Technical Tutorials

Optik Karakter Tanıma (OCR), genellikle görüntülerden metin kopyalamak ve yapıştırmak olarak yanlış anlaşılır. Gerçekte, sağlam bir OCR hattı oluşturmak; görüntü ön işleme, model seçimi, son işleme ve sıkı hata yönetimini içeren karmaşık bir mühendislik zorluğudur. Bilgi tabanlarına veya belge yönetim sistemlerine OCR entegre eden geliştiriciler için, yüksek doğruluk elde etmek amacıyla tüm hattın nüanslarını anlamak kritik öneme sahiptir.

Bir OCR Hattının Anatomisi

Ham bir görüntüden nadiren mükemmel metin elde edilir. Gürültü, düşük kontrast, eğrilik ve değişen yazı tipleri tanıma doğruluğunu ciddi şekilde azaltabilir. Profesyonel bir OCR hattı genellikle üç ayrı aşamadan oluşur: Ön İşleme, Tanıma ve Son İşleme.

1. Görüntü Ön İşleme

Bir görüntüyü bir OCR motoruna beslemeden önce, onu normalize etmeniz gerekir. Yaygın teknikler şunları içerir:

Gri Tonlama Dönüşümü: Hesaplama karmaşıklığını azaltır ve renk gürültüsünü ortadan kaldırır.
İkili Dönüşüm (Binarization): Eşiğe dayalı (örneğin Otsu yöntemi) yöntemler kullanarak görüntüyü siyah beyaza dönüştürerek metni arka plandan ayırır.
Gürültü Azaltma: Noktaları ve yapaylıkları kaldırmak için Gauss bulanıklaştırma veya morfolojik işlemler uygulama.
Eğrilik Giderme (Deskewing): Metni yatay hizalamak için görüntüyü döndürme.

2. OCR Motoru Seçimi

Açık kaynak OCR için endüstri standardı Google tarafından yönetilen Tesseract'tır. Ancak modern uygulamalar, NVIDIA'nın DeepLabCut gibi derin öğrenmeye dayalı motorları veya AWS Textract ve Google Cloud Vision gibi bulut API'lerini sıklıkla kullanır. Gizlilik ve maliyet etkinliği gerektiren kendi kendine barındırılan çözümler için Tesseract, kapsamlı dil desteği ve özelleştirilebilirliği nedeniyle en iyi seçeneklerden biri olmaya devam etmektedir.

Python'da Temel Bir Hattın Uygulanması

Ön işleme için OpenCV ve çıkarma için tesseract (pytesseract sarmalayıcısı aracılığıyla) kullanarak pratik bir uygulamaya bakalım. Bu örnek, OCR motoru için okunabilirliği artırmak amacıyla bir görüntüyü nasıl temizleyeceğinizi gösterir.

import cv2
import pytesseract
import numpy as np

def preprocess_image(image_path):
    # Görüntüyü yükle
    image = cv2.imread(image_path)
    
    # Gri tonlamaya dönüştür
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # Gürültüyü azaltmak için Gauss Bulanıklaştırma uygula
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    
    # Değişen aydınlatma koşullarını ele almak için adaptif eşikleme uygula
    thresh = cv2.adaptiveThreshold(
        blurred, 255, 
        cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
        cv2.THRESH_BINARY_INV, 
        11, 2
    )
    
    return thresh

def extract_text_from_image(image_path):
    # Adım 1: Ön İşleme
    clean_image = preprocess_image(image_path)
    
    # Adım 2: OCR Uygula
    # lang='eng' dili belirtir; psm=6 tek tip bir metin bloğu varsayar
    text = pytesseract.image_to_string(clean_image, config='--psm 6')
    
    return text

# Kullanım
if __name__ == "__main__":
    raw_text = extract_text_from_image("document.png")
    print(f"Çıkarılan Metin: {raw_text}")

Son İşleme ve Doğrulama

Ham OCR çıktısı, yanlış tanınan karakterler veya fazladan boşluklar gibi hatalar içerebilir. OCR'ı bilgi tabanlarına entegre etmek için son işleme şarttır. Bu aşama şunları içerebilir:

Düzenli İfadeler (Regex): Biçimlendirmeyi temizleme, belirli kalıpları (tarihler veya e-postalar gibi) çıkarma veya istenmeyen sembolleri kaldırma.
Yazım Denetimi: Yaygın OCR hatalarını düzeltmek için PyEnchant gibi kütüphaneler kullanma.
Güven Puanlaması: Tesseract, her kelime için güven puanları sağlar. Geliştiriciler, düşük güven sonuçlarını filtrelemeli ve manuel inceleme veya ek işleme talep etmelidir.

Sonuç

Başarılı bir OCR hattı oluşturmak, yalnızca bir API çağırmaktan daha fazlasını gerektirir. Girdi verisinin kalitesini, tanıma motorunun seçimini ve son işlemenin titizliğini göz önünde bulunduran bütünsel bir yaklaşım gerektirir. Sağlam ön işleme teknikleri uygulayarak ve güven puanlarından yararlanarak, geliştiriciler yapılandırılmamış görüntüleri aranabilir, yapılandırılmış bilgi tabanı girdilerine dönüştüren güvenilir sistemler oluşturabilir.

Yapay zeka modelleri gelişmeye devam ettikçe, geleneksel OCR ile modern bilgisayarlı görü arasındaki çizgi bulanıklaşacaktır. Ancak veri temizleme ve doğrulamanın temel ilkeleri değişmez. Sağlam bir ön işleme temeliyle başlayın, kısıtlamalarınıza uygun doğru motoru seçin ve sonuçlarınızı her zaman doğrulayın.