1. Kezdje a legjobb elérhető forrással
Használja az eredeti szkennelést vagy fényképezőgépfájlt a bélyegkép képernyőképének használata helyett. Ha valaki egy kis előnézetet küldött, kérje el az eredeti dokumentumot. Ha egy PDF már rendelkezik pontos, kijelölhető szöveggel, használja újra azt a szöveget ahelyett, hogy képpé alakítaná és újra felismerné.
Tartson meg egy változatlan másolatot a kontraszt, a forgatás vagy a vágás beállítása előtt. Az eredeti a referenciája, ha egy későbbi verzióból eltűnnek a halvány írásjelek vagy kézírásos jelek. Adjon a munkapéldányoknak leíró neveket, hogy összehasonlíthassa őket anélkül, hogy találgatnia kellene, melyik fájlt szerkesztette.
2. Tegye olvashatóvá a betűket a feltöltés előtt
Fénykép esetén tartsa az oldalt síkban, tartsa a fényképezőgépet nagyjából párhuzamosan vele, és használjon egyenletes fényt. Kerülje a csillogást a fényes papíron, valamint a keze vagy a telefonja által vetett árnyékokat. Ellenőrizzen néhány rövid szót, mielőtt eltenné a dokumentumot; egy újrafelvétel könnyebb, amíg a forrás még elérhető.
Szkennelésnél a 300 pixel/hüvelyk (ppi) hasznos kiindulópont a szokásos nyomtatott szövegekhez. Az IMPACT nagyobb felbontást javasol az apró betűs szövegekhez. Az Egyesült Államok Nemzeti Levéltára szintén 300 ppi-t ír elő a modern szöveges állandó nyilvántartásokhoz a saját digitalizálási követelményeiben. Ezek rögzítési referenciák, nem garancia arra, hogy minden oldal helyesen lesz felismerve.
Egy meglévő alacsony felbontású fájl DPI címkéjének megváltoztatása nem hoz létre új részleteket. Vizsgálja meg a karakterek széleit és az írásjeleket, és szkennelje újra megfelelő felbontásban, ha az eredeti elérhető.
3. Egyenesítse ki a nézetet, és válasszon ki egy összefüggő régiót
Állítsa a szöveget függőlegesbe, és távolítsa el az irreleváns szegélyeket, amikor azok zavarják az oldalt. Hagyjon egy kis helyet a kívánt szöveg körül: egy szoros vágás levághatja az ékezeteket, az alsó nyúlványokat vagy egy szám utolsó számjegyét.
Oszlopok esetén egyszerre egy oszlopot vagy egy logikailag összefüggő szakaszt ismerjen fel, ha a teljes oldalas sorrend megbízhatatlan. Tartsa a táblázat fejléceit az értékeikkel együtt. Minden apró cella elválasztása eltávolíthatja azt a környezetet, amelyre az eredmény rekonstruálásához szüksége van.
4. Hasonlítsa össze a szerény képbeállításokat
Egy kis kontrasztbeállítás segíthet a halvány szövegen, míg a túlzott szűrés törölheti azt. Az oldal sötétítése felerősítheti a foltokat, a papír textúráját vagy a hátoldalon lévő írást is. Hasonlítsa össze a beállított képet az eredetivel ugyanazon a nagyítási szinten.
Próbáljon ki egy beállítást egy nehéz szakaszon, mielőtt mindent megváltoztatna. Ha egy javítás tisztábbá teszi a képet, de eltávolít egy vesszőt vagy összeköt két betűt, az nem javította az OCR bizonyítékát.
5. Állítsa be a nyelvet, és hasonlítsa össze a felismerési módokat
Válassza ki a kijelölt szövegben ténylegesen használt nyelvet. A i2OCR 128 felismerési választási lehetőséget kínál, beleértve az írásmódokat és a történelmi változatokat is. Vegyes nyelvű oldal esetén a különálló régiók elválasztása megkönnyítheti az eredmény értékelését.
A Classic hasznos kiindulópont tiszta nyomtatott anyagokhoz. A Future segíthet a változatosabb dokumentumok és kézírás esetén. Ha bizonytalan, hasonlítsa össze ugyanazt a rövid szakaszt. A teljes átiratot ítélje meg, beleértve a kihagyott szavakat és a sorrendet, ahelyett, hogy csak néhány helyesen felismert mondatot nézne.
6. Ellenőrizze a szöveget a kép alapján
Ellenőrizzen egy mintát a kijelölt terület tetejéről, közepéről és aljáról. Ezután vizsgálja meg azokat a részleteket, amelyek a legtöbb jelentést hordozzák. Egy elhelyezett tizedesvessző vagy egy hiányzó szó, például a „nem”, többet számíthat, mint több szokásos helyesírási hiba.
- A nevek, azonosítók, dátumok, tizedesvesszők és mértékegységek megegyeznek a forrással.
- Minden tervezett sor jelen van; a fejlécek és lábjegyzetek ésszerű helyeken találhatók.
- Az oszlopok és táblázatsorok nem lettek helytelenül kombinálva.
- A nem egyértelmű szakaszok felülvizsgálatra vannak megjelölve, ahelyett, hogy csendben találgatnák őket.
- A másolt idézet megőrzi azt a megfogalmazást és írásjeleket, amelyeket idézni kíván.
7. Mentse el a felülvizsgált eredményt, és használja újra, ami bevált
Mentse el a javított átiratot, mielőtt lefordítaná vagy átírná. Tartsa meg a forrásfájl nevét vagy az oldal hivatkozását az eredménnyel együtt. Ha később hasonló dokumentumokat fog feldolgozni, jegyezze fel a nyelvet, a kijelölt régiót és azokat a beállításokat, amelyek segítettek.
Az online eszközök egy képet fogadnak el 25 MB méretig, vagy egy PDF-t 200 MB méretig és 750 forrásoldalig, az eszközben látható korlátozásoknak megfelelően. A PDF OCR kérésenként egy kijelölt oldalt vagy területet dolgoz fel. A kép mérete és a feldolgozási korlátok is érvényesek, így egy kisebb, jól rögzített forrás praktikusabb lehet, mint egy nagyon nagy fájl.
Kérdések és válaszok
Milyen felbontásban szkenneljek?
Kezdje körülbelül 300 ppi felbontással a hagyományos nyomtatott szövegeknél; a kisebb betűméret esetén előnyös lehet a nagyobb felbontású rögzítés. Vizsgálja meg a tényleges betűket. A felbontás önmagában nem javítja ki az elmosódott, tükröződő vagy sérült eredeti dokumentumokat.
Minden képet fekete-fehérre kell konvertálnom?
Nem. A küszöbérték-beállítás (thresholding) eltávolíthatja a halvány szöveget vagy összeolvaszthatja a vonalakat. Tartsa meg az eredetit, és hasonlítson össze egy kis területet, mielőtt elkötelezné magát a fekete-fehér változat mellett.
A nagyobb fájl mindig jobb OCR eredményt ad?
Nem. A fájlméret a méreteket, a tömörítést és a formátumot tükrözi, nem csak az olvashatóságot. Egy tiszta, jól keretezett kép hasznosabb lehet, mint egy nagy, de elmosódott fénykép.