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。
VIPS（非常重要人物協會）影像格式雖然在主流應用程式中較不廣為人知，但它作為一種專門處理大型影像的檔案格式，具有其獨特性。這種優勢主要來自其設計，它能促進對大型影像檔案進行高性能運算，而這對傳統影像格式來說可能很繁重或不切實際。它能有效率地處理大型影像，同時不影響速度，這讓它成為處理高解析度影像的專業人士和組織的寶貴工具，例如數位檔案館、地理空間影像和專業攝影。
VIPS 影像格式的核心與 VIPS 函式庫交織在一起，VIPS 函式庫是一個免費且開放原始碼的影像處理軟體，專為處理大型影像而設計。該函式庫的顯著特點是其需求驅動的影像延遲評估。這表示 VIPS 只會處理影像中當前運算所需的部份，而不是將整個影像載入記憶體。這種方法大幅減少了所需的記憶體頻寬和運算資源，讓處理數 GB 大小的影像比傳統影像處理器更有效率。
VIPS 格式的另一個特點是它對各種色彩空間和元資料的深入支援。與許多僅支援有限範圍色彩空間的其他影像格式不同，VIPS 可以處理廣泛的色彩空間，包括 RGB、CMYK、Lab 等，確保它能用於從網路影像到專業印刷的各種應用程式中。此外，它在影像檔案中維護了廣泛的元資料，例如 ICC 設定檔、GPS 資料和 EXIF 資訊，讓影像的背景和特徵能有豐富的呈現。
VIPS 的技術架構採用了基於磁磚的記憶體管理系統。此系統將影像分解成可管理的正方形區段或磁磚，這些磁磚可以個別處理。這種磁磚技術對其效能優勢至關重要，特別是在處理大型影像時。透過只載入和處理特定運算所需的磁磚，VIPS 大幅減少了記憶體使用量。這種方法與某些其他影像處理器使用的基於列的系統形成鮮明對比，後者在影像大小增加時可能會變得沒有效率。
在檔案大小和壓縮方面，VIPS 格式使用無損壓縮技術的組合，以在不犧牲影像品質的情況下最小化檔案大小。它支援各種壓縮方法，包括 ZIP、LZW 和用於金字塔影像的 JPEG2000。這種壓縮靈活性讓使用者可以根據特定需求在影像品質和檔案大小之間取得平衡，讓 VIPS 成為儲存和分發大型影像的多功能工具。
從功能性的角度來看，VIPS 函式庫提供了一套全面的影像處理工具和運算。這包括裁切、調整大小和格式轉換等基本運算，以及色彩校正、銳化和雜訊消除等更複雜的任務。它的功能延伸到建立影像金字塔，這對於需要多解析度影像的應用程式（例如可縮放影像檢視器）至關重要。VIPS 生態系統還提供各種程式語言的繫結，包括 Python 和 Ruby，讓開發人員能將 VIPS 整合到各種應用程式和工作流程中。
VIPS 影像格式及其相關函式庫針對多核心處理器進行了最佳化，充分利用了並行處理功能。這是透過其創新的處理管線實現的，該管線在影像處理的各個階段利用了並行性。透過將影像的不同區段或不同運算分配給多個核心，VIPS 可以大幅提升效能，減少大型影像運算的處理時間。這種並行處理功能讓 VIPS 特別適合高性能運算環境和需要快速影像處理的應用程式。
儘管有許多優點，但 VIPS 影像格式也並非沒有挑戰和限制。它的專業性質表示它不像 JPEG 或 PNG 等更常見的格式那樣受到一般影像檢視和編輯軟體的廣泛支援。使用者可能需要依賴 VIPS 軟體本身或其他專用工具來處理 VIPS 影像，這可能會在習慣於更通 用格式的工作流程中造成學習曲線和操作障礙。此外，雖然 VIPS 在處理大型影像方面表現出色，但對於較小的影像，效能優勢可能不那麼明顯，這讓它在某些情況下成為過度設計的解決方案。
VIPS 影像格式在數位保存和檔案中也扮演著關鍵角色。它能有效率地管理和儲存高解析度影像，而不會顯著損失品質，這讓它成為圖書館、博物館和檔案館等機構的理想選擇，這些機構需要將大量的視覺資料數位化並保存起來。VIPS 格式中廣泛的元資料支援進一步提升了它在這些環境中的效用，讓影像能根據各種條件進行詳細的文件化和檢索。
在網路開發和線上媒體領域，使用 VIPS 影像格式和函式庫可以大幅提升處理大型影像的網站和應用程式的效能。透過根據使用者的裝置和連線速度動態處理和提供最佳大小和解析度的影像，網路開發人員可以改善頁面載入時間和使用者體驗，同時節省頻寬。這在響應式網頁設計的時代特別重要，在這個時代，跨越大量裝置和螢幕大小的影像處理效率至關重要。
VIPS 函式庫和影像格式的建立和持續開發突顯了數位影像領域朝向處理更大、更複雜影像的更廣泛趨勢。隨著數位相機和影像技術持續演進，產生越來越高的解析度，預計對 VIPS 等高效能影像處理解決方案的需求將會增加。這突顯了影像處理技術持續創新和改進的重要性，以滿足專業人士和消費者的不斷變化的需求。
此外，VIPS 函式庫的開放原始碼性質讓更多人能使用高性能影像處理，讓從愛好者到大型組織的廣泛使用者都能利用其功能。VIPS 周圍充滿活力的社群有助於其發展，提供回饋、建立外掛程式並擴充其功能。這種協作環境不僅加速了 VIPS 函式庫的演進，也確保它能適應並回應其多元使用者群的需求。
總之，VIPS 影像格式及其附屬函式庫代表了一種先進的解決方案，用於有效率地管理和處理大型影像。它的設計原則著重於需求驅動的處理、廣泛的色彩和元資料支援，以及對運算資源的有效利用，讓它成為從專業攝影和數位檔案到網路開發的各種應用程式的強大工具。雖然它在更廣泛的採用和與主流軟體的相容性方面可能面臨挑戰，但它的眾多優點和支援其發展的活躍社群預示了這個專門影像格式的未來光明。
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。