AITerms 登入
機器學習深度學習電腦視覺

光學字元辨識(OCR)是什麼?

光學字元辨識(OCR)是一種技術,能將圖像中的文字轉換為機器可讀的文字格式,例如將掃描文件轉換為可編輯的文字。

完整定義

光學字元辨識(OCR)是一種技術,用於將圖像中的文字轉換為機器可讀的文字格式。OCR 能夠從掃描文件、照片或其他圖像中提取文字,並將其轉換為可編輯的文字,方便後續處理和分析。常見應用包括文件數位化、自動表單處理和車牌識別。

白話說明

你拍完收據卻還要一字一字重打嗎?

你可以把 光學字元辨識 想成 替圖片裡的字做翻譯。

掃描、報銷、歸檔都會直接用到,先把圖片裡的字變成可搜尋文字,再談整理 這件事就特別重要。

記住這句

先把圖片裡的字變成可搜尋文字,再談整理

比喻:OCR 就像一位超級速記員 -- 它能快速「閱讀」照片或掃描文件上的文字,然後把這些原本不能編輯的圖片文字,神奇地轉換成電腦裡可以複製、編輯的純文字檔。

容易混淆

光學字元辨識 vs 人工輸入

人工輸入像一個一個字鍵入紙本文件內容,OCR 像直接拍張照就能把文件內容變成數位文字,速度和效率天差地遠,大大節省了人力和時間。

最關鍵的區別:一個看圖轉字,一個看圖辨物。

光學字元辨識 vs 圖像辨識

OCR 讀的是字,圖像辨識讀的是物件或場景

最關鍵的區別:一個要輸出文字,一個要輸出類別。

實際案例

案例 1:報銷時把發票影像轉成金額欄位,少掉人工輸入

案例 2:把紙本合約掃成可搜尋檔案,查條文快很多

演算法與應用

核心意思就是:先把圖片裡的字變成可搜尋文字,再談整理。

流程通常是影像前處理、文字定位、字元辨識和後處理校正

低光、歪斜、模糊和手寫字,都會讓準確率掉很快

情境判斷

Q2(判斷題): 手寫字太潦草時,OCR 還能直接用嗎?

看情況,印刷體最穩,手寫通常要更強模型或人工校正

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 1 題把光學字元辨識列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本