1. Comece com a melhor fonte disponível
Utilize a digitalização original ou o ficheiro da câmara em vez de uma captura de ecrã de uma miniatura. Se alguém enviou uma pequena pré-visualização, solicite o documento original. Quando um PDF já tem texto selecionável preciso, reutilize esse texto em vez de o converter numa imagem e reconhecê-lo novamente.
Mantenha uma cópia inalterada antes de ajustar o contraste, a rotação ou o recorte. O original é a sua referência quando uma versão posterior perde pontuação ténue ou marcas manuscritas. Dê nomes descritivos às cópias de trabalho para que possa compará-las sem adivinhar qual o ficheiro que foi editado.
2. Torne as letras legíveis antes de carregar
Para uma fotografia, mantenha a página plana, segure a câmara aproximadamente paralela à mesma e utilize luz uniforme. Evite o brilho sobre papel brilhante e sombras da sua mão ou telemóvel. Verifique algumas palavras pequenas antes de guardar o documento; uma nova tentativa é mais fácil enquanto a fonte ainda está disponível.
Para uma digitalização, 300 píxeis por polegada é um ponto de partida útil para texto impresso comum. O IMPACT recomenda uma resolução mais elevada para impressão muito pequena. Os Arquivos Nacionais dos EUA também especificam 300 ppi para registos textuais permanentes modernos nos seus próprios requisitos de digitalização. Estas são referências de captura, não uma garantia de que todas as páginas serão reconhecidas corretamente.
Alterar uma etiqueta DPI num ficheiro de baixa resolução existente não cria novos detalhes. Inspecione as margens dos caracteres e a pontuação, e digitalize novamente com uma resolução apropriada quando o original estiver disponível.
3. Endireite a vista e selecione uma região coerente
Coloque o texto na vertical e remova margens irrelevantes quando estas competem com a página. Deixe um pouco de espaço à volta do texto pretendido: um recorte apertado pode cortar acentos, descendentes ou o último dígito de um número.
Para colunas, reconheça uma coluna ou uma passagem logicamente ligada de cada vez quando a ordem de página completa não for fiável. Mantenha os cabeçalhos das tabelas com os seus valores. Separar cada pequena célula pode remover o contexto de que necessita para reconstruir o resultado.
4. Compare ajustes de imagem modestos
Um pequeno ajuste de contraste pode ajudar texto ténue, enquanto uma filtragem excessiva pode apagá-lo. Escurecer a página também pode realçar manchas, textura do papel ou escrita do lado inverso. Compare a imagem ajustada com a original ao mesmo nível de zoom.
Experimente um ajuste numa passagem difícil antes de alterar tudo. Se um melhoramento faz com que a imagem pareça mais limpa, mas remove uma vírgula ou une duas letras, não melhorou a prova para OCR.
5. Defina o idioma e compare os modos de reconhecimento
Escolha o idioma realmente utilizado no texto selecionado. i2OCR fornece 128 opções de reconhecimento, incluindo variantes de escrita e históricas. Para uma página com vários idiomas, separar regiões distintas pode tornar o resultado mais fácil de avaliar.
Classic é um ponto de partida útil para material impresso claro. Future pode ajudar com documentos mais variados e escrita manual. Compare a mesma passagem curta quando não tiver a certeza. Avalie a transcrição completa, incluindo palavras omitidas e ordem das linhas, em vez de algumas frases corretamente reconhecidas.
6. Reveja o texto em relação à imagem
Verifique uma amostra do topo, meio e fundo da área selecionada. Depois, inspecione os detalhes que têm mais significado. Um ponto decimal mal colocado ou uma palavra em falta, como "não", podem importar mais do que vários erros ortográficos comuns.
- Nomes, identificadores, datas, pontos decimais e unidades correspondem à fonte.
- Cada linha pretendida está presente; cabeçalhos e notas de rodapé estão em locais sensatos.
- Colunas e linhas de tabela não foram combinadas incorretamente.
- Passagens pouco claras são marcadas para revisão em vez de serem adivinhadas silenciosamente.
- Uma citação copiada mantém a redação e a pontuação que pretende citar.
7. Guarde o resultado revisto e reutilize o que funcionou
Guarde a transcrição corrigida antes de a traduzir ou reescrever. Mantenha o nome do ficheiro de origem ou a referência da página com o resultado. Se for processar documentos semelhantes mais tarde, anote o idioma, a região selecionada e os ajustes que ajudaram.
As ferramentas online aceitam uma imagem até 25 MB ou um PDF até 200 MB e 750 páginas de origem, sujeitas ao limite mostrado na ferramenta. PDF OCR processa uma página ou área selecionada por pedido. As dimensões da imagem e os limites de processamento também se aplicam, pelo que uma fonte mais pequena e bem capturada pode ser mais prática do que um ficheiro muito grande.
Perguntas e respostas
Com que resolução devo digitalizar?
Comece por volta de 300 ppi para texto impresso comum; impressões mais pequenas podem beneficiar de uma captura com maior resolução. Inspecione as letras reais. A resolução, por si só, não consegue corrigir desfocagem, brilho ou originais danificados.
Devo converter todas as imagens para preto e branco?
Não. A binarização pode remover texto ténue ou fundir traços. Mantenha o original e compare uma pequena região antes de optar por uma versão a preto e branco.
Um ficheiro maior dará sempre melhor OCR?
Não. O tamanho do ficheiro reflete as dimensões, a compressão e o formato, não apenas a legibilidade. Uma imagem nítida e bem enquadrada pode ser mais útil do que uma fotografia grande, mas desfocada.