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。
PCDS 影像格式，代表「光碟相片系統」，是一種由伊士曼柯達在 1990 年代初期開發的數位影像格式。它的設計目的是讓使用者能將高解析度的數位相片儲存在光碟中，然後在電腦或連接電視的光碟相片播放器上觀看。此格式是柯達更廣泛的光碟相片系統的一部分，其中包括硬體，例如用於將底片影像數位化的掃描器和用於顯示影像的光碟播放器，以及專有的影像格式本身。
PCDS 格式的主要特色之一是使用多重區段的 CD-ROM，這允許在光碟相片中持續新增影像，而無需完成光碟。這在當時是一個重要的優勢，因為它為數位相片提供了靈活且可重複使用的儲存媒介。多重區段功能表示使用者可以從少量的影像開始，並在拍攝更多相片時擴充，而無需使用多張光碟。
PCDS 格式使用稱為「影像包」的技術儲存影像。每個影像包包含同一影像的五種不同解析度，從 192x128 像素的基本/預覽解析度到 2048x3072 像素的最大解析度。這種多解析度方法旨在使此格式適用於不同的顯示裝置和使用案例，從縮圖預覽到高品質列印。解析度使用柯達開發的專有壓縮演算法編碼，其目標是在減小檔案大小的同時維持高品質的影像。
PCDS 格式中使用的壓縮演算法基於離散餘弦轉換 (DCT)，類似於 JPEG 影像格式中使用的演算法。然而，柯達的實作包含針對相片影像特定特性的最佳化。此演算法會將影像分解成像素區塊，將這些區塊轉換到頻率域，量化頻率元件，然後使用有損壓縮技術編碼結果。此程 序允許大幅度減小檔案大小，同時保留相片的視覺品質。
除了影像包之外，PCDS 格式還包含一系列描述影像及其建立的元資料。此元資料可能包含資訊，例如拍攝相片的日期和時間、使用的相機類型、曝光設定和其他相關細節。此資訊儲存在標準化的格式中，讓支援 PCDS 格式的軟體可以存取，並允許更佳地組織和搜尋光碟相片的集合。
PCDS 格式使用的色彩空間是另一個讓它有別於當時其他影像格式的方面。PCDS 使用稱為 PhotoYCC 的色彩空間，它是 YCC 色彩空間的變體。PhotoYCC 的設計目的是更貼近相片底片和人類視覺系統的特性。它將亮度資訊 (Y) 與色度資訊 (CC) 分開，這允許在顯示或列印影像時進行更有效率的壓縮和更好的色彩重現。
儘管 PCDS 格式在當時具有先進的功能，但它面臨了幾個限制其廣泛採用的挑戰。其中一個主要問題是需要專門的硬體和軟體來讀取和寫入光碟相片。雖然柯達提供了這些需求的解決方案，但它們通常很昂貴且不易取得，這使得此格式對一般消費者而言較難取得。此外，此格式的專有性質表示它與越來越多的標準影像格式（例如 JPEG 和 TIFF）的相容性較低，而這些格式受到廣泛的裝置和軟體支援。
PCDS 格式的另一個挑戰是數位攝影技術的快速演進。隨著數位相機變得更實惠，並提供更高的解析度和更好的影像品質，對單獨系統來數位化底片相片的需求逐漸減少。此外，數位儲存媒體（例如硬碟和快閃記憶體）的容量增加和成本降低，使得 PCDS 格式的 CD 型儲存較不具吸引力。
儘管有這些挑戰，PCDS 格式對數位攝影領域仍有顯著的影響。它是第一批向消費者提供高解析度數位影像的系統之一，並協助為數位攝影革命鋪路。影像包的多解析度方法也影響了後來的影像格式和技術，這些格式和技術通常包含影像的多個解析度以適應不同的使用案例。
PCDS 格式也在數位影像處理技術的發展中扮演了角色。柯達使用的專有壓縮演算法是針對相片影像最佳化的基於 DCT 的壓縮系統的早期範例。從此系統學到的經驗有助於開發更進階的影像壓縮演算法和標準，這些演算法和標準現在用於廣泛的數位影像應用程式中。
在技術規格方面，PCDS 格式由 CD-ROM 檔案系統的 ISO 9660 標準定義，這確保了與標準 CD-ROM 磁碟機和作業系統的某種程度的相容性。影像本身儲存在具有 .pcd 檔案副檔名的檔案中，每個檔案可以包含多個影像包，每個影像包代表不同的相片。檔案在光碟上以階層式目錄結構組織，這允許輕鬆瀏覽和管理影像。
PCDS 格式還包含複製保護和權利管理的規定。柯達實作了一個系統，讓攝影師和影像權利持有者可以控制其相片的複製和散布。此系統旨在保護內容建立者的智慧財產權，但它也增加了此格式的複雜性，並且可能被一些使用者視為採用此格式的障礙。
儘管 PCDS 格式最終不再流行，但它仍然是數位攝影歷史中重要的一部分。它代表了建立一個用於儲存、組織和顯示高品質數位影像的全面系統的早期嘗試。雖然現代影像格式和儲存技術已在很大程度上取代了它，但 PCDS 格式在影像解析度、色彩表現和元資料方面的創新持續影響著我們今天使用的數位影像技術。
對於有興趣使用 PCDS 檔案的人來說，目前仍有軟體工具可以讀取 PCDS 影像並將其轉換為更常見的格式。然而，隨著此格式逐漸沒落，這些工具正變得越來越罕見。擁有光碟相片檔案的使用者可能希望將其集合轉換為較新的格式，以確保長期存取性和與現代裝置和軟體的相容性。
總之，PCDS 影像格式是一項開創性的技術，有助於 數位攝影的發展。它對影像解析度、色彩空間和元資料的創新方法為該領域的未來進展奠定了基礎。雖然它可能不再廣泛使用，但 PCDS 格式的遺產在隨後出現的數位影像技術中持續存在。了解 PCDS 格式的歷史和技術方面，可以深入了解數位攝影的演進以及建立和維護數位影像標準的挑戰。
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。