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。
PNG48 影像格式是眾所周知且廣泛使用的可攜式網路圖形 (PNG) 格式的延伸。PNG48 是為了改善其前身限制而開發的，特別針對數位影像中對更高色彩深度的需求。基本上，「48」是指位元深度，表示 PNG48 影像的每個畫素包含 48 位元的色彩資訊。這比標準的 24 位元 PNG 有顯著的躍進，有效地將色彩精確度加倍，並提供更豐富且更細緻的視覺體驗。
了解 PNG48 的架構需要深入探討其色彩深度以及它如何處理影像資料。在 PNG48 檔案中，每個畫素由 48 位元表示，分為三個組成部分：紅色、綠色和藍色 (RGB)。與標準 PNG 檔案中每個通道 8 位元相比，這些組成部分中的每個組成部分都有 16 位元深度。這種更高的位元深度分別允許有 65,536 種紅色、綠色和藍色色調，最終形成超過 2,810 兆個顏色的理論調色盤。這種廣泛的光譜特別有利於高階圖形應用程式、攝影和數位藝術，其中色彩準確度和漸層至關重要。
壓縮是 PNG 格式的一個關鍵面向，而 PNG48 也不例外。PNG 使用一種稱為 DEFLATE 的無失真壓縮方法。此演算法透過尋找並消除影像資料中的冗餘來運作，有效地縮小檔案大小，同時不犧牲任何細節或品質。PNG48 檔案的挑戰在於它們由於色彩資訊增加而固有的尺寸較大。儘管如此，DEFLATE 演算法仍設法維持有效的壓縮率，確保檔案大小的增加在可能範圍內得到緩解，同時保留高保真色彩資訊。
透明度是 PNG 格式的另一個標誌性特徵，而在 PNG48 中，這以類似的優雅方式處 理。PNG48 支援完全的 alpha 透明度，允許每個畫素有額外的組成部分來指定其不透明度。然而，在純粹的 PNG48 檔案中，透明度並未直接包含在 48 位元定義中。相反地，為了納入透明度，會使用稱為 PNG64 的格式延伸，其中額外的 16 位元專門用於 alpha 通道。這使影像能夠具有不同程度的透視品質，從完全透明到完全不透明，增強了該格式在平面設計和網頁開發中的實用性。
PNG48 格式本質上比其 PNG24 前身更複雜，對硬體和軟體的要求更高。更高的色彩深度需要更高的處理能力和記憶體，用於檢視和編輯。軟體相容性也是一個考量因素，因為並非所有影像檢視器和編輯器都支援 48 位元色彩深度。然而，大多數專業級軟體都已更新以容納這些更高品質的影像，認識到它們為視覺內容創作者帶來的價值。
PNG48 格式的一個關鍵優勢是它適用於需要高保真視覺表現的各種領域。在數位攝影中，擴展的色彩深度意味著陰影和亮部的細微差別得以更好地保留，減少了在色彩深度較低時漸層中常見的條紋效應。對於平面設計師和數位藝術家來說，此格式提供了使用更廣泛色彩光譜的能力，從而產生更生動逼真的創作。
儘管有其優點，但 PNG48 格式並非普遍理想。儘管採用無失真壓縮，但檔案大小的增加使其不太適合用於網路，其中載入時間和頻寬使用量是關鍵考量因素。因此，雖然 PNG48 非常適合檔案、數位藝術和專業攝影，但由於檔案大小較小且載入時間較快，標準 PNG 甚至 JPEG 可能更適合線上內容。
PNG48 格式的另一個重要特徵是它支援伽瑪校正。這確保了影像在不同的檢視裝置上能更一致地顯示。伽瑪校正會根據輸出裝置（例如電腦螢幕或行動裝置螢幕）的特性調整影像的亮度和對比度。透過支援此功能，PNG48 影像可以提 供更一致的視覺體驗，這對於經常在各種平台上檢視的數位媒體至關重要。
對於有興趣使用 PNG48 的創作者和開發人員來說，了解技術規格和軟體需求至關重要。影像編輯軟體（例如 Adobe Photoshop、GIMP 等）已實作對高位元深度影像的支援，允許編輯 PNG48 檔案。然而，更高的精確度也要求使用者對色彩管理實務有良好的了解，以確保最佳的輸出。此外，使用網頁應用程式的開發人員必須為不支援高位元深度 PNG 檔案的瀏覽器實作後備選項，以確保廣泛的可存取性。
最佳化和轉換工具在 PNG48 檔案的實際使用中也扮演著重要的角色。由於其大小，針對特定使用案例最佳化這些檔案至關重要。有各種軟體工具和函式庫可進一步壓縮 PNG48 檔案，而不會損害其品質。此外，轉換工具允許在必要時將 PNG48 檔案縮小為更廣泛相容的格式，提供這些高品質影像使用和分享方式的靈活性。
總之，PNG48 影像格式代表了數位影像技術的重大進步，提供了無與倫比的色彩深度和視覺保真度。儘管它帶來了一系列挑戰，包括更大的檔案大小和更高的運算需求，但其在影像品質方面的優點是無可爭議的。隨著技術的持續進步，對更高位元深度的支援變得更加普遍，我們很可能會看到 PNG48 和類似格式在專業和高階消費應用程式中得到更廣泛的採用，進一步推動數位影像的界限。
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。