1. Začnite z najboljšim razpoložljivim virom
Uporabite izvirni sken ali datoteko s fotoaparata namesto posnetka zaslona sličice. Če vam je nekdo poslal majhen predogled, zahtevajte izvirni dokument. Ko ima PDF že natančno izbirno besedilo, ponovno uporabite to besedilo, namesto da ga pretvarjate v sliko in ga znova prepoznavate.
Obdržite nespremenjeno kopijo pred prilagajanjem kontrasta, vrtenja ali obrezovanja. Izvirnik je vaša referenca, ko poznejša različica izgubi bleda ločila ali rokopisne oznake. Delovnim kopijam dajte opisna imena, da jih boste lahko primerjali, ne da bi ugibali, katera datoteka je bila urejena.
2. Naj bodo črke berljive pred nalaganjem
Pri fotografiji naj bo stran ravna, fotoaparat držite približno vzporedno z njo in uporabite enakomerno svetlobo. Izogibajte se bleščanju na sijajnem papirju in sencam vaše roke ali telefona. Preden pospravite dokument, preverite nekaj majhnih besed; ponovno fotografiranje je lažje, dokler je vir še na voljo.
Za skeniranje je 300 slikovnih pik na palec uporabno izhodišče za običajno tiskano besedilo. IMPACT priporoča višjo ločljivost za zelo majhen tisk. Ameriški nacionalni arhiv prav tako določa 300 ppi za sodobne trajne tekstovne zapise v svojih zahtevah za digitalizacijo. To so reference za zajem in ne jamstvo, da bo vsaka stran pravilno prepoznana.
Sprememba oznake DPI na obstoječi datoteki z nizko ločljivostjo ne ustvari novih podrobnosti. Preglejte robove znakov in ločila ter ponovno skenirajte pri ustrezni ločljivosti, ko je izvirnik na voljo.
3. Poravnajte pogled in izberite koherentno območje
Besedilo naj bo pokončno in odstranite nepomembne robove, ko tekmujejo s stranjo. Pustite malo prostora okoli želenega besedila: tesno obrezovanje lahko odreže naglase, spodnje dele črk ali zadnjo števko številke.
Pri stolpcih prepoznajte en stolpec ali logično povezan odlomek naenkrat, ko vrstni red celotne strani ni zanesljiv. Obdržite naslove tabel z njihovimi vrednostmi. Ločevanje vsake majhne celice lahko odstrani kontekst, ki ga potrebujete za rekonstrukcijo rezultata.
4. Primerjajte skromne prilagoditve slike
Majhna prilagoditev kontrasta lahko pomaga pri bledem besedilu, medtem ko ga lahko pretirano filtriranje izbriše. Temnenje strani lahko okrepi tudi madeže, teksturo papirja ali pisanje na hrbtni strani. Primerjajte prilagojeno sliko z izvirnikom pri isti stopnji povečave.
Poskusite eno prilagoditev na težkem odlomku, preden spremenite vse. Če izboljšava naredi sliko videti čistejšo, a odstrani vejico ali združi dve črki, ni izboljšala dokazov za OCR.
5. Nastavite jezik in primerjajte načine prepoznavanja
Izberite jezik, ki se dejansko uporablja v izbranem besedilu. i2OCR ponuja 128 izbir prepoznavanja, vključno s pisavo in zgodovinskimi različicami. Za stran z mešanim jezikom lahko ločevanje različnih območij olajša ocenjevanje rezultata.
Classic je uporabno izhodišče za jasno tiskano gradivo. Future lahko pomaga pri bolj raznolikih dokumentih in rokopisu. Če niste prepričani, primerjajte isti kratek odlomek. Ocenite celoten prepis, vključno z izpuščenimi besedami in vrstnim redom vrstic, namesto le nekaj pravilno prepoznanih stavkov.
6. Preglejte besedilo glede na sliko
Preverite vzorec z vrha, sredine in dna izbranega območja. Nato preglejte podrobnosti, ki nosijo največ pomena. Napačno postavljena decimalna vejica ali manjkajoča beseda, kot je ne, lahko pomeni več kot več običajnih pravopisnih napak.
- Imena, identifikatorji, datumi, decimalne vejice in enote se ujemajo z virom.
- Vsaka predvidena vrstica je prisotna; naslovi in opombe pod črto so na smiselnih mestih.
- Stolpci in vrstice tabele niso bili nepravilno združeni.
- Nejasni odlomki so označeni za pregled namesto tiho ugibani.
- Kopiran citat ohranja besedilo in ločila, ki jih nameravate navesti.
7. Shranite pregledan rezultat in ponovno uporabite tisto, kar je delovalo
Pred prevajanjem ali prepisovanjem shranite popravljen prepis. Z rezultatom obdržite izvorno ime datoteke ali referenco strani. Če boste pozneje obdelovali podobne dokumente, si zabeležite jezik, izbrano območje in prilagoditve, ki so pomagale.
Spletna orodja sprejmejo eno sliko do 25 MB ali en PDF do 200 MB in 750 izvornih strani, odvisno od omejitve, prikazane v orodju. PDF OCR obdela eno izbrano stran ali območje na zahtevo. Veljajo tudi dimenzije slike in omejitve obdelave, zato je manjši, dobro zajet vir lahko bolj praktičen kot zelo velika datoteka.
Vprašanja in odgovori
Pri kakšni ločljivosti naj skeniram?
Za običajno tiskano besedilo začnite pri približno 300 ppi; manjši tisk ima lahko koristi od zajema z višjo ločljivostjo. Preglejte dejanske črke. Sama ločljivost ne more odpraviti zamegljenosti, bleščanja ali poškodovanih izvirnikov.
Ali naj vsako sliko pretvorim v črno-belo?
Ne. Pragovno prilagajanje (thresholding) lahko odstrani bledo besedilo ali združi poteze črk. Obdržite izvirnik in primerjajte majhno območje, preden se odločite za črno-belo različico.
Ali bo večja datoteka vedno dala boljšo OCR?
Ne. Velikost datoteke odraža dimenzije, stiskanje in format, ne le berljivosti. Jasna in dobro kadrirana slika je lahko bolj uporabna kot velika, a zamegljena fotografija.