1. Start med den bedste tilgængelige kilde
Brug den originale scanning eller kamerafil frem for et skærmbillede af et miniaturebillede. Hvis nogen har sendt en lille forhåndsvisning, så anmod om det originale dokument. Når en PDF allerede har nøjagtig valgbar tekst, så genbrug den tekst i stedet for at konvertere den til et billede og genkende den igen.
Behold en uændret kopi, før du justerer kontrast, rotation eller beskæring. Originalen er din reference, når en senere version mister svag tegnsætning eller håndskrevne mærker. Giv arbejdskopier beskrivende navne, så du kan sammenligne dem uden at gætte, hvilken fil der blev redigeret.
2. Gør bogstaverne læsbare før upload
For et fotografi, hold siden flad, hold kameraet nogenlunde parallelt med den og brug jævnt lys. Undgå genskin over blankt papir og skygger fra din hånd eller telefon. Tjek et par små ord, før du lægger dokumentet væk; en ny optagelse er lettere, mens kilden stadig er tilgængelig.
For en scanning er 300 pixels pr. tomme et nyttigt udgangspunkt for almindelig trykt tekst. IMPACT anbefaler højere opløsning til meget lille skrift. U.S. National Archives specificerer også 300 ppi til moderne tekstuelle permanente optegnelser i sine egne digitaliseringskrav. Disse er indfangningsreferencer, ikke en garanti for, at hver side genkendes korrekt.
Ændring af en DPI-label på en eksisterende fil med lav opløsning skaber ikke nye detaljer. Inspicer tegnkanter og tegnsætning, og rescann ved en passende opløsning, når originalen er tilgængelig.
3. Ret visningen op og vælg en sammenhængende region
Gør teksten opretstående og fjern irrelevante kanter, når de konkurrerer med siden. Efterlad lidt plads omkring den tilsigtede tekst: en tæt beskæring kan afskære accenter, underlængder eller det sidste ciffer i et tal.
For kolonner, genkend én kolonne eller en logisk forbundet passage ad gangen, når helsidesrækkefølgen er upålidelig. Behold tabeloverskrifter med deres værdier. Adskillelse af hver lille celle kan fjerne den kontekst, du har brug for for at rekonstruere resultatet.
4. Sammenlign beskedne billedjusteringer
En lille kontrastjustering kan hjælpe svag tekst, mens overdreven filtrering kan slette den. Mørkning af siden kan også forstærke pletter, papirstruktur eller skrift fra bagsiden. Sammenlign det justerede billede med originalen ved samme zoomniveau.
Prøv én justering på en svær passage, før du ændrer alt. Hvis en forbedring får billedet til at se renere ud, men fjerner et komma eller samler to bogstaver, har det ikke forbedret beviset for OCR.
5. Indstil sproget og sammenlign genkendelsestilstande
Vælg det sprog, der faktisk bruges i den valgte tekst. i2OCR tilbyder 128 genkendelsesvalg, inklusive skrift og historiske varianter. For en side med blandet sprog kan adskillelse af distinkte regioner gøre resultatet lettere at evaluere.
Classic er et nyttigt udgangspunkt for klart trykt materiale. Future kan hjælpe med mere varierede dokumenter og håndskrift. Sammenlign den samme korte passage, når du er i tvivl. Bedøm den komplette udskrift, inklusive udeladte ord og linjerækkefølge, frem for et par korrekt genkendte sætninger.
6. Gennemgå teksten mod billedet
Tjek en prøve fra toppen, midten og bunden af det valgte område. Inspicer derefter de detaljer, der bærer mest betydning. Et forkert placeret decimaltegn eller et manglende ord som ikke kan betyde mere end flere almindelige stavefejl.
- Navne, identifikatorer, datoer, decimaltegn og enheder matcher kilden.
- Hver tilsigtet linje er til stede; overskrifter og fodnoter er på fornuftige steder.
- Kolonner og tabelrækker er ikke blevet kombineret forkert.
- Uklare passager er markeret til gennemgang i stedet for at blive gættet lydløst.
- Et kopieret citat bevarer den ordlyd og tegnsætning, du har til hensigt at citere.
7. Gem det gennemgåede resultat og genbrug det, der virkede
Gem den korrigerede udskrift, før du oversætter eller omskriver den. Behold kildefilnavnet eller sidehenvisningen sammen med resultatet. Hvis du senere skal behandle lignende dokumenter, så noter sproget, den valgte region og de justeringer, der hjalp.
Onlinetjenesterne accepterer ét billede på op til 25 MB eller én PDF på op til 200 MB og 750 kildesider, underlagt grænsen vist i værktøjet. PDF OCR behandler én valgt side eller ét område pr. anmodning. Billeddimensioner og behandlingsgrænser gælder også, så en mindre, velindfanget kilde kan være mere praktisk end en meget stor fil.
Spørgsmål og svar
Hvilken opløsning skal jeg scanne ved?
Start omkring 300 ppi for almindelig trykt tekst; mindre skrift kan have fordel af en optagelse i højere opløsning. Undersøg de faktiske bogstaver. Opløsning alene kan ikke rette sløring, genskin eller beskadigede originaler.
Skal jeg konvertere alle billeder til sort-hvid?
Nej. Tærskelværdier kan fjerne svag tekst eller få streger til at flyde sammen. Behold originalen og sammenlign et lille område, før du beslutter dig for en sort-hvid version.
Vil en større fil altid give bedre OCR?
Nej. Filstørrelsen afspejler dimensioner, komprimering og format, ikke kun læsbarhed. Et klart, velindrammet billede kan være mere nyttigt end et stort, men sløret fotografi.