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。
DCX 影像格式以 .dcx 為擴展名,它是一種值得注意的圖形檔案格式,主要用於將多個 PCX 格式影像封裝在單個檔案中。這種功能使其特別適用於需要組織、儲存和傳輸影像序列或多頁文件的應用程式,如傳真文件、動畫影像或多頁文件。DCX 格式在個人電腦早期開發,它見證了數位影像管理需求的演變,為大量影像處理提供了一種解決方案。
形成 DCX 基礎的 PCX 格式是最早被軟體業廣泛採用的位圖影像格式之一,主要被 PC Paintbrush 軟體使用。作為一種光柵影像格式,它在檔案中編碼了個別像素的資訊,支持各種色深,有效地作為複合 DCX 格式的基礎。儘管歷史悠久,但 PCX - 以及由此延伸的 DCX - 由於其簡單性和與較舊軟體應用程式的相容性,仍在某些領域使用。
DCX 檔案的結構本質上是一個標頭,後面跟著一系列的 PCX 檔案。DCX 檔案的標頭部分以一個唯一的標識符('0x3ADE68B1')開始,這個'魔數'可以確定 DCX 檔案與其他檔案格式的區別。緊接著標識號的是一個目錄,列出了 DCX 檔案內每個封裝的 PCX 影像的偏移位置。這種方法使得可以快速訪問單個影像,而無需順序解析整個檔案,增強了格式在訪問特定內容方面的效率。
目錄部分的每一個條目包含一個 32 位偏移量,指向 DCX 檔案中 PCX 影像的開始位置。這種目錄結構的簡單性允許在 DCX 檔案中快速添加、刪除或替換 PCX 影像,而無需進行大量的檔案重處理。這突出了該格式在支持可管理的多頁文件影像或連續影像集合的更新和編輯方面的前瞻性設計。
在技術編碼方面,封裝在 DCX 容器中的 PCX 檔案將其影像數據儲存為一系列掃描線。這些掃描線使用游程編碼(RLE)進行壓縮,這是一種無損數據壓縮方式,可以減小檔案大小而不損害原始影像品質。RLE 對於具有大面積均一顏色的影像特別有效,這使其非常適合與 PCX 和 DCX 格式通常相關的掃描文件影像和簡單圖形。
PCX 格式在色深方面的靈活性在很大程度上決定了 DCX 格式的適應性。PCX 檔案可以處理單色、16 色、256 色和真彩色(24 位)影像,使 DCX 容器能夠封裝各種各樣的影像類型。這種通用性確保了 DCX 格式在歸檔目的中的持續相關性,在這裡保持原始文件或影像的忠實度至關重要。
儘管有諸多優勢,DCX 格式也面臨著與其設計和技術時代有關的局限性。首先,該格式本質上不支持圖層、透明度或元資料等高級影像功能,這些在更現代的影像檔案格式中已成為標準。這些局限性反映了該格式在掃描文件和歸檔等較簡單應用中的實用性,而不是複雜的影像編輯或數位藝術創作。
另外,儘管 PCX 和 DCX 格式使用的游程編碼方法對於某些類型的影像來說很有效,但可能無法為所有情況提供最優的壓縮。像 JPEG 或 PNG 格式使用的現代影像壓縮算法提供了更複雜的方法,可以實現更高的壓縮比和更好的質量,適用於更廣泛的影像。然而,RLE 的簡單性以及 DCX 影像中沒有損失性壓縮工件的事實確保它們保持了原始的視覺完整性,不會降低品質。
此外,DCX 檔案對 PCX 格式的依賴也意味著繼承了 PCX 相關的局限性和挑戰。例如,處理現代高分辨率影像或廣色域影像可能會有問題,因為受到色深限制和 RLE 壓縮對複雜影像的效率低下的影響。因此,雖然 DCX 檔案在有效儲存簡單影像或文件掃描方面表現優異,但可能不是高質量攝影或詳細圖形工作的理 想選擇。
從軟體相容性的角度來看,DCX 格式受到一系列影像查看和編輯程式的支持,特別是那些專門用於處理遺留檔案格式或文件成像的程式。這種互操作性確保了用戶能夠訪問和操縱 DCX 檔案而不會遇到太大障礙,並利用現有的軟體解決方案。然而,隨著數位成像領域的發展,更先進和靈活的影像格式的普及,DCX 的持續採用和支持面臨著挑戰,可能會將其局限在更小眾或遺留應用中。
鑑於這些因素,DCX 格式的未來似乎與其小眾應用密切相關,在這些應用中,其特定優勢(如在單個檔案中有效儲存多頁文件影像,以及通過無損壓縮保持原始影像質量)超過其局限性。那些優先考慮這些因素的行業和應用,如法律文檔歸檔、歷史文件保護和某些類型的技術文檔,可能會繼續發現 DCX 格式的價值。
此外,DCX 格式在保護數位遺產和歷史文件方面的作用也不容忽視。在需要維護原始文件真實性和完整性的情況下,DCX 格式的簡單性和可靠性可能提供比更複雜的需要現代計算資源的格式更多的優勢。該格式對無損壓縮和對各種色深的支持的強調,確保了數位複製品與原始文件的高度吻合,這對於歸檔目的至關重要。
鑑於這些優勢和弱點,DCX 格式在當代數位成像中的相關性取決於其在特定使用案例中的持續效用,而不是廣泛的主流採用。雖然它可能無法在所有情景中與現代影像格式在功能或效率方面競爭,但 DCX 在數位成像生態系統中保持了一席之地,特別是在其獨特功能最受重視的遺留系統和特定行業中。
總之,DCX 影像格式體現了在管理多頁影像文件或序列時簡單性、效率和功能性之間的平衡。它對久經考驗的 PCX 格式的依賴奠定了其在早期數位影像管理歷史中的地位,同時也勾勒出了它的能力和局限性。儘管面臨著更先進和多功能影像格式的 挑戰,但 DCX 在那些其屬性(如無損壓縮、有效處理多個影像、與較舊軟體的相容性)與用戶和行業實際需求相吻合的特定應用中仍然保持相關性。
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。