1. Mulailah dengan sumber terbaik yang tersedia
Gunakan pindaian asli atau file kamera daripada tangkapan layar dari gambar kecil (thumbnail). Jika seseorang mengirim pratinjau kecil, mintalah dokumen aslinya. Jika PDF sudah memiliki teks yang dapat dipilih dengan akurat, gunakan kembali teks tersebut alih-alih mengubahnya menjadi gambar dan mengenalinya kembali.
Simpan salinan yang tidak diubah sebelum menyesuaikan kontras, rotasi, atau pemotongan. Dokumen asli adalah referensi Anda ketika versi selanjutnya kehilangan tanda baca samar atau tanda tulisan tangan. Beri nama salinan kerja yang deskriptif agar Anda dapat membandingkannya tanpa menebak file mana yang telah diedit.
2. Buat huruf dapat dibaca sebelum mengunggah
Untuk foto, jaga agar halaman tetap rata, pegang kamera kira-kira sejajar dengannya, dan gunakan cahaya yang merata. Hindari silau pada kertas mengkilap dan bayangan dari tangan atau ponsel Anda. Periksa beberapa kata kecil sebelum menyimpan dokumen; pengambilan ulang lebih mudah saat sumber masih tersedia.
Untuk pindaian, 300 piksel per inci adalah titik awal yang berguna untuk teks cetak biasa. IMPACT merekomendasikan resolusi yang lebih tinggi untuk cetakan yang sangat kecil. Arsip Nasional AS juga menetapkan 300 ppi untuk catatan tekstual permanen modern dalam persyaratan digitalisasinya sendiri. Ini adalah referensi pengambilan, bukan jaminan bahwa setiap halaman akan dikenali dengan benar.
Mengubah label DPI pada file beresolusi rendah yang ada tidak menciptakan detail baru. Periksa tepi karakter dan tanda baca, lalu pindai ulang pada resolusi yang sesuai jika dokumen asli tersedia.
3. Luruskan tampilan dan pilih wilayah yang koheren
Buat teks tegak dan hapus batas yang tidak relevan jika mengganggu halaman. Sisakan sedikit ruang di sekitar teks yang dimaksud: pemotongan yang terlalu ketat dapat memotong aksen, descender, atau digit terakhir dari sebuah angka.
Untuk kolom, kenali satu kolom atau bagian yang terhubung secara logis dalam satu waktu jika urutan halaman penuh tidak dapat diandalkan. Simpan judul tabel bersama nilainya. Memisahkan setiap sel kecil dapat menghilangkan konteks yang Anda butuhkan untuk merekonstruksi hasilnya.
4. Bandingkan penyesuaian gambar yang sederhana
Penyesuaian kontras kecil mungkin membantu teks yang samar, sementara penyaringan berlebihan dapat menghapusnya. Menggelapkan halaman juga dapat memperkuat noda, tekstur kertas, atau tulisan dari sisi sebaliknya. Bandingkan gambar yang disesuaikan dengan aslinya pada tingkat perbesaran yang sama.
Coba satu penyesuaian pada bagian yang sulit sebelum mengubah semuanya. Jika peningkatan membuat gambar terlihat lebih bersih tetapi menghapus koma atau menggabungkan dua huruf, itu belum meningkatkan bukti untuk OCR.
5. Atur bahasa dan bandingkan mode pengenalan
Pilih bahasa yang sebenarnya digunakan dalam teks yang dipilih. i2OCR menyediakan 128 pilihan pengenalan, termasuk skrip dan varian historis. Untuk halaman dengan bahasa campuran, memisahkan wilayah yang berbeda dapat membuat hasil lebih mudah dievaluasi.
Klasik adalah titik awal yang berguna untuk materi cetak yang jelas. Masa Depan dapat membantu dengan dokumen yang lebih bervariasi dan tulisan tangan. Bandingkan bagian pendek yang sama jika ragu. Nilai transkrip lengkap, termasuk kata-kata yang dihilangkan dan urutan baris, daripada hanya beberapa kalimat yang dikenali dengan benar.
6. Tinjau teks terhadap gambar
Periksa sampel dari bagian atas, tengah, dan bawah area yang dipilih. Kemudian periksa detail yang paling bermakna. Titik desimal yang salah tempat atau kata yang hilang seperti tidak bisa lebih penting daripada beberapa kesalahan ejaan biasa.
- Nama, pengenal, tanggal, titik desimal, dan unit cocok dengan sumber.
- Setiap baris yang dimaksud ada; judul dan catatan kaki berada di tempat yang masuk akal.
- Kolom dan baris tabel tidak digabungkan secara tidak benar.
- Bagian yang tidak jelas ditandai untuk ditinjau alih-alih ditebak secara diam-diam.
- Kutipan yang disalin mempertahankan kata-kata dan tanda baca yang ingin Anda kutip.
7. Simpan hasil yang telah ditinjau dan gunakan kembali apa yang berhasil
Simpan transkrip yang telah dikoreksi sebelum menerjemahkan atau menulis ulang. Simpan nama file sumber atau referensi halaman dengan hasilnya. Jika Anda akan memproses dokumen serupa nanti, catat bahasa, wilayah yang dipilih, dan penyesuaian yang membantu.
Alat daring menerima satu gambar hingga 25 MB atau satu PDF hingga 200 MB dan 750 halaman sumber, tergantung pada batas yang ditunjukkan dalam alat. PDF OCR memproses satu halaman atau area yang dipilih per permintaan. Dimensi gambar dan batas pemrosesan juga berlaku, sehingga sumber yang lebih kecil dan diambil dengan baik bisa lebih praktis daripada file yang sangat besar.
Pertanyaan dan jawaban
Berapa resolusi yang harus saya gunakan untuk memindai?
Mulai dari sekitar 300 ppi untuk teks cetak biasa; cetakan yang lebih kecil mungkin memerlukan pengambilan gambar dengan resolusi lebih tinggi. Periksa huruf-hurufnya secara langsung. Resolusi saja tidak dapat memperbaiki gambar yang buram, silau, atau dokumen asli yang rusak.
Apakah saya harus mengubah setiap gambar menjadi hitam putih?
Tidak. Thresholding (penentuan ambang batas) dapat menghilangkan teks yang samar atau menggabungkan guratan huruf. Simpan dokumen asli dan bandingkan area kecil sebelum memutuskan untuk menggunakan versi hitam putih.
Apakah file yang lebih besar akan selalu memberikan OCR yang lebih baik?
Tidak. Ukuran file mencerminkan dimensi, kompresi, dan format, bukan sekadar keterbacaan. Gambar yang jernih dan terbingkai dengan baik bisa lebih berguna daripada foto yang besar namun buram.