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。
SUN 影像格式是一種專門的檔案格式，設計用於有效率地儲存和傳輸高解析度、高保真影像。與 JPEG、PNG 或 TIFF 等較常見的影像格式不同，SUN 格式是針對需要精確色彩呈現和細節保留的場景而量身打造，通常用於專業攝影、數位藝術和科學成像。這份深入技術說明將探討 SUN 格式的結構、壓縮技術、色彩管理，以及它在各種應用中的比較優缺點。
SUN 影像格式的核心具備強健、適應性高的結構，能夠處理從灰階到全彩影像的各種影像類型，包括支援各種色彩空間，例如 sRGB、Adobe RGB 和 ProPhoto RGB。這種適應性讓 SUN 檔案可以在不同的裝置和觀看條件下維持色彩準確度和影像品質，這是色彩關鍵應用的一項重要需求。每個 SUN 檔案都封裝了影像的元資料，包括色彩設定檔，以確保一致的色彩呈現。
SUN 格式採用先進的無失真壓縮演算法，既高效又確保影像品質不會損失。與 JPEG 等格式中使用的有失真壓縮演算法不同，有失真壓縮演算法會犧牲細節以換取較小的檔案大小，而 SUN 的無失真壓縮則能保持每個畫素的資料完整。這對於影像細節和保真度不能妥協的應用特別重要，例如數位封存、醫學影像和技術插圖，其中每個細節都可能承載重要的資訊。
此外，SUN 格式在設計時就考慮到了可擴充性，支援幾乎任何尺寸的影像，從小圖示到大型全景圖。這是透過其高效壓縮演算法和支援平鋪影像儲存的結合來實現的，讓大型影像可以分割成較小、易於管理的區塊。這種平鋪功能不僅能加快 載入時間和更有效率地使用記憶體，還能讓 SUN 格式特別適合於網路應用和大幅面列印，而這兩者都需要高解析度。
SUN 格式中的色彩管理系統 (CMS) 是其另一項傑出功能。由於它全面支援不同的色彩空間和色彩設定檔，儲存在 SUN 格式中的影像可以在各種裝置上精確重現，從顯示器到印表機。這種通用色彩管理可確保您在一個裝置上看到的色彩與在另一個裝置上看到的色彩非常接近，假設兩者都已正確校正。對於平面設計、攝影和數位媒體的專業人士來說，這種可靠的色彩一致性非常寶貴。
然而，使用 SUN 格式影像時的一項挑戰是其檔案大小。儘管其無失真壓縮演算法很有效率，但它產生的高保真影像本質上比使用有失真壓縮的影像更大。這可能會導致儲存需求增加和傳輸時間變慢，特別是對於線上應用或頻寬受限的情況。儘管如此，對於專業用途來說，無與倫比的影像品質和色彩保真度的優點通常大於這些缺點。
SUN 格式值得一提的另一個面向是它支援擴充動態範圍和位元深度。與只能表示每個原色 256 個色調的標準 8 位元影像不同，SUN 格式支援每個通道最高 16 位元深度，允許每個顏色有超過 65,000 個色調。這種擴充動態範圍能呈現更細緻的陰影、亮部和更平滑的色彩漸層，讓這種格式特別適合於高階攝影和電影視覺效果，而這些領域中這種細微差別至關重要。
SUN 格式的擴充功能還包括支援嵌入式 alpha 通道，能以可變透明度和柔邊進行複雜的影像合成。此功能在平面設計和數位藝術中特別有用，其中影像可能需要分層或以精確度疊加文字。SUN 檔案中的 alpha 通道支援能簡化工作流程，無需額外的遮罩或獨立的透明度資料。
在技術層面上，SUN 格式檔案的結構包含一個標頭區段，其中包含影像的元資料 ，例如尺寸、色彩空間、位元深度和壓縮詳細資料。在標頭之後，檔案會分割成代表影像資料的區段，對於大型影像，這些區段會選擇性地組織成平鋪。這種分割不僅有助於有效率地管理資料，也有助於並行處理和渲染，這在處理非常大型影像或在資源受限的環境中工作時是一個顯著的優點。
SUN 格式較創新的功能之一是它能適應不同的工作流程和使用案例。透過可自訂的元資料欄位，SUN 檔案可以承載超出基本影像資料的各種資訊。這可能包括版權資訊、相機設定、地理標籤，甚至特定於應用程式的資料。這種靈活性讓 SUN 格式異常多功能，能滿足各種產業和創意實務的需求。
儘管 SUN 格式有許多優點，但與更成熟的影像格式相比，它的採用率仍然有些受限。這主要是因為需要專門的軟體才能建立和檢視 SUN 檔案，以及在更廣泛的社群中缺乏認識。然而，隨著對高品質視覺內容和準確色彩呈現的需求增加，SUN 格式在專業攝影師、數位藝術家和有特定影像需求的組織中正逐漸獲得關注。
將影像轉換成 SUN 格式和從 SUN 格式轉換影像的過程需要注重細節，以維持影像完整性。通常會使用專門的軟體或外掛程式來執行此目的，提供微調壓縮設定、管理色彩設定檔，以及根據需要調整影像尺寸或位元深度的選項。這讓使用者可以在檔案大小和影像品質之間取得平衡，以符合他們的特定需求，這是考慮到此格式傾向於產生較大檔案大小時的一項重要考量。
總之，SUN 影像格式代表了數位影像技術的重大進步，旨在滿足專業和科學社群對最高等級影像品質、色彩準確度和細節保留的需求。儘管它伴隨著與檔案大小和專門軟體需求相關的挑戰，但在影像保真度、色彩一致性和可擴充性方面的優點讓它成為許多應用中令人信 服的選擇。隨著數位影像技術持續演進，SUN 格式在專業、科學和藝術領域中的角色可能會持續成長，成為對影像品質有最高要求的人士的關鍵工具。
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。