OCR, অথবা অপটিক্যাল ক্যারেক্টার রেকগনিশন হলো এক ধরনের প্রযুক্তি যা বিভিন্ন ধরনের ডকুমেন্টগুলিকে, যেমন স্ক্যান করা কাগজের ডকুমেন্ট, PDF ফাইল বা ডিজিটাল ক্যামেরায় তোলা ছবি, সম্পাদনযোগ্য এবং অনুসন্ধানযোগ্য তথ্যে রূপান্তর করতে ব্যবহার করা হয়। OCR এর প্রথম পর্যায়ে, একটি লেখা ডকুমেন্টের ছবি স্ক্যান করা হয়। এটি ছবি বা স্ক্যান করা দলিল হতে পারে। এই পর্যায়ের উদ্দেশ্য হলো দলিলের ডিজিটাল কপি তৈরি করা, এর পরিবর্তে ম্যানুয়াল লিপিবদ্ধকরণ চাই। এছাড়া, এই ডিজিটালায়ন প্রক্রিয়া মাশুল সম্পদের দীর্ঘায়িত্ব বাড়াতে হেল্প করতে পারে কারণ এটি ভাঙ্গুর সম্পদ হেন্ডল করার প্রয়োজনীয়তা হ্রাস করতে পারে। ডকুমেন্টটি ডিজিটালায়ন করা হলে, ওসিআর সফ্টওয়্যার ব্যবহার করে ছবিটি একক অক্ষরে প্রতিষ্ঠাপন করে। একে সেগমেন্টেশন প্রক্রিয়া বলে। সেগমেন্টেশন ডকুমেন্টটি লাইন, শব্দ এবং এত পর্যন্ত একক অক্ষর ভেঙে দেয়। এই বিভাজন একটি জটিল প্রক্রিয়া কারণ এতে অনেকগুলি প্রকেল সম্পৃক্ত হয় - ভিন্ন ফন্ট, ভিন্ন আকারের টেক্সট এবং টেক্সটের ভিন্ন কেলা, কেবল কিছু উল্লেখ করা উপযুক্ত। সেগমেন্টেশনের পরে, OCR এর এলগোরিদম প্যাটার্ন চিনতে প্রতি অক্ষর চিহ্নিত করে। প্রত্যেক অক্ষরের ক্ষেত্রে, এলগোরিদম তা অক্ষরের আকারের ডাটাবেসের সাথে তুলনা করে। সবচেয়ে কাছাকাছি মিল তবে অক্ষরের পরিচয় হিসাবে নির্বাচিত হয়। বৈশিষ্ট্য চিন্তার মধ্যে, ওসিআর এর আরও উন্নত রূপ, এলগোরিদম শেপ পরীক্ষা করে না শুধুমাত্র তাড়াহার এবং বাকয়া প্যাটার্নে লাইন এবং বক্রস্মিতি বিবেচনা করে। OCR এর এমন অনেকগুলি ব্যবহারিক অ্যাপ্লিকেশন রয়েছে -- মুদ্রিত ডকুমেন্ট ডিজিটাইজ করা থেকে, টেক্সট-টু-স্পিচ সেবা সক্রিয় করা, ডাটা এন্ট্রি প্রক্রিয়া স্বয়ংক্রিয় করা, এমনকি দৃষ্টিপ্রতিবন্ধী ব্যবহারকারীদের পাঠ্যের সাথে ভালো করে যোগাযোগ করতে অসিস্ট করা। তবে, মনে রাখা দরকার যে OCR প্রক্রিয়াটি ব্যর্থ হতে পারে এবং বিশেষ করে কম রেজ্যুলেশনের ডকুমেন্ট, জটিল ফন্ট বা খারাপ মুদ্রিত টেক্সটের সাথে মারামারি করতে পারে। তাই, OCR সিস্টেমের যথার্থতা গুরুত্বপূর্ণভাবে পরিবর্তিত হয় মূল ডকুমেন্টের মান এবং ব্যবহৃত OCR সফ্টওয়্যারের বিশেষত্ব উপর নির্ভর করে। OCR হলো একটি গুরুত্বপূর্ণ প্রযুক্তি আধুনিক তথ্য উদ্ধার এবং ডিজিটালায়ন অভ্যাসে। এটি ম্যানুয়াল ডাটা এন্ট্রির প্রয়োজনীয়তা হ্রাস করে এবং শারীরিক ডকুমেন্টগুলি একটি ডিজিটাল ফর্ম্যাটে রূপান্তর করে একটি বিশ্বস্ত, কার্যকর প্রক্রিয়া প্রদান করে।
অপটিক্যাল ক্যারেক্টার রিকগনিশন (OCR) একটি প্রযুক্তি যা বিভিন্ন ধরনের দস্তাবেজ, যেমন স্ক্যান করা কাগজের দস্তাবেজ, PDF ফাইল বা ডিজিটাল ক্যামেরায় ছবি তৈরি করা, সম্পাদনযোগ্য এবং অনুসন্ধানযোগ্য তথ্যে রূপান্তর করতে ব্যবহৃত হয়।
OCR কাজ করে একটি ইনপুট ছবি বা দস্তাবেজ স্ক্যান করে, ছবিটি ব্যক্তিগত অক্ষরগুলিতে বিভক্ত করে এবং প্যাটার্ন নির্বাচন বা বৈশিষ্ট্য নির্বাচন ব্যবহার করে প্রতিটি অক্ষর অক্ষররূপের ডাটাবেসের সাথে তুলনা করে।
OCR বিভিন্ন খাতে এবং অ্যাপ্লিকেশনে ব্যবহার হয়, তারমধ্যে মুদ্রিত দস্তাবেজ ডিজিটাইজ করা, টেক্সট-টু-স্পিচ সেবা সক্রিয় করা, ডাটা এন্ট্রি প্রক্রিয়া স্বয়ংক্রিয় করা, এবং দৃষ্টিপ্রতিবন্ধী ব্যবহারকারীদের টেক্সটের সাথে ভালোভাবে মিলিয়ে যাওয়ার অসিস্ট করা।
যদিও OCR প্রযুক্তিতে বড় উন্নতি হয়েছে, তবে এটি অব্যর্থ। মূল দস্তাবেজের গুণমান এবং OCR সফটওয়্যারের নির্দিষ্টতা উপর নির্ভর করে সঠিকতা বিভিন্ন হতে পারে।
যদিও OCR মূলত মুদ্রিত টেক্সটের জন্য নকল করা হয়, তবে কিছু উন্নত OCR সিস্টেম স্পষ্ট, সামান্য হাতের লেখা চিনতে ও সক্ষম। তবে, সাধারণত হাতে লেখা চিত্রগুলির চেনাচেনি কম সঠিক হয় কারণ ব্যক্তিগত লেখার শৈলীতে প্রচুর পরিবর্তন হয়।
হ্যাঁ, অনেক মাত্রায় OCR সফটওয়্যার সিস্টেম একাধিক ভাষা চেনে তুলতে পারে। তবে, আপনি যে সফটওয়্যার ব্যবহার করছেন, নিশ্চিত করুন যে নির্দিষ্ট ভাষাটি এটি দ্বারা সমর্থিত।
OCR মূলত Optical Character Recognition এর জন্য দাঁড়ায় এবং এটি মুদ্রিত টেক্সট চিনতে ব্যবহার করা হয়, যখনই ICR, অর্থাৎ Intelligent Character Recognition, আরও উন্নত এবং এটি হাতে লেখা টেক্সট চিনতে ব্যবহার করা হয়।
OCR সাধারণত স্পষ্ট, সহজে পড়া যাবে এমন ফন্ট এবং মান টেক্সট আকারের সাথে সেরা কাজ করে। যখন এটি বিভিন্ন ফন্ট এবং আকারের নিয়ে কাজ করে, তখন সেটি অস্বাভাবিক ফন্ট বা খুব ছোট টেক্সট আকারের নিয়ে সামোতীয়তা হ্রাস পায়।
OCR বিখ্যাত দস্তাবেজ, জটিল ফন্ট, খারাপ মুদ্রিত টেক্সট, হাতে লেখা, এবং দস্তাবে জ যা টেক্সটের সাথে বাধা দেয় দিয়ে হাতাহাতি করতে পারে। এছাড়াও, এটি অনেকগুলি ভাষায় কাজ করতে পারে, তবে এটি প্রতিটি ভাষা পূর্ণাঙ্গভাবে ছাড়া যেতে পারে।
হ্যাঁ, OCR বর্ণ টেক্সট এবং পটভূমি স্ক্যান করতে পারে, যদিও এটি সাধারণত উচ্চ-কন্ট্রাস্ট বর্ণ সংযোজনে অতিরিক্ত কার্যকর, যেমন সাদা পটভূমি উপর কালো টেক্সট। টেক্সট এবং পটভূমি রং যথেষ্ট বিপরীত না হলে সঠিকতা হ্রাস পেতে পারে।
JPEG, যা Joint Photographic Experts Group এর জন্য দাঁড়িয়েছে, ডিজিটাল ইমেজের জন্য লসি কম্প্রেশনের একটি সাধারণত ব্যবহৃত পদ্ধতি, বিশেষ করে ডিজিটাল ফটোগ্রাফি দ্বারা উত্পাদিত সেই ইমেজগুলির জন্য। কম্প্রেশনের ডিগ্রিটি সামঞ্জস্য করা যেতে পারে, স্টোরেজের আকার এবং ইমেজের গুণমানের মধ্যে একটি নির্বাচনযোগ্য ট্রেডঅফের অনুমতি দেয়। JPEG সাধারণত ইমেজের গুণমানে সামান্য অনুধাবনযোগ্য ক্ষতির সাথে 10:1 কম্প্রেশন অর্জন করে।
JPEG কম্প্রেশন অ্যালগরিদমটি JPEG স্ট্যান্ডার্ডের মূল অংশে রয়েছে। প্রক্রিয়াটি একটি ডিজিটাল ইমেজ দিয়ে শুরু হয় যা তার সাধারণ RGB রঙের স্থান থেকে YCbCr নামে পরিচিত একটি ভিন্ন রঙের স্থানে রূপান্তরিত হয়। YCbCr রঙের স্থানটি ইমেজটিকে লুমিন্যান্স (Y) এ বিভক্ত করে, যা উজ্জ্বলতার স্তরকে উপস্থাপন করে, এবং ক্রোমিন্যান্স (Cb এবং Cr), যা রঙের তথ্য উপস্থাপন করে। এই বিচ্ছেদটি উপকারী কারণ মানুষের চোখ রঙের চেয়ে উজ্জ্বলতার তারতম্যের প্রতি বেশি সংবেদনশীল, কম্প্রেশনকে লুমিন্যান্সের চেয়ে রঙের তথ্যকে আরও বেশি কম্প্রেস করে এর সুযোগ নিতে দেয়।
ইমেজটি YCbCr রঙের স্থানে থাকার পরে, JPEG কম্প্রেশন প্রক্রিয়ার পরবর্তী ধাপটি ক্রোমিন্যান্স চ্যানেলগুলিকে ডাউনস্যাম্পল করা। ডাউনস্যাম্পলিং ক্রোমিন্যান্স তথ্যের রেজোলিউশন হ্রাস করে, যা সাধারণত ইমেজের অনুধাবনযোগ্য গুণমানকে উল্লেখযোগ্যভাবে প্রভাবিত করে না, কারণ মানুষের চোখ রঙের বিশদে কম সংবেদনশীল। এই ধাপটি ঐচ্ছিক এবং ইমেজের গুণমান এবং ফাইলের আকারের মধ্যে পছন্দসই ভারসাম্যের উপর নির্ভর করে এটি সামঞ্জস্য করা যেতে পারে।
ডাউনস্যাম্পলিংয়ের পরে, ইমেজটিকে ব্লকগুলিতে বিভক্ত করা হয়, সাধারণত আকারে 8x8 পিক্সেল। প্রতিটি ব্লক তারপর আলাদাভাবে প্রক্রিয়া করা হয়। প্রতিটি ব্লক প্রক্রিয়াকরণের প্রথম ধাপটি হল ডিসক্রিট কোসাইন ট্রান্সফর্ম (DCT) প্রয়োগ করা। DCT একটি গাণিতিক অপারেশন যা স্পেসিয়াল ডোমেন ডেটা (পিক্সেলের মান) ফ্রিকোয়েন্সি ডোমেনে রূপান্তরিত করে। ফলাফলটি ফ্রিকোয়েন্সি সহগের একটি ম্যাট্রিক্স যা স্পেসিয়াল ফ্রিকোয়েন ্সি উপাদানগুলির ক্ষেত্রে ইমেজ ব্লকের ডেটা উপস্থাপন করে।
DCT থেকে প্রাপ্ত ফ্রিকোয়েন্সি সহগগুলি তারপর পরিমাণিত হয়। পরিমাণকরণ হল ইনপুট মানগুলির একটি বড় সেটকে একটি ছোট সেটে ম্যাপ করার প্রক্রিয়া - JPEG এর ক্ষেত্রে, এর অর্থ ফ্রিকোয়েন্সি সহগগুলির নির্ভুলতা হ্রাস করা। এখানেই কম্প্রেশনের লসি অংশটি ঘটে, কারণ কিছু ইমেজের তথ্য বাদ দেওয়া হয়। পরিমাণকরণ ধাপটি একটি পরিমাণকরণ টেবিল দ্বারা নিয়ন্ত্রিত হয়, যা নির্ধারণ করে যে প্রতিটি ফ্রিকোয়েন্সি উপাদানে কতটা কম্প্রেশন প্রয়োগ করা হবে। পরিমাণকরণ টেবিলগুলি উচ্চতর ইমেজের গুণমান (কম কম্প্রেশন) বা ছোট ফাইলের আকার (বেশি কম্প্রেশন) এর পক্ষে সামঞ্জস্য করা যেতে পারে।
পরিমাণকরণের পরে, সহগগুলি একটি জিগজ্যাগ অর্ডারে সাজানো হয়, উপরের-বাম কোণ থেকে শুরু করে এবং একটি প্যাটার্ন অনুসরণ করে যা উচ্চতর ফ্রিকোয়েন্সিগুলির উপর নিম্ন ফ্রি কোয়েন্সি উপাদানগুলিকে অগ্রাধিকার দেয়। কারণ নিম্ন ফ্রিকোয়েন্সি উপাদানগুলি (যা ইমেজের আরও অভিন্ন অংশগুলিকে উপস্থাপন করে) উচ্চতর ফ্রিকোয়েন্সি উপাদানগুলির (যা সূক্ষ্ম বিশদ এবং প্রান্তগুলি উপস্থাপন করে) চেয়ে সামগ্রিক চেহারার জন্য আরও গুরুত্বপূর্ণ।
JPEG কম্প্রেশন প্রক্রিয়ার পরবর্তী ধাপটি এনট্রপি কোডিং, যা লসলেস কম্প্রেশনের একটি পদ্ধতি। JPEG-তে ব্যবহৃত এনট্রপি কোডিংয়ের সবচেয়ে সাধারণ রূপ হল হাফম্যান কোডিং, যদিও অ্যারিথমেটিক কোডিংও একটি বিকল্প। হাফম্যান কোডিং আরও ঘন ঘন ঘটনার জন্য ছোট কোড এবং কম ঘন ঘন ঘটনার জন্য দীর্ঘ কোড বরাদ্দ করে কাজ করে। যেহেতু জিগজ্যাগ অর্ডারিং একই রকম ফ্রিকোয়েন্সি সহগগুলিকে একসাথে গ্রুপ করে, তাই এটি হাফম্যান কোডিংয়ের দক্ষতা বাড়ায়।
এনট্রপি কোডিং সম্পূর্ণ হয়ে গেলে, কম্প্রেসড ডেটাটি একটি ফাইল ফর্ম্যাটে সংরক্ষণ করা হয় যা JPEG স্ট্যান্ডার্ডের সাথে সামঞ্জস্যপূর্ণ। এই ফাইল ফর্ম্যাটে একটি হেডার রয়েছে যা ইমেজ সম্পর্কে তথ্য ধারণ করে, যেমন এর মাত্রা এবং ব্যবহৃত পরিমাণকরণ টেবিল, তারপরে হাফম্যান-কোডেড ইমেজ ডেটা। ফাইল ফর্ম্যাটটি মেটাডেটার অন্তর্ভুক্তিকেও সমর্থন করে, যেমন EXIF ডেটা, যা ফটোগ্রাফ তোলার জন্য ব্যবহৃত ক্যামেরার সেটিংস, এটি তোলা তারিখ এবং সময় এবং অন্যান্য প্রাসঙ্গিক বিশদ সম্পর্কে তথ্য ধারণ করতে পারে।
যখন একটি JPEG ইমেজ খোলা হয়, ডিকম্প্রেশন প্রক্রিয়াটি মূলত কম্প্রেশন ধাপগুলিকে বিপরীত করে। হাফম্যান-কোডেড ডেটা ডিকোড করা হয়, পরিমাণিত ফ্রিকোয়েন্সি সহগগুলি একই পরিমাণকরণ টে
এই রূপান্তরকারী সম্পূর্ণ ভাবে আপনার ব্রাউজারে চলে। যখন আপনি একটি ফাইল নির্বাচন করেন, তা স্মৃতিতে পড়ে এবং নির্বাচিত ফর্ম্যাটে রূপান্তরিত হয়। আপনি তারপর রূপান্তরিত ফাইলটি ডাউনলোড করতে পারেন।
রূপান্তরগুলি তাৎক্ষণিকভাবে শুরু হয়, এবং বেশিরভাগ ফাইল এক সেকেন্ডের মধ্যে রূপান্তরিত হয়। বড় ফাইলগুলি আরও বেশি সময় নিতে পারে।
আপনার ফাইলগুলি কখনই আমাদের সার্ভারে আপলোড করা হয় না। তারা আপনার ব্রাউজারে রূপান্তরিত হয়, এবং রূপান্তরিত ফাইলটি তারপর ডাউনলোড করা হয়। আমরা কখনই আপনার ফাইলগুলি দেখি না।
আমরা সমস্ত চিত্র ফর্ম্যাটের মধ্যে রূপান্তর করার সমর্থন করি, যা অন্তর্ভুক্ত JPEG, PNG, GIF, WebP, SVG, BMP, TIFF, এবং আরও অনেক কিছু।
এই রূপান্তরকারী সম্পূর্ণ বিনামূল্যে, এবং সর্বদা বিনামূল্যে থাকবে। কারণ এটি আপনার ব্রাউজারে চলে, আমাদের সার্ভারের জন্য পেমেন্ট করতে হয় না, তাই আমাদের আপনাকে চার্জ করার প্রয়োজন নেই।
হ্যাঁ! আপনি যত ফাইল চান তত একবারে রূপান্তর করতে পারেন। শুধু আপনি যখন তাদের যোগ করেন তখন একাধিক ফাইল নির্বাচন করুন।