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 (জয়েন্ট ফটোগ্রাফিক এক্সপার্টস গ্রুপ) ইমেজ ফরম্যাট, সাধারণত JPG নামে পরিচিত, ডিজিটাল ইমেজের জন্য লসি কম্প্রেশনের একটি ব্যাপকভাবে ব্যবহৃত পদ্ধতি, বিশেষ করে ডিজিটাল ফটোগ্রাফি দ্বারা তৈরি করা ইমেজগুলির জন্য। কম্প্রেশনের ডিগ্রি সামঞ্জস্য করা যায়, যা স্টোরেজের আকার এবং ইমেজের গুণমানের মধ্যে একটি নির্বাচনযোগ্য ট্রেড-অফের অনুমতি দেয়। JPEG সাধারণত ইমেজের গুণমানে সামান্য অনুধাবনযোগ্য ক্ষতির সাথে 10:1 কম্প্রেশন অর্জন করে।
JPEG কম্প্রেশন বিভিন্ন ইমেজ ফাইল ফরম্যাটে ব্যবহৃত হয়। JPEG/Exif ডিজিটাল ক্যামেরা এবং অন্যান্য ফটোগ্রাফিক ইমেজ ক্যাপচার ডিভাইস দ্বারা ব্যবহৃত সবচেয়ে সাধারণ ইমেজ ফরম্যাট; JPEG/JFIF এর সাথে, এটি ওয়ার্ল্ড ওয়াইড ওয়েবে ফটোগ্রাফিক ইমেজ সংরক্ষণ এবং প্রেরণের জন্য সবচেয়ে সাধারণ ফরম্যাট। এই ফরম্যাটের বৈচিত্রগুলি প্রায়শই আলাদা করা হয় না এবং এগুলিকে কেবল JPEG বলা হয়।
JPEG ফরম্যাটে বিভিন্ন স্ট্যান্ডার্ড অন্তর্ভুক্ত রয়েছে, যার মধ্যে রয়েছে JPEG/Exif, JPEG/JFIF এবং JPEG 2000, যা একটি নতুন স্ট্যান্ডার্ড যা উচ্চতর কম্পিউটেশনাল জটিলতার সাথে আরও ভাল কম্প্রেশন দক্ষতা অফার করে। JPEG স্ট্যান্ডার্ডটি জ টিল, বিভিন্ন অংশ এবং প্রোফাইল সহ, তবে সবচেয়ে বেশি ব্যবহৃত JPEG স্ট্যান্ডার্ডটি হল বেসলাইন JPEG, যা বেশিরভাগ লোক 'JPEG' ইমেজ উল্লেখ করার সময় বোঝায়।
JPEG কম্প্রেশন অ্যালগরিদমটি মূলত একটি ডিসক্রিট কোসাইন ট্রান্সফর্ম (DCT) ভিত্তিক কম্প্রেশন কৌশল। DCT একটি ফুরিয়ার-সম্পর্কিত ট্রান্সফর্ম যা ডিসক্রিট ফুরিয়ার ট্রান্সফর্ম (DFT) এর অনুরূপ, তবে কেবল কোসাইন ফাংশন ব্যবহার করে। DCT ব্যবহার করা হয় কারণ এটি স্পেকট্রামের নিম্ন ফ্রিকোয়েন্সি অঞ্চলে সিগন্যালের বেশিরভাগ অংশকে কেন্দ্রীভূত করার বৈশিষ্ট্য রাখে, যা প্রাকৃতিক ইমেজের বৈশিষ্ট্যগুলির সাথে ভালভাবে সম্পর্কিত।
JPEG কম্প্রেশন প্রক্রিয়ায় বেশ কয়েকটি ধাপ জড়িত। প্রাথমিকভাবে, ইমেজটিকে তার মূল রঙের স্থান (সাধারণত RGB) থেকে YCbCr নামে পরিচিত একটি ভিন্ন রঙের স্থানে রূপান্তরিত করা হয়। YCbCr রঙের স্থান ইমেজটিকে একটি লুমিন্যান্স উপাদান (Y) এ আলাদা করে, যা উজ্জ্ বলতার স্তরকে উপস্থাপন করে, এবং দুটি ক্রোমিন্যান্স উপাদান (Cb এবং Cr), যা রঙের তথ্য উপস্থাপন করে। এই পৃথকীকরণটি উপকারী কারণ মানুষের চোখ রঙের চেয়ে উজ্জ্বলতার তারতম্যের প্রতি বেশি সংবেদনশীল, যা অনুধাবনযোগ্য ইমেজের গুণমানকে উল্লেখযোগ্যভাবে প্রভাবিত না করে ক্রোমিন্যান্স উপাদানগুলির আরও আক্রমণাত্মক কম্প্রেশনের অনুমতি দেয়।
রঙের স্থান রূপান্তরের পরে, ইমেজটিকে ব্লকে বিভক্ত করা হয়, সাধারণত আকারে 8x8 পিক্সেল। তারপর প্রতিটি ব্লক আলাদাভাবে প্রক্রিয়া করা হয়। প্রতিটি ব্লকের জন্য, DCT প্রয়োগ করা হয়, যা স্পেসিয়াল ডোমেন ডেটাকে ফ্রিকোয়েন্সি ডোমেন ডেটাতে রূপান্তরিত করে। এই ধাপটি গুরুত্বপূর্ণ কারণ এটি ইমেজের ডেটাকে কম্প্রেশনের জন্য আরও উপযোগী করে তোলে, কারণ প্রাকৃতিক ইমেজগুলির প্রবণতা থাকে নিম্ন-ফ্রিকোয়েন্সি উপাদানগুলি থাকার যা উচ্চ-ফ্রিকোয়েন্সি উপাদানগুলির চেয়ে বেশি তাৎপর্যপূর্ণ।
DCT প্রয়োগ করার পরে, ফলস্বরূপ সহগগুলি পরিমাণিত করা হয়। পরিমাণায়ন হল ইনপুট মানগুলির একটি বৃহৎ সেটকে একটি ছোট সেটে ম্যাপ করার প্রক্রিয়া, যা কার্যকরভাবে তাদের সংরক্ষণের জন্য প্রয়োজনীয় বিটের সংখ্যা হ্রাস করে। এটি JPEG কম্প্রেশনে ক্ষতির প্রাথমিক উৎস। পরিমাণায়ন ধাপটি একটি পরিমাণায়ন টেবিল দ্বারা নিয়ন্ত্রিত হয়, যা নির্ধারণ করে প্রতিটি DCT সহগে কতটা কম্প্রেশন প্রয়োগ করা হবে। পরিমাণায়ন টেবিল সামঞ্জস্য করে, ব্যবহারকারীরা ইমেজের গুণমান এবং ফাইলের আকারের মধ্যে ট্রেড-অফ করতে পারে।
পরিমাণায়নের পরে, সহগগুলি জিগজ্যাগ স্ক্যানিং দ্বারা রৈখিক করা হয়, যা তাদের ক্রমবর্ধমান ফ্রিকোয়েন্সি দ্বারা অর্ডার করে। এই ধাপটি গুরুত্বপূর্ণ কারণ এটি নিম্ন-ফ্রিকোয়েন্সি সহগগুলিকে একত্রিত করে যা তাৎপর্যপূর্ণ হওয়ার সম্ভাবনা বেশি, এবং উচ্চ-ফ্রিকোয়েন্সি সহগগুলি যা পরিমাণায়নের পরে শূন্য বা শূন ্যের কাছাকাছি হওয়ার সম্ভাবনা বেশি। এই অর্ডারিং পরবর্তী ধাপটিকে সহজতর করে, যা এনট্রপি কোডিং।
এনট্রপি কোডিং হল লসলেস কম্প্রেশনের একটি পদ্ধতি যা পরিমাণিত DCT সহগগুলিতে প্রয়োগ করা হয়। JPEG-তে ব্যবহৃত এনট্রপি কোডিংয়ের সবচেয়ে সাধারণ রূপ হল হাফম্যান কোডিং, যদিও অ্যারিথমেটিক কোডিংও স্ট্যান্ডার্ড দ্বারা সমর্থিত। হাফম্যান কোডিং আরও ঘন ঘন উপাদানগুলিতে ছো
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 ক রি, 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।