Kiedy OCR się opłaca
Zeskanowana umowa, stary list czy paragon sfotografowany telefonem to tylko obraz w pliku PDF: nie da się go przeszukać, skopiować z niego zdania ani odczytać na głos czytnikiem ekranu. Po OCR plik działa jak zwykły dokument cyfrowy, a przy tym nadal wygląda jak papierowy oryginał.
Jak uzyskać najlepszy efekt
- Skanuj w rozdzielczości 300 DPI, jeśli skaner pozwala ją wybrać. Przy drobnym druku minimum to 200 DPI.
- Kładź strony prosto i dbaj o równe oświetlenie – przekrzywiony skan możesz najpierw wyprostować narzędziem Wyprostuj PDF. Cienie i zagięcia to najczęstsza przyczyna pominiętych słów.
- Wybierz język dokumentu. Jeśli tekst jest częściowo po angielsku, a częściowo po turecku, opcja „Angielski + turecki” odczyta oba języki.
Gdy wynik jest niepoprawny
- Litery są zamienione albo ich brakuje. Obejrzyj skan w pełnym rozmiarze. Jeśli Tobie trudno go wygodnie przeczytać, OCR też będzie miał problem. Zeskanuj stronę ponownie przy lepszym świetle, kładąc ją płasko.
- Litery ze znakami diakrytycznymi tracą akcenty. Jeśli „é” zamienia się w „e” albo tureckie „ş” w „s”, zwykle oznacza to wybór złego języka. Uruchom rozpoznawanie jeszcze raz z właściwym językiem.
- Pismo odręczne jest pomijane. OCR jest przeznaczony do tekstu drukowanego. Staranne pismo drukowanymi literami bywa rozpoznawane, ale podpisy, notatki na marginesach i pismo ciągłe nie są rozpoznawane niezawodnie.
- Skopiowane tabele tracą kolumny. Rozpoznane słowa leżą dokładnie tam, gdzie na stronie, więc wyszukiwanie działa. Przy kopiowaniu kolumny mogą się jednak zlewać wiersz po wierszu – sprawdź tabele po konwersji do Worda.
- Długi skan trwa kilka minut. Rozpoznawanie odbywa się na Twoim procesorze, strona po stronie. Nie zamykaj karty albo najpierw wyodrębnij potrzebne strony i uruchom OCR tylko na nich.
Sprawdź wynik w minutę
Nie musisz czytać całego pliku, żeby sprawdzić, czy rozpoznawanie się udało. Otwórz nowy plik PDF, naciśnij Ctrl+F (Cmd+F na Macu) i wyszukaj słowo, które na pewno jest na stronie – nazwisko, nazwę firmy, nagłówek. Jeśli czytnik PDF zaznaczy je we właściwym miejscu, ta strona ma działającą warstwę tekstu. Jeśli nic nie zostanie znalezione, przyjrzyj się tej stronie: zwykle jest blada, przekrzywiona albo sfotografowana pod kątem.
Szczególnie uważaj na liczby. Błędnie odczytaną literę w słowie łatwo wychwycić z kontekstu, ale błędnej cyfry już nie, a najczęściej mylą się podobnie wyglądające znaki: zero i litera O, jedynka i małe L, piątka i S, ósemka i B. Gdy kopiujesz numer konta, kwotę lub datę z rozpoznanego skanu, przed użyciem porównaj je cyfra po cyfrze z obrazem.
Co dalej
Jeśli masz zdjęcie lub zrzut ekranu, a nie plik PDF, narzędzie Tekst ze zdjęcia od razu da Ci słowa jako tekst.
Gdy plik PDF da się już przeszukiwać, możesz zamienić go na plik Word, aby edytować tekst, wyodrębnić z niego tekst jako zwykłe słowa albo skompresować go przed wysłaniem e-mailem – skany często są duże.
Skanujesz papierowe dokumenty na Macu? Poradnik jak zeskanować dokument do PDF na Macu omawia aparat iPhone’a i aplikację Pobieranie obrazów, a potem pokazuje, jak rozpoznać tekst w skanie tutaj.