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।
পোর্টেবল এনি ম্যাপ (PNM) ফরম্যাট হল একটি সরল ইমেজ ফাইল ফরম্যাট যা বিভিন্ন প্ল্যাটফর্মের মধ্যে ইমেজ ডেটা বিনিময়কে সহজ করার জন্য ডিজাইন করা হয়েছে। এটি নেটপিবিএম (পোর্টেবল বিটম্যাপ, পোর্টেবল গ্রে ম্যাপ, পোর্টেবল পিক্সম্যাপ) এর ছাতার নিচে থাকা ফরম্যাটের একটি পরিবারকে উল্লেখ করে, প্রতিটিটি একটি নির্দিষ্ট ধরনের ইমেজের জন্য ডিজাইন করা হয়েছে। PNM ফরম্যাটের সৌন্দর্য এর সরলতা এবং ইমেজের সরাসরি উপস্থাপনায় রয়েছে, ইমেজ পিক্সেল স্টোর করার জন্য ASCII বা বাইনারি ডেটা ব্যবহার করে, এটি জটিল পার্সিং লাইব্রেরি বা টুলের প্রয়োজন ছাড়াই প্রোগ্রাম্যাটিকভাবে পড়া এবং লেখা অসাধারণভাবে সহজ করে তোলে।
PNM ফাইলগুলিকে তাদের এনকোডিংয়ের উপর ভিত্তি করে দুটি প্রধান ধরনে শ্রেণীবদ্ধ করা হয়েছে: ASCII (প্লেইন) ফরম্যাট, যা বিটম্যাপ, গ্রে ম্যাপ এবং পিক্সম্যাপের জন্য যথাক্রমে 'P1', 'P2' এবং 'P3' ম্যাজিক নম্বর দ্বারা নির্দেশিত; এবং বাইনারি (র) ফরম্যাট, 'P4', 'P5' এবং 'P6' ম্যাজিক নম্বর দ্বারা উপস্থাপিত। ASCII ফরম্যাটগুলি আরও মানুষের পড়ার উপযোগী এবং পার্স করা সহজ তবে ফাইলের আকার এবং প্রক্র িয়াকরণের গতির দিক থেকে তাদের বাইনারি প্রতিরূপের তুলনায় কম দক্ষ, যা বাস্তব-বিশ্বের অ্যাপ্লিকেশনগুলির জন্য আরও উপযুক্ত যেখানে কর্মক্ষমতা এবং স্টোরেজ দক্ষতা গুরুত্বপূর্ণ।
প্রতিটি PNM ফাইল একটি হেডার দিয়ে শুরু হয় যার মধ্যে একটি ম্যাজিক নম্বর রয়েছে যা ইমেজের ধরন (PBM, PGM, PPM) নির্দেশ করে, তারপরে হোয়াইটস্পেস, ইমেজের মাত্রা (প্রস্থ এবং উচ্চতা) হোয়াইটস্পেস দ্বারা পৃথক করা হয় এবং PGM এবং PPM ফাইলের জন্য, সর্বাধিক রঙের মান (আবার হোয়াইটস্পেস দ্বারা অনুসরণ করা হয়) রঙের গভীরতা নির্দেশ করে। হেডারটি সহজ, তবে এতে ফাইলের বাকি অংশটি ব্যাখ্যা করার জন্য প্রয়োজনীয় সমস্ত প্রয়োজনীয় তথ্য রয়েছে, যা পিক্সেল ডেটা নিয়ে গঠিত।
একটি PNM ফাইলে পিক্সেল ডেটা এর ধরন অনুযায়ী আলাদাভাবে স্টোর করা হয়। PBM ফাইলের জন্য, প্রতিটি পিক্সেলকে একটি বাইনারি মান (0 বা 1) দ্বারা উপস্থাপন করা হয় যা কালো বা সাদা নির্দেশ করে। PGM ফাইলগুলি প্রতিটি পিক্সেলকে একটি গ্রেস্কেল মান হিসাবে স্টোর করে, সাধারণত 0 (কালো) থেকে নির্দিষ্ট সর্বাধিক মান (সাদা) পর্যন্ত। PPM ফাইলগুলি, রঙিন ইমেজ হওয়ায়, প্রতিটি পিক্সেলকে তিনটি পৃথক মান (লাল, সবুজ এবং নীল) হিসাবে স্টোর করে, প্রতিটি 0 থেকে নির্দিষ্ট সর্বাধিক মান পর্যন্ত। ASCII ফরম্যাটে, এই মানগুলি হোয়াইটস্পেস দ্বারা পৃথক করা ASCII সংখ্যা হিসাবে উপস্থাপন করা হয়, যখন বাইনারি ফরম্যাটে, এগুলি বাইনারি সংখ্যা হিসাবে স্টোর করা হয়, যা আরও সংক্ষিপ্ত উপস্থাপনার অনুমতি দেয়।
PNM ফরম্যাটের অনন্য বৈশিষ্ট্যগুলির মধ্যে একটি হল এর এক্সটেনসিবিলিটি এবং সংশোধনের সহজতা। এর সরাসরি কাঠামোর কারণে, ডেভেলপারদের জন্য PNM ফাইলগুলিকে ম্যানিপুলেট করার প্রোগ্রাম তৈরি করা তুলনামূলকভাবে সহজ। উদাহরণস্বরূপ, বিভিন্ন PNM ফরম্যাটের মধ্যে রূপান্তর, ইমেজের মাত্রা পরিবর্তন করা বা রঙের গভীরতা পরিবর্তন করা সহজ প্রোগ্রাম িং কৌশল দ্বারা অর্জন করা যেতে পারে। এটি PNM ফরম্যাটকে শিক্ষামূলক উদ্দেশ্যে একটি দুর্দান্ত পছন্দ করে তোলে, যেখানে ডিজিটাল ইমেজিং এবং প্রোগ্রামিংয়ের মূল বিষয়গুলি বোঝা প্রয়োজন।
সরলতা এবং এক্সটেনসিবিলিটিতে এর সুবিধা সত্ত্বেও, PNM ফরম্যাটের উল্লেখযোগ্য সীমাবদ্ধতা রয়েছে। EXIF (এক্সচেঞ্জেবল ইমেজ ফাইল ফরম্যাট) ডেটা যেমন মেটেডেটার জন্য সমর্থনের অভাব, যা ক্যামেরা থেকে সেটিংস যেমন অ্যাপারচার, এক্সপোজার সময় এবং ISO স্পিড ধারণ করে, পেশাদার ফটোগ্রাফি এবং আধুনিক অ্যাপ্লিকেশনগুলিতে PNM এর উপযোগকে সীমাবদ্ধ করে যা মেটেডেটার উপর ব্যাপকভাবে নির্ভর করে। তাছাড়া, PNM ফাইলগুলিতে কম্প্রেশন মেকানিজমের অনুপস্থিতির ফলে JPEG বা PNG এর মতো ফরম্যাটের তুলনায় বড় ফাইলের আকার হয়, যা ইমেজ ডেটা দক্ষতার সাথে স্টোর করার জন্য জটিল অ্যালগরিদম ব্যবহার করে।
এই সীমাবদ্ধতাগুলির কিছু কমাতে, নেটপিবিএম পরিবার থেকে উদ্ভূত উচ্চ-স্তরের ফরম্যাট, যেমন পোর্টেবল আর্বিট্রারি ম্যাপ (PAM), তৈরি করা হয়েছে। PAM কে PNM এর একটি আরও নমনীয় এবং আধুনিক বিকল্প হিসাবে ডিজাইন করা হয়েছে, যা আরও বিভিন্ন রঙের গভীরতা এবং চ্যানেলের অনুমতি দেয়, স্বচ্ছতা সহ। PAM ফাইলগুলি 'P7' এর একটি ম্যাজিক নম্বর ব্যবহার করে এবং এই উন্নত বৈশিষ্ট্যগুলি সামঞ্জস্য করার জন্য অতিরিক্ত হেডার ক্ষেত্র প্রবর্তন করে। যাইহোক, এই উন্নতিগুলি সহ, PAM এবং PNM ফরম্যাটগুলি শিক্ষামূলক এবং
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।