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。
可攜式網路圖形 (PNG) 格式因其能提供高品質且無失真壓縮的影像而成為數位世界的中流砥柱。在 PNG 的各種變體中，PNG8 以其獨特的色彩效率和檔案大小縮減而脫穎而出。這份對 PNG8 的詳細探討旨在揭開此影像格式的層次，探討其結構、功能和實際應用。
PNG8 基本上是 PNG 格式的位元深度變體，其色彩色盤限制在 256 色。此限制是 PNG8 能夠大幅縮減檔案大小，同時仍能維持原始影像品質的關鍵。PNG8 中的「8」表示每像素 8 位元，這表示影像中的每個像素都可以是色彩色盤中的 256 種顏色之一。此色盤定義在影像檔案本身中，允許針對特定影像量身打造自訂色彩組，進而提升此格式的效率。
PNG8 檔案的結構類似於其他 PNG 格式，遵循 PNG 檔案簽章和基於區塊的架構。PNG 檔案通常以 8 位元簽章開頭，接著是一系列承載不同類型資料的區塊（例如，標頭資訊、色盤資訊、影像資料和元資料）。在 PNG8 中，PLTE（色盤）區塊扮演著關鍵角色，因為它儲存影像像素引用的色彩色盤。此色盤包含多達 256 種顏色，由 RGB（紅、綠、藍）值定義。
PNG8 中的壓縮使用濾波和 DEFLATE 演算法的組合。濾波是一種用於準備影像資料進行壓縮的方法，讓壓縮演算法更容易在不遺失資訊的情況下縮減檔案大小。在濾波後，結合 LZ77 和 Huffman 編碼技術的 DEFLATE 演算法會用於有效壓縮影像資料。此兩步驟程序讓 PNG8 影像能達到高壓縮率，使其成為考量頻寬和載入時間的網路使用理想選擇。
PNG8 中的透明 度使用 tRNS（透明度）區塊處理，此區塊可以指定色盤中的單一顏色為完全透明，或是一系列對應於色盤顏色的 alpha 值，進而啟用不同程度的透明度。此功能讓 PNG8 能有簡單的透明度效果，使其適合需要透明背景或柔和疊加的網路圖形。然而，值得注意的是，PNG8 中的透明度無法達到與 PNG32 相同的細節層級，後者支援每個像素的完整 alpha 透明度。
PNG8 影像的建立和最佳化涉及色彩保真度和檔案大小之間的平衡。產生 PNG8 影像的工具和軟體通常包含色彩量化和抖動的演算法。色彩量化會減少顏色數量以符合 256 色限制，理想情況下能保留影像的視覺完整性。抖動有助於透過在像素層級混合顏色來最小化色彩減少的視覺影響，創造出較大色彩色盤的錯覺。這些技術對於產生視覺上吸引人且有效壓縮的 PNG8 影像至關重要。
儘管有其優點，PNG8 仍有其限制，使其不適合某些應用。受限的色彩色盤可能導致漸層中的色帶和複雜影像中的細節遺失。此外，簡單的透明度機制無法像支援完整 alpha 透明度的格式一樣有效地容納具有柔和陰影或半透明物體的場景。因此，雖然 PNG8 非常適合色彩範圍有限的簡單圖形、圖示和標誌，但它可能不是照片和複雜紋理的最佳選擇。
PNG8 在網路開發和數位媒體創作中的採用是由於其相容性、效率和在特定情境中的實用性。它在所有現代網路瀏覽器和影像處理軟體中的支援使其成為尋求最佳化網路資源的網路設計師的可靠選擇。對於內容視覺複雜度低且需要最小化頻寬使用的應用，PNG8 提供了最佳平衡。此外，其透明度支援增加了多功能性，允許在網站上進行創意分層和主題設定，而不會顯著增加載入時間。
總而言之，PNG8 仍然是數位影像生態系統中相關且有價值的影像格式，特別是對於 需要有效儲存和傳輸的網路圖形和數位媒體。其設計在色彩多樣性和檔案大小效率之間取得平衡，使其非常適合具有特定需求的各種應用。雖然 PNG8 並非沒有限制，但其在簡潔性、壓縮和廣泛相容性方面的獨特優勢確保了它在影像格式光譜中的地位。了解 PNG8 的這些面向對於設計師、開發人員和數位媒體專業人員來說至關重要，他們旨在針對影像格式選擇做出明智的決策，以滿足其專案的技術和美學需求。
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。