OCR 任何EPS

拖放照片、掃描件或 PDF(最大 2.5GB)。我們直接在您的瀏覽器中提取文字 — 免費、無限制,您的檔案絕不會離開您的裝置。

私密與安全

一切都在您的瀏覽器中進行。您的檔案絕不接觸我們的伺服器。

極速

無需上傳,無需等待。在您拖放檔案的瞬間即可轉換。

完全免費

無需帳戶。無隱藏費用。無檔案大小限制花招。

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。

流程快速導覽

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 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。

引擎和函式庫

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。

資料集和基準

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。

輸出格式和下游使用

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 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

實用指南

  • 從資料和清潔度開始。 如果您的影像是手機相片或品質參差不齊的掃描件, 請在進行任何模型調整之前投資於二值化(自適應和 Otsu)和歪斜校正(Hough)。您通常會從強大的預處理方案中獲益更多,而不是更換 辨識器。
  • 選擇正確的偵測器。 對於具有規則欄的掃描頁面,頁面分割器(區域 → 行)可能就足夠了;對於自然影像,像 EAST 這樣的單次偵測器是強大的基準,可以插入許多工具套件(OpenCV 範例)。
  • 選擇與您的文字相符的辨識器。 對於印刷體拉丁文, Tesseract (LSTM/OEM) 堅固而快速;對於多腳本或快速原型, EasyOCR 是高效的;對於手寫或歷史字體,請考慮 Kraken Calamari 並計劃进行微調。如果您需要與文件理解(鍵值擷取、VQA)緊密耦合, 請在您的綱要上評估 TrOCR (OCR) 與 Donut (無 OCR)—Donut 可能會移除整個整合步驟。
  • 衡量重要指標。 對於端對端系統,報告偵測 F-score 和辨識 CER/WER(均基於 Levenshtein 編輯距離;請參閱 CTC);對於版面繁重的任務,請追蹤 IoU/緊密度和字元級歸一化編輯距離,如 ICDAR RRC 評估工具套件中所示。
  • 匯出豐富輸出。 首選 hOCR /ALTO (或兩者),以便保留座標和閱讀順序—這對於搜尋結果高亮、表格/欄位 擷取和來源至關重要。Tesseract 的 CLI 和 pytesseract 使其成為一行程式碼即可完成的操作。

展望未來

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。

進一步閱讀和工具

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

常見問題

什麼是OCR?

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如何工作?

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有些什麼實際應用?

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。

OCR總是100%準確的嗎?

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。

OCR可以識別手寫字嗎?

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。

OCR可以處理多種語言嗎?

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和ICR有何區別?

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能處理所有字體和文字大小嗎?

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技術有哪些限制?

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。

OCR可以掃描彩色文字或彩色背景嗎?

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。

什麼是 EPS 格式?

Adobe 封裝式 PostScript

Encapsulated PostScript(EPS)檔案格式是圖形設計、出版和數位藝術領域的一項重要遺產。由 Adobe Systems 在20世紀80年代末開發,EPS 出現為一種通用且跨平台的格式,專門用於圖形內容的交換。它允許用戶在單一檔案中結合高品質的圖形影像和文字,使其成為從複雜印刷工作到高分辨率成像任務的廣泛應用的首選。EPS 的核心本質上是一個 PostScript 程式,以檔案形式保存,指示印表機和其他成像設備如何渲染其包含的視覺元素。

EPS 格式的一個定義特徵是它與 Adobe 創造的另一個軟體 Adobe Illustrator 以及其他向量圖形編輯器的相容性。這種關係突出了該格式對精確性和可擴展性的關注。與會隨著縮放而失去清晰度的點陣影像不同,EPS 檔案由於基於數學方程式而非像素陣列,能夠保持其高品質,不受縮放的影響。這種向量性質允許無縫調整大小,使 EPS 成為標誌、插圖和需要頻繁無損縮放的任何圖形的理想格式。

EPS檔案不僅封裝了向量圖形,還包含了點陣影像,使其應用範圍非常廣泛。這種雙重功能使 EPS 格外通用,支持包含尖銳的向量線條和詳細照片影像的複雜構圖。此外,EPS 檔案通常包括低分辨率的預覽影像,通常採用 TIFF 或 WMF 格式。這個預覽facilitated 在無需處理整個 PostScript 代碼(這可能對於舊的或較弱的計算系統來說資源密集)的情況下,在螢幕上快速查看。

了解 EPS 檔案的技術結構揭示了其適應性和精密性。最基本的是,一個EPS檔案由三個主要部分組成:標頭、PostScript 部分和有時的預覽部分。標頭是檔案開頭的一個簡短段落,包含了識別和處理檔案類型的關鍵資訊。它包括 '%!PS-Adobe'標籤,表示該檔案使用 PostScript 語言,後跟版本資訊和詳細邊界框(包含所有圖形內容的矩形區域)的註釋,這對於在各種應用程式中實現正確對齊和縮放至關重要。

EPS 檔案的核心是其 PostScript 部分,這是 Adobe 開發的一種強大的腳本語言,用於電子和桌面出版。PostScript 代碼定義從基本形狀到複雜圖形和佈局的所有內容。它支援各種圖形操作,包括線條、文字渲染、色彩規範和陰影等。考慮到它的腳本性質,PostScript 具有高度的靈活性,能夠通過可編程邏輯生成動態圖形。EPS 檔案的這一方面允許自動化各種圖形流程,這在大規模出版環境中特別有價值。

EPS 檔案中的可選預覽影像服務於一個務實的目的,特別是在 PostScript 處理不直接可用的環境中。無需完整的 PostScript 引擎,這個預覽使軟體應用程式能夠顯示 EPS 內容的簡陋表達,從而提高了該檔案在不同平台和軟體上的可訪問性和可用性。然而,這個預覽影像在品質和分辨率上有限制,只能作為視覺參考,而不是高質量影像的替代品。

除了其固有的品質,EPS 檔案與其他軟體的相容性是其廣泛使用的關鍵因素。大多數專業圖形設計和出版軟體都原生支持 EPS 格式,或通過插件支持。這種廣泛的接受確保了檔案能夠在各種平台和應用程式之間輕鬆共享和處理,增強了協作工作流程,並維護了圖形專案的完整性。此外,EPS 格式將文字和圖形封裝在單個檔案中的能力簡化了複雜文件的管理,優化了設計到印刷的流程。

儘管有諸多優勢,但 EPS 格式在當今的數位環境中也面臨著挑戰和限制。例如,SVG(可縮放矢量圖形)等替代向量格式的興起以及基於網頁的圖形日益普及,都在一定程度上削弱了 EPS 的主導地位。 SVG 尤其在網頁環境中具有優勢,因為它基於 XML 的結構、與現代網頁瀏覽器的相容性以及對交互式和動態內容的支援。此外,相對較大的檔案大小和對 PostScript 解釋器的需求,也使 EPS 不太適合某些應用,特別是涉及網頁圖形或資源受限的移動環境。

由於 EPS 檔案具有包含可執行 PostScript 代碼的能力,安全性問題也成為需要考慮的因素。惡意代碼可能會嵌入在 EPS 檔案中,對不知情的用戶構成風險。因此,建議謹慎打開來源不明的 EPS 檔案,現代圖形設計軟體在處理此類檔案時也可能施加限制或發出警告。這一安全隱患突出了保持軟體最新版本和遵守數位安全最佳實踐的重要性,尤其是對於處理複雜圖形文檔的專業人士而言。

創建和編輯 EPS 檔案的過程通常涉及專門的圖形設計軟體,如 Adobe Illustrator、CorelDRAW 或其他矢量圖形編輯工具。這些應用程式提供了必要的功能,可以構建複雜的矢量圖形,在需要時與點陣影像整合,並以 EPS 格式匯出複合圖形。這些軟體套件內的編輯靈活性允許設計師調整個別元素、修改顏色和細化形狀,確保最終輸出符合精確的規範。完成後,EPS 檔案可以直接用於各種出版環境,或根據專案需求轉換為其他格式。

在 EPS 和其他格式之間進行轉換是圖形設計行業的通常做法,並由各種工具和實用程式facilitated 。將 EPS 檔案轉換為更廣泛支持的格式,如 PDF、PNG 或 JPEG,可能是為了與更多應用程式兼容或更便於查看和分發。同樣地,將其他格式轉換為 EPS 也很有用,因為可以將外部圖形元素納入需要 EPS 格式高度可縮放性和支持複雜構圖等進階功能的專案。這些轉換過程通常是直接的,但必須謹慎處理,以保持原始圖形的品質和完整性。

展望未來,EPS 檔案在圖形設計和出版領域的角色很可能會演變。雖然新興格式和技術可能會在某些情境中蓋過 EPS,但其在高品質印刷生產和複雜圖形構圖方面的優勢仍然使其相關。技術進步可能會導致更高效的處理、更好的安全措施和與現代平台的增強相容性,有可能為新應用刷新 EPS 格式。此外,專業圖形工作中對品質和精確度的持久欣賞,也確保了 EPS 及類似格式在數位藝術領域的持續地位。

總而言之,Encapsulated PostScript 格式代表了數位圖形發展史上的一個重要篇章,將向量圖形的精度與點陣影像的細節結合在一個通用和可縮放的檔案格式中。儘管面臨來自更適合網頁和移動應用的新格式的競爭,EPS 仍然保持著高品質印刷工作和複雜圖形專案的穩健選擇地位。它封裝複雜構圖、廣泛的軟體相容性以及動態、可編程圖形的潛力,突顯了其持久價值。然而,用戶和創作者必須小心應對其局限性和安全隱患,在利用 EPS 優勢的同時,留意不斷變化的數位環境。

支援的格式

AAI.aai

AAI 沙漠圖像

AI.ai

Adobe Illustrator CS2

AVIF.avif

AV1 圖像文件格式

BAYER.bayer

原始 Bayer 圖像

BMP.bmp

Microsoft Windows 點陣圖像

CIN.cin

Cineon 圖像文件

CLIP.clip

圖像剪輯遮罩

CMYK.cmyk

原始青色,洋紅色,黃色和黑色樣本

CUR.cur

Microsoft 圖標

DCX.dcx

ZSoft IBM PC 多頁畫筆

DDS.dds

Microsoft DirectDraw 表面

DPX.dpx

SMTPE 268M-2003 (DPX 2.0) 圖像

DXT1.dxt1

Microsoft DirectDraw 表面

EPDF.epdf

封裝式可攜式文件格式

EPI.epi

Adobe 封裝式 PostScript 交換格式

EPS.eps

Adobe 封裝式 PostScript

EPSF.epsf

Adobe 封裝式 PostScript

EPSI.epsi

Adobe 封裝式 PostScript 交換格式

EPT.ept

帶有 TIFF 預覽的封裝式 PostScript

EPT2.ept2

帶有 TIFF 預覽的封裝式 PostScript Level II

EXR.exr

高人眼動態範圍圖像

FF.ff

Farbfeld

FITS.fits

靈活的圖像傳輸系統

GIF.gif

CompuServe 圖形交換格式

HDR.hdr

高動態範圍圖像

HEIC.heic

高效圖像容器

HRZ.hrz

緩慢掃描電視

ICO.ico

Microsoft 圖標

ICON.icon

Microsoft 圖標

J2C.j2c

JPEG-2000 編碼串

J2K.j2k

JPEG-2000 編碼串

JNG.jng

JPEG 網絡圖形

JP2.jp2

JPEG-2000 文件格式語法

JPE.jpe

聯合攝影專家組 JFIF 格式

JPEG.jpeg

聯合攝影專家組 JFIF 格式

JPG.jpg

聯合攝影專家組 JFIF 格式

JPM.jpm

JPEG-2000 文件格式語法

JPS.jps

聯合攝影專家組 JPS 格式

JPT.jpt

JPEG-2000 文件格式語法

JXL.jxl

JPEG XL 圖像

MAP.map

多解析度無縫圖像數據庫 (MrSID)

MAT.mat

MATLAB 等級 5 圖像格式

PAL.pal

棕櫚點陣圖

PALM.palm

棕櫚點陣圖

PAM.pam

通用二維位圖格式

PBM.pbm

可攜式位圖格式(黑白)

PCD.pcd

Photo CD

PCT.pct

Apple Macintosh QuickDraw/PICT

PCX.pcx

ZSoft IBM PC Paintbrush

PDB.pdb

棕櫚數據庫圖像查看器格式

PDF.pdf

可攜式文件格式

PDFA.pdfa

可攜式文檔檔案格式

PFM.pfm

可攜式浮點格式

PGM.pgm

可攜式灰度圖格式

PGX.pgx

JPEG-2000 VM 格式

PICT.pict

Apple Macintosh QuickDraw/PICT

PJPEG.pjpeg

聯合照相專家組 JFIF 格式(進行中)

PNG.png

可攜式網路圖形格式

PNG00.png00

與原始圖像相同的 PNG 圖像

PNG24.png24

透明背景的 24 位 RGB PNG 圖像

PNG32.png32

帶有透明度通道的 32 位 RGBA PNG 圖像

PNG48.png48

48 位 RGB PNG 圖像

PNG64.png64

帶有透明度通道的 64 位 RGBA PNG 圖像

PNG8.png8

8位的 PNG 圖像

PNM.pnm

可攜式任何圖像格式

PPM.ppm

可攜式像素圖格式(彩色)

PS.ps

Adobe PostScript

PSB.psb

Photoshop大型檔案格式

PSD.psd

Adobe Photoshop bitmap

RGB.rgb

原始紅色,綠色和藍色樣本

RGBA.rgba

原始紅色,綠色,藍色和 Alpha 樣本

RGBO.rgbo

原始紅色,綠色,藍色和不透明度樣本

SIX.six

DEC SIXEL 圖像格式

SUN.sun

SUN 飽和圖像

SVG.svg

可縮放矢量圖形

TIFF.tiff

Tagged Image File Format

VDA.vda

Truevision Targa 圖像

VIPS.vips

VIPS圖像

WBMP.wbmp

無線點陣圖像

WEBP.webp

WebP圖像格式

YUV.yuv

CCIR 601 4:1:1 或 4:2:2

常見問題

這是如何運作的?

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。

轉換一個檔案需要多久?

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。

我的檔案會發生什麼?

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。

我可以轉換哪種類型的檔案?

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。

這需要多少費用?

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。

我可以一次轉換多個檔案嗎?

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。