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。
MAT 影像格式通常與 MATLAB（一種由 MathWorks 開發的高階語言和互動式環境）相關聯，它並非像 JPEG 或 PNG 那樣的傳統影像格式。相反地，它是一種用於儲存矩陣、變數和其他通常在 MATLAB 中使用的資料類型的檔案格式。MAT 格式是 MATLAB MAT 檔案的縮寫。此檔案格式對於 MATLAB 使用者至關重要，因為它允許儲存和管理會話資料，其中可能包含變數、函式、陣列，甚至以可以輕鬆載入回 MATLAB 工作空間以進行進一步分析或處理的格式儲存的影像。
MAT 檔案是二進位資料容器，可以容納多個變數，包括多維陣列和純量資料。在處理影像時，MATLAB 會將它們視為矩陣，每個畫素值都儲存在矩陣中的一個元素中。對於灰階影像，這是一個二維矩陣，而對於彩色影像，則是一個三維矩陣，其中紅色、綠色和藍色色彩元件有各自的圖層。MAT 格式對於儲存此類影像資料特別有用，因為它保留了資料的精確數值精度和結構，這對於科學和工程應用至關重要。
MAT 檔案格式隨著時間演進，隨著 MATLAB 的更新，發布了不同的版本。最常見的版本是 MAT 檔案版本 4、5 和 7，截至我 2023 年的知識截止，版本 7.3 是最新版本。每個版本在資料容量、壓縮和與 HDF5（階層式資料格式版本 5）的相容性方面都引入了改進，HDF5 是一種廣泛使用的資料模型、函式庫和檔案格式，用於儲存和管理複雜資料。
MAT 檔案版本 4 是最簡單且最舊的格式，不支援資料壓縮或複雜的階層結構。它主要用於與舊版 MATLAB 相容。版本 5 是一個更進階的格式，引入了資料壓縮、Unicode 字元編碼以及對複數和物件的支援等功能。版本 7 新增了更多增強功能，包括改進的壓縮和儲存更大陣列的能力。版本 7.3 完全整合了 HDF5 標準，允許 MAT 檔案利用 HDF5 的進階功能，例如更大的資料儲存和更複雜的資料組織。
在處理 MAT 檔案時，特別是對於影像資料，了解 MATLAB 如何處理影像非常重要。MATLAB 將影像表示為數字陣列，每個數字對應於灰階影像中畫素的強度或 RGB 影像中的色彩代碼。例如，8 位元灰階影像儲存在一個矩陣中，其值範圍從 0 到 255，其中 0 代表黑色，255 代表白色，介於兩者之間的值代表灰色陰影。對於彩色影像，MATLAB 使用一個三維陣列，其中前兩個維度對應於畫素位置，第三個維度對應於色彩通道。
要在 MATLAB 中建立 MAT 檔案，可以使用「save」函式。此函式允許使用者指定檔案名稱和他們想要儲存的變數。例如，要將名為「img」的影像矩陣儲存到名為「imageData.mat」的 MAT 檔案中，可以執行指令「save('imageData.mat', 'img')」。此指令會建立一個包含影像資料的 MAT 檔案，稍後可以使用「load」函式將其載入回 MATLAB。
在 MATLAB 中載入 MAT 檔案很簡單。「load」函式用於從檔案中讀取資料並將其帶入 MATLAB 工作空間。例如，執行「load('imageData.mat')」會將「imageData.mat」的內容載入工作空間，允許使用者存取和操作儲存的影像資料。載入後可以使用「whos」指令顯示已載入變數的資訊，包括其大小、形狀和資料類型。
MAT 格式的主要優點之一是它能夠緊湊且有效率地儲存資料。在將資料儲存到 MAT 檔案時，MATLAB 可以套用壓縮來縮小檔案大小。這對於影像資料特別有用，影像資料可能相當大，特別是在處理高解析度影像或廣泛的影像 資料集時。MAT 檔案中使用的壓縮是無損的，這表示當資料載入回 MATLAB 時，它與原始資料相同，不會損失精度或品質。
MAT 檔案也支援儲存元資料，其中可能包含有關資料來源、建立日期、使用的 MATLAB 版本以及任何其他相關詳細資料的資訊。在與他人分享資料或將資料封存以供未來使用時，此元資料非常有價值，因為它提供了背景並確保資料可以準確地詮釋和重製。
除了數值陣列和影像資料之外，MAT 檔案還可以儲存各種其他資料類型，例如結構、儲存格陣列、表格和物件。這種靈活性使 MAT 檔案成為 MATLAB 使用者的多功能工具，因為它們可以將各種資料類型和結構封裝在一個檔案中。這對於涉及多種類型資料的複雜專案特別有用，因為所有相關資料都可以以一致且有條理的方式儲存。
對於需要在 MATLAB 外部與 MAT 檔案互動的使用者，MathWorks 提供了 MAT 檔案 I/O 函式庫，它允許以 C、C++ 和 Fortran 編寫的程式讀取和寫入 MAT 檔案。此函式庫對於將 MATLAB 資料與其他應用程式整合，或開發需要存取 MAT 檔案資料的客製化軟體非常有用。此外，還有其他程式語言的第三方函式庫和工具，例如 Python，讓更多應用程式可以使用 MAT 檔案。
MAT 檔案與 HDF5 標準在版本 7.3 中的整合顯著擴充了此格式的功能。HDF5 設計用於儲存和組織大量資料，透過採用此標準，MAT 檔案現在可以處理比以前大得多的資料集。這對於機器學習、資料探勘和高性能運算等領域特別重要，這些領域通常會使用大量資料。HDF5 整合也表示可以使用相容於 HDF5 的工具存取 MAT 檔案，進一步增強與其他系統和軟體的互操作性。
儘管 MAT 格式有許多優點，但仍有一些事項需要考慮。其中之一是版本相容性的問題。隨著 MATLAB 的演進，MAT 檔案格式也隨之演進， 而使用較新版本儲存的檔案可能與舊版 MATLAB 不相容。使用者需要知道他們正在使用的 MATLAB 版本以及他們嘗試載入的 MAT 檔案版本。MATLAB 提供了函式，可以在儲存時檢查和指定 MAT 檔案的版本，這有助於在不同的 MATLAB 版本之間維持相容性。
另一個考量是 MAT 格式的專有性質。儘管它有 MathWorks 充分的文件記載和支援，但它不像其他一些資料格式那樣是一個開放標準。在與沒有存取 MATLAB 或相容軟體的使用者分享資料時，這可能會帶來挑戰。然而，與 HDF5 的整合在某種程度上緩解了這個問題，因為 HDF5 是一個開放標準，而且有許多工具可用於處理 HDF5 檔案。
總之，MAT 影像格式是一種強大且靈活的方式，可以在 MATLAB 中儲存影像資料和其他變數。它保留數值精度的能力、支援各種資料類型以及與 HDF5 標準整合，使其成為 MATLAB 使用者的寶貴工具，特別是那些在科學和工程領域工作的人。儘管在版本相容性和格式的專有性質方面有一些考量，但使用 MAT 檔案進行資料儲存和交換的好處是顯著的。隨著 MATLAB 持續演進，MAT 格式可能會持續發展，為管理複雜資料提供更多功能和能力。
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。