1. Zacznij od najlepszego dostępnego źródła
Użyj oryginalnego skanu lub pliku z aparatu zamiast zrzutu ekranu miniatury. Jeśli ktoś wysłał mały podgląd, poproś o oryginalny dokument. Gdy PDF ma już dokładny tekst, który można zaznaczyć, użyj go ponownie zamiast konwertować na obraz i rozpoznawać ponownie.
Zachowaj niezmienioną kopię przed dostosowaniem kontrastu, obrotem lub przycięciem. Oryginał jest Twoim punktem odniesienia, gdy późniejsza wersja traci słabą interpunkcję lub odręczne znaki. Nadawaj kopiom roboczym opisowe nazwy, aby móc je porównywać bez zgadywania, który plik był edytowany.
2. Spraw, aby litery były czytelne przed przesłaniem
W przypadku zdjęcia trzymaj stronę płasko, trzymaj aparat mniej więcej równolegle do niej i używaj równomiernego światła. Unikaj odblasków na błyszczącym papierze oraz cieni rzucanych przez dłoń lub telefon. Sprawdź kilka krótkich słów przed odłożeniem dokumentu; ponowne wykonanie zdjęcia jest łatwiejsze, gdy źródło jest jeszcze dostępne.
W przypadku skanu, 300 pikseli na cal jest przydatnym punktem wyjścia dla zwykłego drukowanego tekstu. IMPACT zaleca wyższą rozdzielczość dla bardzo małego druku. Archiwum Narodowe USA określa również 300 ppi dla nowoczesnych tekstowych dokumentów trwałych w swoich własnych wymaganiach dotyczących digitalizacji. Są to referencje przechwytywania, a nie gwarancja, że każda strona zostanie rozpoznana poprawnie.
Zmiana etykiety DPI w istniejącym pliku o niskiej rozdzielczości nie tworzy nowych szczegółów. Sprawdź krawędzie znaków i interpunkcję, a następnie zeskanuj ponownie w odpowiedniej rozdzielczości, gdy oryginał jest dostępny.
3. Wyprostuj widok i wybierz spójny region
Ustaw tekst pionowo i usuń nieistotne obramowania, gdy konkurują one ze stroną. Pozostaw trochę miejsca wokół zamierzonego tekstu: ciasne przycięcie może odciąć akcenty, wydłużenia lub ostatnią cyfrę liczby.
W przypadku kolumn rozpoznawaj jedną kolumnę lub logicznie połączony fragment na raz, gdy kolejność na całej stronie jest zawodna. Zachowaj nagłówki tabel wraz z ich wartościami. Oddzielanie każdej małej komórki może usunąć kontekst potrzebny do zrekonstruowania wyniku.
4. Porównaj skromne korekty obrazu
Niewielka korekta kontrastu może pomóc w przypadku słabego tekstu, podczas gdy nadmierne filtrowanie może go wymazać. Przyciemnienie strony może również wzmocnić plamy, teksturę papieru lub pismo z odwrotnej strony. Porównaj dostosowany obraz z oryginałem na tym samym poziomie powiększenia.
Wypróbuj jedną korektę na trudnym fragmencie przed zmianą wszystkiego. Jeśli ulepszenie sprawia, że obraz wygląda czyściej, ale usuwa przecinek lub łączy dwie litery, nie poprawiło to dowodów dla OCR.
5. Ustaw język i porównaj tryby rozpoznawania
Wybierz język faktycznie użyty w wybranym tekście. i2OCR zapewnia 128 opcji rozpoznawania, w tym skrypt i warianty historyczne. W przypadku strony w języku mieszanym, oddzielenie odrębnych regionów może ułatwić ocenę wyniku.
Classic jest przydatnym punktem wyjścia dla wyraźnych materiałów drukowanych. Future może pomóc w przypadku bardziej zróżnicowanych dokumentów i pisma ręcznego. Porównaj ten sam krótki fragment, gdy nie masz pewności. Oceniaj pełną transkrypcję, w tym pominięte słowa i kolejność wierszy, a nie kilka poprawnie rozpoznanych zdań.
6. Przejrzyj tekst w odniesieniu do obrazu
Sprawdź próbkę z góry, środka i dołu wybranego obszaru. Następnie sprawdź szczegóły, które niosą najwięcej znaczenia. Źle umieszczona kropka dziesiętna lub brakujące słowo, takie jak „nie”, może mieć większe znaczenie niż kilka zwykłych błędów ortograficznych.
- Nazwiska, identyfikatory, daty, kropki dziesiętne i jednostki pasują do źródła.
- Każdy zamierzony wiersz jest obecny; nagłówki i przypisy znajdują się w rozsądnych miejscach.
- Kolumny i wiersze tabeli nie zostały nieprawidłowo połączone.
- Niejasne fragmenty są oznaczone do przeglądu zamiast być zgadywane w ciemno.
- Skopiowany cytat zachowuje sformułowania i interpunkcję, które zamierzasz zacytować.
7. Zapisz przejrzany wynik i użyj ponownie tego, co zadziałało
Zapisz poprawioną transkrypcję przed jej przetłumaczeniem lub przepisaniem. Zachowaj nazwę pliku źródłowego lub odniesienie do strony wraz z wynikiem. Jeśli później będziesz przetwarzać podobne dokumenty, zanotuj język, wybrany region i korekty, które pomogły.
Narzędzia online akceptują jeden obraz do 25 MB lub jeden PDF do 200 MB i 750 stron źródłowych, zgodnie z limitem pokazanym w narzędziu. PDF OCR przetwarza jedną wybraną stronę lub obszar na żądanie. Obowiązują również wymiary obrazu i limity przetwarzania, więc mniejsze, dobrze uchwycone źródło może być bardziej praktyczne niż bardzo duży plik.
Pytania i odpowiedzi
W jakiej rozdzielczości powinienem skanować?
Zacznij od około 300 ppi w przypadku zwykłego drukowanego tekstu; mniejszy druk może wymagać skanowania w wyższej rozdzielczości. Sprawdź faktyczne litery. Sama rozdzielczość nie naprawi rozmycia, odblasków ani uszkodzonych oryginałów.
Czy powinienem przekonwertować każdy obraz na czarno-biały?
Nie. Progowanie może usunąć słabo widoczny tekst lub połączyć pociągnięcia liter. Zachowaj oryginał i porównaj mały fragment przed konwersją całego obrazu na wersję czarno-białą.
Czy większy plik zawsze zapewni lepszą OCR?
Nie. Rozmiar pliku odzwierciedla wymiary, kompresję i format, a nie tylko czytelność. Wyraźny, dobrze wykadrowany obraz może być bardziej użyteczny niż duże, ale rozmyte zdjęcie.