1. Започнете с най-добрия наличен източник
Използвайте оригиналното сканиране или файл от камера, вместо екранна снимка на миниатюра. Ако някой е изпратил малък преглед, поискайте оригиналния документ. Когато PDF вече има точен текст, който може да се избира, използвайте повторно този текст, вместо да го конвертирате в изображение и да го разпознавате отново.
Запазете непроменено копие, преди да коригирате контраста, завъртането или изрязването. Оригиналът е вашата справка, когато по-късна версия загуби бледа пунктуация или ръкописни бележки. Дайте на работните копия описателни имена, за да можете да ги сравнявате, без да гадаете кой файл е бил редактиран.
2. Направете буквите четливи преди качване
За снимка дръжте страницата плоска, дръжте камерата приблизително успоредна на нея и използвайте равномерна светлина. Избягвайте отблясъци върху гланцирана хартия и сенки от ръката или телефона си. Проверете няколко малки думи, преди да приберете документа; повторното заснемане е по-лесно, докато източникът е все още наличен.
За сканиране, 300 пиксела на инч е полезна отправна точка за обикновен печатен текст. IMPACT препоръчва по-висока разделителна способност за много малък шрифт. Националните архиви на САЩ също посочват 300 ppi за съвременни текстови постоянни записи в своите собствени изисквания за дигитализация. Това са референции за заснемане, а не гаранция, че всяка страница ще се разпознае правилно.
Промяната на етикет DPI върху съществуващ файл с ниска разделителна способност не създава нови детайли. Проверете краищата на знаците и пунктуацията и сканирайте отново с подходяща разделителна способност, когато оригиналът е наличен.
3. Изправете изгледа и изберете съгласуван регион
Направете текста изправен и премахнете ирелевантните граници, когато те се конкурират със страницата. Оставете малко място около желания текст: тясното изрязване може да отреже акценти, долни черти или последната цифра на число.
За колони разпознавайте по една колона или логически свързан пасаж наведнъж, когато редът на цялата страница е ненадежден. Дръжте заглавията на таблиците със стойностите им. Разделянето на всяка малка клетка може да премахне контекста, от който се нуждаете, за да реконструирате резултата.
4. Сравнете скромни корекции на изображението
Малка корекция на контраста може да помогне при бледия текст, докато прекомерното филтриране може да го изтрие. Потъмняването на страницата може също да засили петна, текстура на хартията или писане от обратната страна. Сравнете коригираното изображение с оригинала при същото ниво на мащабиране.
Опитайте една корекция върху труден пасаж, преди да промените всичко. Ако подобрението прави изображението да изглежда по-чисто, но премахва запетая или съединява две букви, то не е подобрило доказателствата за OCR.
5. Задайте езика и сравнете режимите на разпознаване
Изберете езика, който действително се използва в избрания текст. i2OCR предоставя 128 избора за разпознаване, включително скрипт и исторически варианти. За страница със смесен език разделянето на отделни региони може да направи резултата по-лесен за оценка.
Classic е полезна отправна точка за ясен печатен материал. Future може да помогне с по-разнообразни документи и ръкопис. Сравнете същия кратък пасаж, когато не сте сигурни. Преценете целия препис, включително пропуснатите думи и реда на редовете, вместо няколко правилно разпознати изречения.
6. Прегледайте текста спрямо изображението
Проверете извадка от горната, средната и долната част на избраната област. След това проверете детайлите, които носят най-голямо значение. Неправилно поставена десетична запетая или липсваща дума като „не“ може да има по-голямо значение от няколко обикновени правописни грешки.
- Имена, идентификатори, дати, десетични запетаи и единици съвпадат с източника.
- Всеки предвиден ред присъства; заглавията и бележките под линия са на разумни места.
- Колоните и редовете на таблицата не са комбинирани неправилно.
- Неясните пасажи са маркирани за преглед, вместо да се гадаят мълчаливо.
- Копиран цитат запазва формулировката и пунктуацията, които възнамерявате да цитирате.
7. Запазете прегледания резултат и използвайте повторно това, което е проработило
Запазете коригирания препис, преди да го превеждате или пренаписвате. Запазете името на файла на източника или препратката към страницата с резултата. Ако по-късно ще обработвате подобни документи, отбележете езика, избрания регион и корекциите, които са помогнали.
Онлайн инструментите приемат едно изображение до 25 MB или един PDF до 200 MB и 750 изходни страници, в зависимост от ограничението, показано в инструмента. PDF OCR обработва една избрана страница или област на заявка. Прилагат се също ограничения за размерите на изображението и обработката, така че по-малък, добре заснет източник може да бъде по-практичен от много голям файл.
Въпроси и отговори
С каква разделителна способност трябва да сканирам?
Започнете с около 300 ppi за обикновен отпечатан текст; по-дребният шрифт може да изисква заснемане с по-висока разделителна способност. Проверете самите букви. Само по себе си разделителната способност не може да коригира размазване, отблясъци или повредени оригинали.
Трябва ли да конвертирам всяко изображение в черно-бяло?
Не. Праговото преобразуване (thresholding) може да премахне бледия текст или да слее щрихите. Запазете оригинала и сравнете малък участък, преди да пристъпите към черно-бяла версия.
Дали по-големият файл винаги дава по-добър OCR?
Не. Размерът на файла отразява размерите, компресията и формата, а не само четливостта. Ясното и добре кадрирано изображение може да бъде по-полезно от голяма, но размазана снимка.