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。
PGX 影像格式作為 JPEG 2000 標準（特別是第 2 部分）的專業分支，在數位影像領域中扮演著利基卻至關重要的角色。與廣受認可的 JPEG 2000 不同，JPEG 2000 以其複雜的壓縮演算法和多功能的檔案結構滿足廣泛的數位影像需求，而 PGX 則提供簡化的處理方式。此格式專為處理單元件、未壓縮的影像資料而設計。其簡潔性和直接性使其成為在不變更影像品質至關重要的應用中極具價值的工具，例如數位檔案、醫學影像和科學研究。
PGX 檔案的結構看似簡單，由直接表示影像像素值的直觀二進位格式組成。然而，此簡潔性隱藏了該格式精確保留高位元深度影像保真度的強大功能。PGX 檔案支援各種位元深度，從標準的 8 位元到 16 位元甚至更高，允許精確表示影像的動態範圍，而不會產生有損壓縮偽影，這些偽影可能會損害其他格式中原始資料的完整性。
PGX 格式的一個顯著特點是它沒有標頭、元資料或任何形式的壓縮。這種精簡的結構表示 PGX 檔案僅包含影像的像素資料，並以線性順序儲存。雖然這種方法有助於格式的高資料完整性，但也表示必須外部管理有關影像的其他資訊，例如其尺寸、色彩空間或位元深度。此需求可能會在檔案管理中造成複雜性，並需要小心處理以確保正確解譯和顯示影像資料。
儘管有這些挑戰，但對於某些應用來說，使用 PGX 格式的好處不容小覷。首先，沒有壓縮可確保影像資料以最原始的形式保留，使其成為檔案用途的理想選擇，在檔案用途上，數位影像的長久性和真實性至關重要。此外，該格式支援高位元深度，在醫學影像等領域特別有用，在醫學影像中，影像資料中的細微差異對於診斷目的至關重要。在這種情況下，PGX 格式的保真度和精確度遠遠超過其缺乏靈活性。
建立和處理 PGX 影像的過程需要能夠處理格式獨特特性的專業軟體。雖然主流照片編輯工具可能無法固有支援 PGX 檔案，但已開發許多專用應用程式和函式庫來滿足依賴此格式的產業需求。這些工具提供在 PGX 和其他格式之間轉換影像的功能，以及在維持其高位元深度和未壓縮特性的同時檢視和編輯 PGX 影像。
與 PGX 格式相關的關鍵挑戰之一在於檔案大小。由於 PGX 影像儲存在未壓縮的狀態下，檔案大小可能會變得非常大，特別是在處理高解析度影像或位元深度較高的影像時。此特性可能會在儲存和傳輸方面造成挑戰，要求使用者有足夠的儲存容量，並可能需要高頻寬連線來傳輸檔案。
儘管有其專業的用例，但 PGX 格式在 JPEG 2000 生態系統中扮演著至關重要的角色。它的存在突顯了 JPEG 2000 標準的多功能性，以及它滿足廣泛影像需求的能力。透過提供優先考慮資料完整性的格式選項，JPEG 2000 確保需要無損影像品質的使用者擁有適當的工具。這種提供彈性解決方案以滿足不同影像需求的理念反映了 JPEG 2000 標準提供全面影像解決方案的整體目標。
在專業環境中實作 PGX 突顯了其在精確度和資料完整性不可協商的應用中的重要性。數位檔案等產業，其中歷史文件和藝術品以數位形式保存，依賴 PGX 保留掃描影像的最高品質。同樣地，在科學研究中，該格式因其在視覺上呈現實驗資料時毫不妥協的準確性而受到青睞。這些廣泛的應用突顯了 PGX 格式在需要最高影像保真度的領域中扮演著至關重要的角色。
展望未來，PGX 格式在快速進步的數位技術面前的相關性可能會引發疑問。一方面，壓縮演算法和儲存技術的發展可能會減少對像 PGX 這樣的未壓縮單元件格式的需求。另一方面，專業和科學環境中對高保真影像的需求不斷增加，這表示該格式將繼續對特定應用有價值。這些因素之間的平衡可能會決定 PGX 的未來軌跡及其在更廣泛的數位影像領域中的角色。
在數位影像保存的背景下，PGX 格式提供了顯著的優勢。其直觀、未壓縮的特性使其成為檔案影像的理想選擇，這些影像旨在經得起時間的考驗。與使用有損壓縮的格式不同，PGX 檔案可以開啟、檢視和重新儲存，而不會隨著時間累積劣化，為後代保留原始影像資料的完整性。此特性在博物館檔案和歷史文件等領域特別受到重視，在這些領域中，影像的真實複製至關重要。
除了在檔案和專業應用中的用途外，PGX 格式也對數位權利管理 (DRM) 和著作權保護有影響。該格式的簡潔性以及外部管理影像屬性的需求可能會讓將 DRM 資訊直接嵌入檔案中更具挑戰性。然而，此限制也可以成為優點，因為它鼓勵使用外部、更安全的著作權保護方法。這種二元性突顯了 PGX 格式結構對著作權和資料管理實務的微妙影響。
儘管該格式有許多優點，但 PGX 在一個越來越受人工智慧 (AI) 和機器學習驅動的世界中的未來引發了引人入勝的問題。AI 應用通常依賴大量的影像資料集，而對未壓縮、高保真影像的需求可能會在資料儲存和處理能力方面帶來挑戰。然而，PGX 影像無可比擬的品質也可能使其成為需要最高細節和準確度的 AI 系統的寶貴訓練資料，從而保留該格式在尖端技術應用中的相關性。
採用 PGX 並將其整合到軟體和數位工作流程中表示承諾以檔案大小和某些便利性為代價 來維持影像品質。在影像資料的精確度是主要考量的背景下，這種權衡是可以接受的，甚至是有必要的。優先考慮準確性而非效率的專業環境，例如醫學影像和高階數位攝影，受益於 PGX 影像未變更的原始品質，展示了該格式在品質無法妥協的領域中不可或缺的角色。
總之，PGX 影像格式在數位影像生態系統中佔據一個獨特的利基。其以最純粹的形式儲存影像資料的直觀、簡單方法迎合了影像完整性和品質至關重要的專業應用。雖然該格式在檔案大小和外部管理影像元資料的需求方面可能會帶來挑戰，但其在保留影像保真度方面的優點使其成為從數位檔案和醫學影像到科學研究等領域的寶貴資產。隨著數位影像技術的持續發展，PGX 格式證明了對未經竄改的高保真影像資料的持續需求。
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。