應用方式利用了人類視覺系統的特性,強調保留亮度細節勝過色度細 節,後者對人眼來說較不明顯。
PCD 檔案結構由幾個不同部分組成,包括標頭、各解析度級別的影像目錄和影像數據本身。標頭包含有關檔案格式版本和 CD 上存儲的影像數量的資訊。每個影像目錄包含有關影像的元資料,以及該解析度級別的影像數據在檔案中的位置指針。
PCD 檔案中的影像數據以磚塊格式存儲,影像被分割成稱為磚塊的小矩形部分。每個磚塊獨立壓縮,這允許更有效的數據訪問和操作。這種磚塊系統也facilitated 不同解析度級別的分層存儲,因為可以通過組合和下採樣較高解析度級別的磚塊來構建較低解析度的影像。
要查看或編輯 PCD 檔案,用戶通常需要能夠讀取 PCD 格式並處理其多尺度解析度結構的專門軟體。柯達提供了自己的軟體用於此目的,但也有一些第三方軟體解決方案提供不同程度的 PCD 檔案支持。一些現代影像編輯軟體仍然包括對 PCD 格式的支持,儘管比對 JPEG 和 TIFF 等更廣泛使用的格式的支持要少。
就檔案大小而言,PCD 檔案可能相當大,特別是在最高解析度級別。這是因為該格式的設計旨在保留原始菲林影像的質量,這需要大量數據。但是,PCD 檔案中使用的壓縮算法確實有助於在某種程度上緩解檔案大小,使其更易於存儲和傳輸影像。
PCD 格式還包括對一項稱為'Photo CD Portfolio'的功能的支持,該功能允許用戶以結構化的方式在 CD 上組織和管理他們的影像。這個功能包括創建相冊、對影像進行分類以及為每個影像添加描述性文字的能力。Portfolio 功能旨在使用戶更輕鬆地瀏覽和欣賞他們的數位照片集。
總之,PCD 影像格式是在從模擬到數位攝影過渡期間數位化和歸檔菲林照片的創新解決方案。其多尺度解析度結構、使用 PhotoYCC 色彩空間以及高影像質量使其成為專業人士和愛好者所需的高 保真度數位菲林影像副本的有價值工具。然而,該格式的專有性質,加上數位相機技術的快速進步以及更靈活的數位影像格式的出現,最終導致了 PCD 格式的衰落。如今,它仍然是數位攝影史的一部分,其技術方面繼續引起那些研究數位影像存儲和壓縮演化的人的興趣。
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。