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。
WBMP（無線位圖）圖像格式是一種單色圖形檔案格式，針對圖形和運算能力有限的行動運算裝置進行最佳化，例如早期的行動電話和 PDA（個人數位助理）。它在 1990 年代後期推出，旨在提供一種有效率的方式，透過無線網路傳輸圖形資訊，而當時的無線網路速度比現在的行動網路連線慢且不穩定許多。WBMP 是 WAP（無線應用程式協定）的一部分，這是一組讓行動裝置存取網路內容的協定。
WBMP 圖像完全由黑白像素組成，不支援灰階或彩色。這種嚴格的限制是一種務實的決定，反映了早期行動裝置有限的顯示能力和節省頻寬的必要性。WBMP 圖像中的每個像素只能處於兩種狀態之一：黑色或白色。這種二元特性簡化了影像資料結構，使其更緊湊且更容易在資源有限的裝置上處理。
WBMP 格式遵循一個相對簡單的結構，使其易於在各種裝置上解析和呈現。WBMP 檔案以類型欄位開頭，表示編碼的影像類型。對於標準 WBMP 檔案，此類型欄位設定為 0，指定基本單色影像。在類型欄位之後，兩個多位元組整數欄位分別指定影像的寬度和高度。這些欄位使用變長格式編碼，僅使用表示維度所需的位元組數，以保守的方式使用頻寬。
在標頭區段之後，WBMP 檔案的主體包含像素資料。每個像素由一個位元表示：0 表示白色，1 表示黑色。因此，八個像素可以打包成一個位元組，這使得 WBMP 檔案異常緊湊，特別是與 JPEG 或 PNG 等更常見的格式相比。這種效率對於 WBMP 所設計的行動時代的裝置和網路至 關重要，這些裝置和網路通常對資料儲存和傳輸速度有嚴格的限制。
WBMP 格式的主要優點之一是其簡潔性。該格式的極簡主義方法使其對於通常用於傳達的基本圖示式影像非常有效率，例如標誌、簡單圖形和樣式化文字。這種效率延伸到顯示影像所需的處理。由於檔案很小且格式簡單，因此即使在運算能力非常有限的硬體上，也可以快速解碼和呈現。這使得 WBMP 成為最早一代行動裝置的理想選擇，這些裝置通常難以處理更複雜或資料量大的影像格式。
儘管 WBMP 格式在受限環境中使用有其優點，但它也有顯著的限制。最明顯的是它僅限於單色影像，這會限制可以有效呈現的圖形內容範圍。隨著行動裝置顯示器演進為支援全彩影像，而使用者對更豐富媒體內容的期望也隨之增加，對於更通用的影像格式的需求變得明顯。此外，WBMP 影像的二元特性意味著它們缺乏灰階或彩色影像可能的細微差別和細節，這使得它們不適合更詳細的圖形或照片。
隨著行動技術和網路基礎設施的進步，WBMP 格式的重要性已經下降。現代智慧型手機擁有強大的處理器和高解析度彩色顯示器，遠遠優於 WBMP 格式最初設計的裝置。同樣地，現今的行動網路提供顯著更高的資料傳輸速度，即使對於即時網路內容，也能傳輸更複雜且資料量更大的影像格式，例如 JPEG 或 PNG。因此，WBMP 的使用已在很大程度上被淘汰，取而代之的是這些功能更強大的格式。
此外，網路標準和協定的發展也促成了 WBMP 的淘汰。HTML5 和 CSS3 的普及允許將更精密的網路內容傳送到行動裝置，包括向量圖形和影像，其品質和色彩保真度都比 WBMP 所能提供的更高。透過這些技術，網路開發人員可以建立豐富詳細的互動式內容，以適應各種裝置和螢幕尺寸，進一步降低使用像 WBMP 這樣受限格式的實用性。
儘管 WBMP 已被淘汰，但了解 WBMP 格式可以深入了解行動運算的演進，以及技術限制如何影響軟體和協定設計。WBMP 格式是一個很好的例子，說明設計師和工程師如何在當時的限制下，創造出功能性的解決方案。它的簡潔性和效率反映了一個時期，頻寬、處理能力和儲存空間都非常珍貴，需要創新的資料壓縮和最佳化方法。
總之，WBMP 影像格式在行動運算發展的形成期扮演了關鍵角色，為在早期行動裝置上傳輸和顯示簡單圖形內容提供了一個實用的解決方案。儘管它在很大程度上已被更通用且功能更強大的影像格式所取代，但它仍然是行動技術歷史中重要的一部分。它提醒我們技術不斷演進，適應不斷變化的能力和使用者需求，並說明了在開發既有效率又適應性強的協定和格式時，設計考量的重要性。
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。