1. Begin met de best beschikbare bron
Gebruik de originele scan of het camerabestand in plaats van een screenshot van een miniatuur. Als iemand een kleine preview heeft gestuurd, vraag dan om het originele document. Wanneer een PDF al nauwkeurige selecteerbare tekst heeft, hergebruik die tekst dan in plaats van deze naar een afbeelding te converteren en opnieuw te herkennen.
Bewaar een ongewijzigde kopie voordat u het contrast, de rotatie of de uitsnede aanpast. Het origineel is uw referentie wanneer een latere versie vage leestekens of handgeschreven markeringen verliest. Geef werkbestanden beschrijvende namen zodat u ze kunt vergelijken zonder te raden welk bestand is bewerkt.
2. Maak de letters leesbaar vóór het uploaden
Houd voor een foto de pagina plat, houd de camera ongeveer parallel aan de pagina en gebruik gelijkmatig licht. Vermijd schittering op glanzend papier en schaduwen van uw hand of telefoon. Controleer een paar kleine woorden voordat u het document opbergt; opnieuw maken is makkelijker terwijl de bron nog beschikbaar is.
Voor een scan is 300 pixels per inch een nuttig startpunt voor gewone gedrukte tekst. IMPACT adviseert een hogere resolutie voor zeer kleine lettertypes. De U.S. National Archives specificeert ook 300 ppi voor moderne tekstuele permanente records in hun eigen digitaliseringsvereisten. Dit zijn opnamereferenties, geen garantie dat elke pagina correct wordt herkend.
Het wijzigen van een DPI-label op een bestaand bestand met lage resolutie creëert geen nieuwe details. Inspecteer de randen van tekens en leestekens, en scan opnieuw op een geschikte resolutie wanneer het origineel beschikbaar is.
3. Maak het beeld recht en selecteer een samenhangende regio
Zorg dat de tekst rechtop staat en verwijder irrelevante randen wanneer deze concurreren met de pagina. Laat wat ruimte rond de beoogde tekst: een krappe uitsnede kan accenten, staartletters of het laatste cijfer van een getal afsnijden.
Voor kolommen: herken één kolom of een logisch verbonden passage tegelijk wanneer de volgorde van de volledige pagina onbetrouwbaar is. Houd tabelkoppen bij hun waarden. Het scheiden van elke kleine cel kan de context wegnemen die u nodig hebt om het resultaat te reconstrueren.
4. Vergelijk bescheiden beeldaanpassingen
Een kleine contrastaanpassing kan helpen bij vage tekst, terwijl overmatige filtering deze kan wissen. Het donkerder maken van de pagina kan ook vlekken, papiertextuur of tekst van de achterzijde versterken. Vergelijk de aangepaste afbeelding met het origineel op hetzelfde zoomniveau.
Probeer één aanpassing op een moeilijke passage voordat u alles verandert. Als een verbetering de afbeelding schoner laat lijken maar een komma verwijdert of twee letters samenvoegt, heeft het bewijs voor OCR niet verbeterd.
5. Stel de taal in en vergelijk herkenningsmodi
Kies de taal die daadwerkelijk in de geselecteerde tekst wordt gebruikt. i2OCR biedt 128 herkenningskeuzes, inclusief script- en historische varianten. Voor een pagina met meerdere talen kan het scheiden van afzonderlijke regio's het resultaat makkelijker te evalueren maken.
Classic is een nuttig startpunt voor duidelijk gedrukt materiaal. Future kan helpen bij meer gevarieerde documenten en handschriften. Vergelijk dezelfde korte passage bij twijfel. Beoordeel het volledige transcript, inclusief weggelaten woorden en regelvolgorde, in plaats van een paar correct herkende zinnen.
6. Controleer de tekst aan de hand van de afbeelding
Controleer een steekproef van de bovenkant, het midden en de onderkant van het geselecteerde gebied. Inspecteer vervolgens de details die de meeste betekenis dragen. Een verkeerd geplaatste decimaal of een ontbrekend woord zoals 'niet' kan belangrijker zijn dan verschillende gewone spelfouten.
- Namen, identificatiegegevens, datums, decimalen en eenheden komen overeen met de bron.
- Elke beoogde regel is aanwezig; koppen en voetnoten staan op logische plaatsen.
- Kolommen en tabelrijen zijn niet onjuist gecombineerd.
- Onduidelijke passages zijn gemarkeerd voor beoordeling in plaats van stilzwijgend geraden.
- Een gekopieerd citaat behoudt de bewoordingen en leestekens die u wilt citeren.
7. Sla het beoordeelde resultaat op en hergebruik wat werkte
Sla het gecorrigeerde transcript op voordat u het vertaalt of herschrijft. Bewaar de bronbestandsnaam of paginareferentie bij het resultaat. Als u later soortgelijke documenten gaat verwerken, noteer dan de taal, de geselecteerde regio en de aanpassingen die hielpen.
De online tools accepteren één afbeelding tot 25 MB of één PDF tot 200 MB en 750 bronpagina's, onderhevig aan de limiet die in de tool wordt getoond. PDF OCR verwerkt één geselecteerde pagina of gebied per verzoek. Afbeeldingsafmetingen en verwerkingslimieten zijn ook van toepassing, dus een kleinere, goed vastgelegde bron kan praktischer zijn dan een zeer groot bestand.
Vragen en antwoorden
Op welke resolutie moet ik scannen?
Begin rond de 300 ppi voor gewone gedrukte tekst; kleinere letters kunnen baat hebben bij een opname met een hogere resolutie. Inspecteer de daadwerkelijke letters. Resolutie alleen kan onscherpte, schittering of beschadigde originelen niet herstellen.
Moet ik elke afbeelding omzetten naar zwart-wit?
Nee. Drempelwaarde-instellingen kunnen vage tekst verwijderen of lijnen laten samenvloeien. Bewaar het origineel en vergelijk een klein gedeelte voordat u kiest voor een zwart-witversie.
Zorgt een groter bestand altijd voor een betere OCR?
Nee. De bestandsgrootte weerspiegelt de afmetingen, compressie en het formaat, niet alleen de leesbaarheid. Een heldere, goed gekaderde afbeelding kan nuttiger zijn dan een grote maar onscherpe foto.