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。
PALM 影像格式，又稱為 Palm Bitmap，是一種與 Palm OS 裝置相關的點陣圖形檔案格式。它設計用於儲存 Palm OS PDA（個人數位助理）上的影像，這些裝置在 1990 年代後期和 2000 年代初期很受歡迎。此格式特別針對這些手持裝置的顯示和記憶體限制量身打造，因此針對低解析度、索引色彩影像進行最佳化，可以在裝置螢幕上快速呈現。
PALM 影像的特點是簡單且有效率。此格式支援有限的色彩盤，通常最多 256 色，這對於 PDA 的小螢幕來說已經足夠。這種索引色彩方法表示影像中的每個畫素並非以其自己的色彩值表示，而是以一個索引指向色彩表，其中包含實際的 RGB（紅、綠、藍）值。這種色彩表示方法非常省記憶體，這對於 RAM 和儲存容量有限的裝置來說至關重要。
PALM 影像檔案的基本結構包含標頭、色彩盤（如果影像不是單色的）、位圖資料，以及可能是透明度資訊。標頭包含影像的元資料，例如其寬度和高度（以畫素為單位）、位元深度（決定色彩數量），以及標示影像是否有透明度索引或是否經過壓縮的旗標。
壓縮是 PALM 影像格式的另一個功能。為了節省更多空間，可以使用遊程長度編碼 (RLE) 演算法壓縮 PALM 影像。RLE 是一種無失真資料壓縮形式，其中相同資料值（遊程）的序列儲存為單一資料值和計數。這對於具有大面積均勻色彩的影像特別有效，這在 PDA 中使用的圖示和使用者介面元素中很常見。
PALM 影像中的透明度透過透明度索引處理。此索引指向色彩盤中指定為透明的色彩，允許在不同背景上疊加影像，而影像周圍不會出現塊狀、不透明的矩形。此功能對於建立無縫使用者介面至關重要，其中圖示和其他圖形需要與其背景融合。
PALM 影像中的色彩盤是一個關鍵組成部分，因為它定義了影像中使用的色彩組。色彩盤是一個色彩條目陣列，其中每個條目通常是一個 16 位元值，代表一個 RGB 色彩。影像的位元深度決定色彩盤中的最大色彩數量。例如，1 位元深度影像將有一個 2 色色彩盤（通常是黑色和白色），而 8 位元深度影像最多可以有 256 色。
PALM 影像檔案中的位圖資料是影像的逐畫素表示。每個畫素儲存為色彩盤中的索引。此資料的儲存可以是原始、未壓縮的格式，或使用 RLE 壓縮。在未壓縮的格式中，位圖資料只是一個索引序列，每個畫素一個索引，從上到下按列排列，從左到右按欄排列。
PALM 影像格式的獨特之處之一是它在單一影像中支援多個位元深度。這表示影像可以包含具有不同色彩解析度的區域。例如，PALM 影像可以有一個高色彩深度圖示（8 位元），以及一個低色彩深度裝飾元素（1 位元）。這種靈活性允許有效使用記憶體，僅在影像的視覺品質需要時使用較高的位元深度。
PALM 影像格式還支援自訂圖示和選單圖形，這對於 Palm OS 應用程式的使用者介面至關重要。這些影像可以整合到應用程式程式碼中，並使用 Palm OS API（應用程式程式介面）在裝置上顯示。API 提供用於載入、顯示和處理 PALM 影像的函式，讓開發人員可以輕鬆地將圖形納入其應用程式中。
儘管在 Palm OS 裝置中有效率且實用，但與更現代的影像格式相比，PALM 影像格式有幾個限制。例如，它不支援真彩色影像（24 位元或更高），這限制了它在需要高保真圖形的應用程式中的使用。此 外，此格式不支援進階功能，例如圖層、alpha 通道（超出簡單的透明度）或 EXIF（可交換影像檔案格式）等元資料，這些元資料通常在 JPEG 或 PNG 等格式中找到。
PALM 影像格式在 Palm OS 裝置和應用程式之外並不廣泛使用。隨著 Palm OS PDA 的衰落以及智慧型手機和其他具有更進階作業系統和圖形功能的行動裝置的興起，PALM 格式已變得幾乎過時。現代行動裝置支援各種影像格式，包括 JPEG、PNG 和 GIF，這些格式提供比 PALM 格式更高的色彩深度、更好的壓縮和更多功能。
出於歷史和歸檔目的，可能需要將 PALM 影像轉換為更現代的格式。這可以使用可以讀取 PALM 格式並將其轉換為 PNG 或 JPEG 等格式的特殊軟體工具來完成。這些工具通常會剖析 PALM 檔案結構，擷取位圖資料和色彩盤，然後在目標格式中重建影像，盡可能保留原始影像品質。
在檔案副檔名方面，PALM 影像通常使用「.pdb」（Palm 資料庫）副檔名，因為它們通常儲存在 Palm 資料庫檔案中，這些檔案是 Palm OS 應用程式使用的各種資料類型的容器。影像資料儲存在 PDB 檔案中的特定記錄中，應用程式可以根據需要存取該記錄。與 Palm 資料庫系統的這種整合使得將影像與其他應用程式資料（例如文字或組態設定）綑綁在一起變得容易。
建立和處理 PALM 影像需要了解此格式的規格和限制。使用 Palm OS 的開發人員通常會使用 Palm 提供的軟體開發套件 (SDK)，其中包含用於處理 PALM 影像的工具和文件。這些 SDK 會提供影像處理函式庫，讓開發人員可以在其應用程式中建立、修改和顯示 PALM 影像，而無需管理檔案格式的低階細節。
總之，PALM 影像格式在 Palm OS PDA 時代扮演了重要角色，它提供了一種簡單且有效率的方式來處理資源有限裝置上的圖形。儘管它已被當今技術環境中更進階的影像格式所超越，但了解 PALM 格式可以深入了解早期行動運算平台的設計考量和限制。對於處理舊版 Palm OS 應用程式或裝置的人來說，了解 PALM 格式對於維護和轉換舊影像資產仍然很重要。
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。