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。
PostScript (PS) 影像格式是數位影像世界中引人入勝的一面，它不只是用於呈現影像的格式。它是由 Adobe 於 1982 年開發的，是一種動態型別、連結式程式語言，主要用於桌上出版。與許多其他設計用於儲存靜態圖片的影像格式不同，PS 格式包含一種強大的指令碼語言，允許以與裝置無關的方式描述複雜的圖形配置、文字和影像。儘管有較新的格式出現，但這種靈活性已使其成為出版和印刷產業的標準。
PS 格式的核心是基於透過 PostScript 指令描述影像的概念，這些指令基本上是說明如何繪製影像的指示。這些指令的範圍可以從簡單的繪製操作（例如設定線條寬度）到複雜的影像渲染和字型處理。PS 的優點在於它的可擴充性；基於向量表示，這表示影像可以在不損失品質的情況下調整大小，使其非常適合精確度和品質至上的應用程式，例如專業印刷和出版。
PS 格式的主要特色之一是它的程式設計能力，其中包括變數、迴圈和函式。這允許建立複雜的圖形常式，例如即時產生圖樣和紋理，或根據外部輸入動態修改影像的外觀。正是這種靈活性讓 PS 與許多同時代的格式區分開來，提供了對最終輸出的前所未有的控制。
儘管有許多優點，但 PS 格式也並非沒有挑戰。最顯著的是它的複雜性；精通 PostScript 程式設計需要大量的努力和對其語法和運算的理解。此外，執行 PS 檔案可能會消耗大量資源，因為必須解釋和渲染每個指令，這可能會導致低階裝置或異常複雜的文件出現效能問題。
另一個挑戰是可存取性。PS 格式的複雜性表示並非每個影像檢視器或編輯器都能處理 PS 檔案。通常需要專門的軟體，例如 Adobe Acrobat 或 Ghostscript，才能檢視或處理這些檔案，這可能會成為沒有存取這些工具的休閒使用者或小型企業的障礙。此外，建立或編輯 PS 檔案的過程通常需要比更直接的基於光柵的影像格式更高的技術技能。
多年來，PS 格式不斷演進，Adobe 推出了多項更新以增強其功能和易用性。原始 PostScript 最顯著的後繼者是可攜式文件格式 (PDF)，也是由 Adobe 開發的。PDF 建立在 PostScript 所奠定的基礎上，不僅封裝了用於渲染文件的指令，還將實際內容（例如文字和影像）嵌入檔案中。這種嵌入式方法簡化了文件交換和檢視，因為它確保文件的外觀與用於檢視它的平台或軟體無關。
儘管 PDF 和其他現代格式出現，但 PS 格式在多項專業和利基應用中仍然相關。它精確控制印刷材料的配置和外觀的能力使其在高階出版和印刷產業中不可或缺。此外，它的程式設計能力持續被用於自動化複雜的配置任務，以及與舊系統和文件的向下相容性。
了解 PS 格式的技術運作方式始於它的檔案結構。PS 檔案基本上是一個文字檔案，其中包含一系列 PostScript 語言指令。這些指令由 PostScript 解譯器（通常在印表機或專門軟體中找到）依序執行，然後產生圖形輸出。檔案可以包含一個標頭區段，將其識別為 PS 檔案，接著是設定指令，定義全域設定，例如頁面大小和解析度。檔案的主體包含用於繪製形狀、文字和影像的指令，接著是一個預告區段，表示文件的結束。
除了基本的圖形運算外，PS 語言還支援進階功能，例如剪裁路徑、漸層填滿和圖樣產生。剪裁路徑允許複雜的影像遮罩，使圖形能夠限制在指定區域。漸層填滿可用於在顏色之間建立平滑過渡，增強圖形的視覺吸引力。圖樣產生提供建立重複圖案的能力，這對於背景和紋理特別有用。
PS 的另一個重要面向是它對字型的處理。PostScript 字型儲存在個別檔案中，可以嵌入 PS 檔案中或在外部參考。這允許高品質的文字渲染，因為字型是基於向量的，因此可以縮放至任何大小而不會損失品質。PS 格式支援一系列字型類型，包括 Type 1（輪廓字型）和 Type 3（點陣字型），每種字型都適合不同的渲染需求。該語言還提供對文字配置的廣泛控制，包括調整字距、行距和字軌，這對於專業排版至關重要。
色彩管理是 PS 格式另一個表現優異的領域。它結合了複雜的模型來指定和管理色彩，支援 RGB 和 CMYK 色彩空間等。這能精確控制色彩在最終輸出中的渲染方式，這對於精確的色彩重現至關重要，特別是在印刷產業中。PS 語言包含用於色彩空間選擇、色彩對應和半色調的指令，這些指令用於達成所需的色彩效果和解析度。
PS 檔案與其他格式的互通性是由轉換工具和軟體促進的，這些工具和軟體可以解釋 PostScript 指令並將它們轉換為光柵影像或其他向量格式。這允許將 PS 檔案轉換為在高階出版和印刷之外更廣泛的應用程式中使用。然而，轉換過程有時可能會導致保真度降低，特別是在將複雜的 PS 指令轉換為圖形能力較低的格式時。
安全性考量也與 PS 格式相關。由於它是一種程式語言，理論上可以用於在處理 PS 檔案的系統上執行惡意程式碼。因此，解譯器和檢視軟體實作適當的安全措施（例如沙盒和程式碼驗證）以減輕此類風險非常重要。這突顯了 PS 格式作為文件描述語言和安全漏洞潛在媒介的雙重性質。
總之，PostScript (PS) 影像格式證明了可程式設計在平面設計和文件建立中的 強大功能。它結合了基於向量的可擴充性、進階的圖形和排版能力，以及與裝置無關的輸出，使其成為專業出版和印刷的傑出選擇。儘管 PostScript 的複雜性和資源需求可能會帶來挑戰，但該格式的靈活性與精確度使其在品質和控制至上的特定應用中仍然有價值。隨著技術的演進，PostScript 的傳統持續存在，支撐著現代格式，並持續影響平面設計和桌上出版標準的發展。
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。