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。
PAL 影像格式，不要與電視廣播標準（相位交替線）混淆，是一種用於各種應用程式的色彩調色盤檔案格式，特別是在電腦圖形和數位藝術領域。PAL 檔案通常儲存一系列色彩，可套用於索引影像或用於維持不同數位資產間的一致性。此格式在處理 8 位元圖形時特別有用，因為色彩數量限制在 256 種，而精確控制色彩調色盤對於所需的視覺效果是必要的。
PAL 檔案的結構相對簡單，包含指定格式和版本的標頭，接著是調色盤資料本身。調色盤資料是色彩條目的陣列，其中每個條目定義一種色彩。在大多數情況下，每種色彩由三個位元組表示，分別對應於色彩的紅色、綠色和藍色 (RGB) 成分。PAL 格式的一些變體可能包含一個額外的位元組作為 alpha 通道，表示色彩的透明度，儘管這並不常見。
PAL 檔案的標頭至關重要，因為它包含有助於軟體正確解譯檔案其餘部分的資訊。它通常包含一個簽章或魔術數字，將檔案識別為 PAL 格式、格式版本，有時還包含調色盤中包含的色彩數量。版本資訊對於確保與可能支援 PAL 格式不同反覆運算的不同軟體相容性非常重要。
在標頭之後，調色盤資料按順序組織。每個色彩條目通常長度為 3 個位元組，每個主要色彩成分（紅色、綠色和藍色）一個位元組。每個成分的值範圍從 0 到 255，總共允許 16,777,216 種可能的色彩。然而，由於 PAL 檔案通常與索引影像一起使用，因此調色盤中只包含這些色彩的子集，通常最多 256 種色彩。
索引影像格式透過將影 像中的每個像素對應到調色盤中的色彩來運作，而不是直接將色彩資訊儲存在像素資料中。這是使用索引完成的，索引是一個對應於調色盤中色彩位置的數字。例如，索引 0 將參考調色盤中的第一種色彩，索引 1 將參考第二種色彩，依此類推。這種色彩參照方法可以大幅縮小檔案大小，這在儲存空間和記憶體有限的早期電腦時代特別重要。
使用 PAL 檔案的主要好處之一是能夠透過僅變更調色盤來變更索引影像的外觀，而無需修改影像資料本身。這可用于建立不同的視覺主題、模擬不同的光照條件或執行色彩校正。例如，在電子遊戲中，相同的精靈圖形可以使用不同的調色盤重複使用，以表示不同的環境或表示遊戲狀態的變化，例如損壞或升級。
PAL 格式對於確保多個影像或資產間的一致性也很有利。透過共用一個共用調色盤，可以保證一組影像使用相同的色彩組，這對於維持一致的外觀和感覺非常重要。這在動畫等應用程式中特別有用，其中多個影格在按順序播放時必須看起來一致，或在使用者介面設計中，其中不同的元素需要與應用程式的整體配色方案相符。
儘管有其優點，但 PAL 格式由於與索引色彩影像的關聯而有其限制。隨著顯示技術和圖形硬體的進步，對索引色彩和有限調色盤的需求已經減少。現代圖形系統能夠同時顯示數百萬種色彩，使使用全彩影像更實用且更理想。因此，PAL 檔案的使用已減少，取而代之的是支援真彩的更通用的影像格式，例如 PNG 或 JPEG。
然而，PAL 格式在某些利基應用中仍然有用。例如，復古遊戲開發、像素藝術和其他有意限制調色盤以符合風格原因的藝術創作可能會使用 PAL 檔案。此外，一些以 PAL 格式設計的舊系統和軟體可能仍需要使用它以符合相容性目的。
可以使用專門設計用於處理調色盤和索引影像的軟體工具來建立和編輯 PAL 檔案。這些工具允許藝術家和開發人員透過手動或從現有影像中選擇色彩來建立自訂調色盤。他們還可以透過重新排列色彩、調整色彩值以及匯入或匯出各種格式（包括 PAL）的調色盤來操作調色盤。
在處理 PAL 檔案時，了解目標平台或軟體的特定需求非常重要。一些系統可能對可使用的色彩數量有限制，或者可能需要調色盤以特定方式組織。此外，由於色彩空間或伽瑪設定的差異，色彩的解譯方式在不同系統之間可能有所不同，這會影響色彩在顯示時的最終外觀。
在檔案格式規格方面，PAL 格式並未像 PNG 或 JPEG 等格式那樣標準化。這表示在不同的軟體中，PAL 檔案的結構和解譯方式可能有所不同。一些應用程式可能使用 PAL 格式的專有擴充功能或變體，這可能會在不同程式之間交換檔案時導致相容性問題。確保用於建立或編輯 PAL 檔案的軟體與預期的使用案例相容非常重要。
為了解決 PAL 格式的一些限制，已開發出擴充功能和替代方案。例如，Adobe 色彩表 (.ACT) 格式類似於 PAL，但專門設計用於與 Adobe 軟體一起使用。由 Windows 使用的 Microsoft 調色盤 (PAL) 檔案格式是另一種變體，其中包含額外的元資料以改善與 Windows 應用程式的相容性。這些替代格式提供與 PAL 格式類似的功能，但與特定軟體生態系統的整合性更好。
總之，PAL 影像格式是一種用於管理索引影像中色彩調色盤的簡單但強大的工具。儘管隨著現代圖形技術的出現，它的使用已減少，但在色彩調色盤管理至關重要的特定情況下，它仍然相關。了解 PAL 檔案的結構和應用對於任何處理舊系統、復古風格圖形或任何需要精確控制有限色彩調色盤的專案的人來說都很重要。與任何檔案格式一 樣，應考慮相容性和標準化問題，以確保不同軟體工具和平台之間順暢的工作流程和互操作性。
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。