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。
Photo CD（PCD）影像格式是一種數位影像格式，由伊士曼柯達公司於 1990 年代初期開發。PCD 格式的主要目的是讓使用者能將高解析度的數位相片儲存在 CD 上，然後使用專用的 Photo CD 播放器在電腦或電視上觀看。PCD 格式是柯達更廣泛策略的一部分，目的是彌合傳統底片攝影與新興數位攝影市場之間的差距。它旨在為攝影師和消費者提供一種便利的方式，以高保真度數位化和封存他們的底片影像。
PCD 格式的主要特色之一是使用多尺度解析度結構，讓單一 PCD 檔案可以包含同一影像的多種解析度。此結構基於柯達開發的專有影像壓縮技術，稱為 PhotoYCC。PhotoYCC 色彩空間類似於影片壓縮中使用的 YCbCr 色彩空間，其中 Y 代表亮度元件，而 Cb 和 Cr 代表色度元件。此色彩空間特別適合用於相片影像，因為它將亮度資訊與色彩資訊分開，這與人類視覺系統處理影像的方式非常吻合。
PCD 檔案的多尺度解析度結構包含五個不同的解析度層級，從 192x128 畫素的基礎/預覽解析度到 3072x2048 畫素的最大解析度。這些解析度稱為 Base/16、Base/4、Base、4Base 和 16Base，其中 Base 解析度為 768x512 畫素。這允許各種用途，從縮圖預覽到高品質列印。不同的解析度以階層格式儲存，讓軟體和硬體能夠快速存取特定任務的適當解析度層級，而無需處理整個影像檔案。
PCD 檔案通常使用柯達 Photo CD 系統建立，其中包括使用高解析度掃描器掃描底片負片或幻燈片，然後將數位影像以 PCD 格式寫入 CD。掃描過程經過仔 細校正，以確保準確的色彩重現並擷取底片的完整動態範圍。產生的 PCD 檔案旨在成為底片影像的數位封存，能夠產生高品質列印，並可在各種裝置上輕鬆分享和觀看。
PCD 格式還包含許多儲存影像和掃描過程資訊的元資料欄位。此元資料可能包括影像擷取的日期和時間、使用的底片類型、掃描器設定和其他相關詳細資料。此資訊對於封存目的以及希望追蹤影像技術層面的攝影師來說非常有價值。
儘管 PCD 格式具有先進的功能和提供的高影像品質，但它面臨了幾個限制其廣泛採用的挑戰。其中一個主要挑戰是格式的專有性質，這表示它只能與柯達自己的軟體和硬體完全搭配使用。這種與第三方軟體和裝置的相容性有限，讓它對已經使用其他影像格式和編輯軟體的消費者和專業人士來說較不具吸引力。
PCD 格式的另一個挑戰是數位相機技術的快速發展和價格實惠的數位相機越來越普及。隨著數位相機功能越來越強大，並提供更高的解析度，對許多使用者來說，掃描底片影像的需求變得不那麼重要。此外，其他數位影像格式（例如 JPEG 和 TIFF）的出現，這些格式更開放且廣泛支援，為使用者提供了更靈活且易於存取的數位影像儲存和分享選項。
儘管有這些挑戰，PCD 格式仍被一些專業攝影師和愛好者使用，他們欣賞其高影像品質和以高保真度數位化底片的能力。有一段時間，它也由提供底片掃描和封存服務的相片沖印店和服務供應商使用。然而，隨著數位攝影市場持續成長和發展，PCD 格式的使用逐漸減少。
從技術角度來看，PCD 格式以使用上述的 PhotoYCC 色彩空間和多尺度解析度結構而聞名。此格式使用有損壓縮演算法來縮小檔案大小，同時維持高水準的影像品質。壓縮以一種方式套用，它利用了人類視覺系統的特性，強調保留亮度細節而非色度細節，因為人類的眼睛對色度細節較不敏感。
PCD 檔案結構由幾個不同的區段組成，包括標頭、每個解析度層級的影像目錄，以及影像資料本身。標頭包含有關檔案格式版本和儲存在 CD 上的影像數量的資訊。每個影像目錄包含有關影像的元資料，以及指向檔案中該解析度層級影像資料位置的指標。
PCD 檔案中的影像資料以平鋪格式儲存，影像被分割成稱為平鋪的小矩形區段。每個平鋪獨立壓縮，這允許更有效率的資料存取和處理。此平鋪系統也促進了不同解析度層級的階層式儲存，因為較低解析度的影像可以透過結合和向下取樣較高解析度層級的平鋪來建構。
要檢視或編輯 PCD 檔案，使用者通常需要能夠讀取 PCD 格式並處理其多尺度解析度結構的專用軟體。柯達提供了自己的軟體來執行此目的，但也有第三方軟體解決方案提供不同程度的 PCD 檔案支援。一些現代影像編輯軟體仍包含對 PCD 格式的支援，儘管它不如對 JPEG 和 TIFF 等更廣泛使用的格式的支援那麼普遍。
在檔案大小方面，PCD 檔案可能相當大，特別是在最高解析度層級時。這是因為此格式旨在保留原始底片影像的品質，這需要大量的資料。然而，PCD 檔案中使用的壓縮演算法確實有助於在某種程度上減輕檔案大小，讓影像的儲存和傳輸更易於管理。
PCD 格式還支援稱為「Photo CD Portfolio」的功能，讓使用者能夠以結構化的方式在 CD 上組織和管理他們的影像。此功能包括建立相簿、分類影像和為每個影像新增說明文字的能力。Portfolio 功能旨在讓使用者更容易瀏覽和欣賞他們的數位相片集。
總之，PCD 影像格式是一種創新的解決方案，用於在從類比攝影過渡到數位攝影的過渡時期數位化和封存底片相片。其多尺度解析度結構、使用 PhotoYCC 色彩空間和高影像品質，使其成為需要高保真度底片影像數位副本的專業人士和愛好者的寶貴工具。然而，此格式的專有性質，加上數位相機技術的快速進步和更靈活的數位影像格式的興起，最終導致 PCD 格式的衰落。如今，它仍然是數位攝影歷史的一部分，其技術層面仍然受到研究數位影像儲存和壓縮演進的人們的關注。
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。