1. התחל עם המקור הטוב ביותר הזמין
השתמש בסריקה המקורית או בקובץ המצלמה במקום בצילום מסך של תמונה ממוזערת. אם מישהו שלח תצוגה מקדימה קטנה, בקש את המסמך המקורי. כאשר ב-PDF כבר יש טקסט מדויק שניתן לבחירה, השתמש מחדש בטקסט זה במקום להמיר אותו לתמונה ולזהות אותו שוב.
שמור עותק ללא שינויים לפני התאמת ניגודיות, סיבוב או חיתוך. המקור הוא נקודת הייחוס שלך כאשר גרסה מאוחרת יותר מאבדת סימני פיסוק עמומים או סימני כתב יד. תן לעותקי עבודה שמות תיאוריים כדי שתוכל להשוות ביניהם מבלי לנחש איזה קובץ נערך.
2. הפוך את האותיות לקריאות לפני ההעלאה
עבור צילום, שמור על הדף שטוח, החזק את המצלמה במקביל אליו בערך והשתמש בתאורה אחידה. הימנע מהשתקפויות על נייר מבריק ומצללים מהיד או מהטלפון שלך. בדוק כמה מילים קטנות לפני שאתה מניח את המסמך; צילום חוזר קל יותר כשהמקור עדיין זמין.
עבור סריקה, 300 פיקסלים לאינץ' הם נקודת התחלה שימושית לטקסט מודפס רגיל. IMPACT ממליץ על רזולוציה גבוהה יותר עבור דפוס קטן מאוד. הארכיון הלאומי של ארה"ב מציין גם 300 ppi עבור רשומות טקסטואליות קבועות מודרניות בדרישות הדיגיטציה שלו. אלו הן הפניות ללכידה, לא ערובה לכך שכל דף יזוהה בצורה נכונה.
שינוי תווית DPI בקובץ ברזולוציה נמוכה קיים אינו יוצר פרטים חדשים. בדוק את קצוות התווים וסימני הפיסוק, וסרוק מחדש ברזולוציה מתאימה כאשר המקור זמין.
3. יישר את התצוגה ובחר אזור קוהרנטי
הפוך את הטקסט לישר והסר גבולות לא רלוונטיים כאשר הם מתחרים עם הדף. השאר מעט מרווח סביב הטקסט המיועד: חיתוך הדוק מדי עלול לחתוך סימני הטעמה, אותיות יורדות או את הספרה האחרונה של מספר.
עבור עמודות, זהה עמודה אחת או קטע מחובר לוגית בכל פעם כאשר סדר דף מלא אינו אמין. שמור כותרות טבלה עם הערכים שלהן. הפרדת כל תא זעיר עלולה להסיר את ההקשר הדרוש לך כדי לשחזר את התוצאה.
4. השווה התאמות תמונה צנועות
התאמת ניגודיות קטנה עשויה לעזור לטקסט עמום, בעוד שסינון מוגזם עלול למחוק אותו. החשכת הדף יכולה גם לחזק כתמים, מרקם נייר או כתיבה מהצד האחורי. השווה את התמונה המותאמת עם המקור באותה רמת זום.
נסה התאמה אחת על קטע קשה לפני שאתה משנה הכל. אם שיפור גורם לתמונה להיראות נקייה יותר אך מוחק פסיק או מחבר שתי אותיות, הוא לא שיפר את הראיות עבור OCR.
5. הגדר את השפה והשווה מצבי זיהוי
בחר את השפה המשמשת בפועל בטקסט הנבחר. i2OCR מספק 128 אפשרויות זיהוי, כולל כתב וגרסאות היסטוריות. עבור דף בשפה מעורבת, הפרדת אזורים נפרדים יכולה להקל על הערכת התוצאה.
Classic הוא נקודת התחלה שימושית לחומר מודפס ברור. Future יכול לעזור עם מסמכים מגוונים יותר וכתב יד. השווה את אותו קטע קצר כשאינך בטוח. שפוט את התמליל המלא, כולל מילים שהושמטו וסדר שורות, במקום כמה משפטים שזוהו נכון.
6. סקור את הטקסט מול התמונה
בדוק דגימה מהחלק העליון, האמצעי והתחתון של האזור הנבחר. לאחר מכן בדוק את הפרטים שנושאים את המשמעות הרבה ביותר. נקודה עשרונית שגויה או מילה חסרה כמו "לא" יכולות להיות חשובות יותר מכמה שגיאות איות רגילות.
- שמות, מזהים, תאריכים, נקודות עשרוניות ויחידות תואמים למקור.
- כל שורה מיועדת קיימת; כותרות והערות שוליים נמצאות במקומות הגיוניים.
- עמודות ושורות טבלה לא שולבו בצורה שגויה.
- קטעים לא ברורים מסומנים לבדיקה במקום לנחש אותם בשקט.
- ציטוט מועתק שומר על הניסוח וסימני הפיסוק שאתה מתכוון לצטט.
7. שמור את התוצאה שנסקרה והשתמש מחדש במה שעבד
שמור את התמליל המתוקן לפני תרגומו או שכתובו. שמור את שם קובץ המקור או הפניית הדף עם התוצאה. אם תעבד מסמכים דומים מאוחר יותר, שים לב לשפה, לאזור הנבחר ולהתאמות שעזרו.
הכלים המקוונים מקבלים תמונה אחת עד 25 MB או PDF אחד עד 200 MB ו-750 דפי מקור, בכפוף למגבלה המוצגת בכלי. PDF OCR מעבד דף או אזור נבחר אחד לכל בקשה. מימדי תמונה ומגבלות עיבוד חלים גם הם, לכן מקור קטן ומצולם היטב יכול להיות מעשי יותר מקובץ גדול מאוד.
שאלות ותשובות
באיזו רזולוציה כדאי לי לסרוק?
התחל סביב 300 ppi עבור טקסט מודפס רגיל; הדפסה קטנה יותר עשויה להפיק תועלת מצילום ברזולוציה גבוהה יותר. בדוק את האותיות בפועל. רזולוציה לבדה אינה יכולה לתקן טשטוש, השתקפות או מקורות פגומים.
האם עלי להמיר כל תמונה לשחור-לבן?
לא. סף (Thresholding) עלול להסיר טקסט חלש או למזג קווים. שמור את המקור והשווה אזור קטן לפני שתתחייב לגרסת שחור-לבן.
האם קובץ גדול יותר תמיד ייתן OCR טוב יותר?
לא. גודל הקובץ משקף ממדים, דחיסה ופורמט, לא רק קריאות. תמונה ברורה וממוסגרת היטב יכולה להיות שימושית יותר מתצלום גדול אך מטושטש.