1. Börja med den bästa tillgängliga källan
Använd originalskanningen eller kamerafilen snarare än en skärmdump av en miniatyrbild. Om någon skickade en liten förhandsgranskning, be om originaldokumentet. När en PDF redan har korrekt valbar text, återanvänd den texten istället för att konvertera den till en bild och känna igen den igen.
Behåll en oförändrad kopia innan du justerar kontrast, rotation eller beskärning. Originalet är din referens när en senare version tappar svaga skiljetecken eller handskrivna märken. Ge arbetskopior beskrivande namn så att du kan jämföra dem utan att gissa vilken fil som redigerades.
2. Gör bokstäverna läsbara före uppladdning
För ett fotografi, håll sidan platt, håll kameran ungefär parallellt med den och använd jämnt ljus. Undvik blänk över glättat papper och skuggor från din hand eller telefon. Kontrollera några korta ord innan du lägger undan dokumentet; en omtagning är enklare medan källan fortfarande finns tillgänglig.
För en skanning är 300 pixlar per tum en användbar utgångspunkt för vanlig tryckt text. IMPACT rekommenderar högre upplösning för mycket liten text. U.S. National Archives specificerar också 300 ppi för moderna textbaserade permanenta arkivhandlingar i sina egna digitaliseringskrav. Dessa är referenser för bildfångst, inte en garanti för att varje sida kommer att kännas igen korrekt.
Att ändra en DPI-etikett på en befintlig fil med låg upplösning skapar inte nya detaljer. Inspektera teckenkanter och skiljetecken, och skanna om med lämplig upplösning när originalet finns tillgängligt.
3. Räta upp vyn och välj en sammanhängande region
Gör texten upprätt och ta bort irrelevanta kanter när de konkurrerar med sidan. Lämna lite utrymme runt den avsedda texten: en snäv beskärning kan skära av accenter, underhängare eller den sista siffran i ett nummer.
För kolumner, känn igen en kolumn eller en logiskt sammanhängande passage åt gången när helsidesordning är opålitlig. Behåll tabellrubriker med deras värden. Att separera varje liten cell kan ta bort den kontext du behöver för att rekonstruera resultatet.
4. Jämför blygsamma bildjusteringar
En liten kontrastjustering kan hjälpa svag text, medan överdriven filtrering kan radera den. Att mörka ner sidan kan också förstärka fläckar, pappersstruktur eller skrift från baksidan. Jämför den justerade bilden med originalet vid samma zoomnivå.
Prova en justering på en svår passage innan du ändrar allt. Om en förbättring gör att bilden ser renare ut men tar bort ett kommatecken eller slår ihop två bokstäver, har den inte förbättrat bevisunderlaget för OCR.
5. Ställ in språket och jämför igenkänningslägen
Välj det språk som faktiskt används i den valda texten. i2OCR tillhandahåller 128 igenkänningsval, inklusive skrift och historiska varianter. För en sida med blandade språk kan det göra resultatet lättare att utvärdera om man separerar distinkta regioner.
Classic är en användbar utgångspunkt för tydligt tryckt material. Future kan hjälpa till med mer varierade dokument och handstil. Jämför samma korta passage när du är osäker. Bedöm den fullständiga avskriften, inklusive utelämnade ord och radordning, snarare än några få korrekt igenkända meningar.
6. Granska texten mot bilden
Kontrollera ett urval från toppen, mitten och botten av det valda området. Inspektera sedan de detaljer som bär mest betydelse. Ett felplacerat decimaltecken eller ett saknat ord som inte kan spela större roll än flera vanliga stavfel.
- Namn, identifierare, datum, decimaltecken och enheter matchar källan.
- Varje avsedd rad finns med; rubriker och fotnoter är på rimliga platser.
- Kolumner och tabellrader har inte kombinerats felaktigt.
- Otydliga passager är markerade för granskning istället för att gissas tyst.
- Ett kopierat citat behåller den ordalydelse och de skiljetecken du avser att citera.
7. Spara det granskade resultatet och återanvänd det som fungerade
Spara den korrigerade avskriften innan du översätter eller skriver om den. Behåll källfilnamnet eller sidreferensen med resultatet. Om du ska bearbeta liknande dokument senare, notera språket, den valda regionen och de justeringar som hjälpte.
Onlineverktygen accepterar en bild på upp till 25 MB eller en PDF på upp till 200 MB och 750 källsidor, beroende på gränsen som visas i verktyget. PDF OCR bearbetar en vald sida eller ett valt område per förfrågan. Bilddimensioner och bearbetningsgränser gäller också, så en mindre, välfångad källa kan vara mer praktisk än en mycket stor fil.
Frågor och svar
Vilken upplösning ska jag skanna med?
Börja omkring 300 ppi för vanlig tryckt text; mindre text kan dra nytta av en högupplöst bild. Granska de faktiska bokstäverna. Upplösning i sig kan inte fixa oskärpa, blänk eller skadade original.
Bör jag konvertera varje bild till svartvitt?
Nej. Tröskelvärdeshantering kan ta bort svag text eller slå samman streck. Behåll originalet och jämför ett litet område innan du bestämmer dig för en svartvit version.
Ger en större fil alltid bättre OCR?
Nej. Filstorleken speglar dimensioner, komprimering och format, inte bara läsbarhet. En tydlig, väl inramad bild kan vara mer användbar än ett stort men suddigt fotografi.