1۔ بہترین دستیاب ماخذ کے ساتھ شروع کریں
تھمب نیل کے اسکرین شاٹ کے بجائے اصل اسکین یا کیمرہ فائل کا استعمال کریں۔ اگر کسی نے چھوٹا پیش نظارہ بھیجا ہے، تو اصل دستاویز کی درخواست کریں۔ جب کسی PDF میں پہلے سے ہی درست قابل انتخاب متن موجود ہو، تو اس متن کو دوبارہ استعمال کریں بجائے اس کے کہ اسے تصویر میں تبدیل کر کے دوبارہ شناخت کریں۔
کنٹراسٹ، گردش یا کراپنگ کو ایڈجسٹ کرنے سے پہلے ایک غیر تبدیل شدہ کاپی رکھیں۔ اصل آپ کا حوالہ ہے جب بعد کا ورژن ہلکے اوقاف یا ہاتھ سے لکھے ہوئے نشانات کھو دیتا ہے۔ ورکنگ کاپیز کو وضاحتی نام دیں تاکہ آپ اندازہ لگائے بغیر ان کا موازنہ کر سکیں کہ کون سی فائل میں ترمیم کی گئی تھی۔
2۔ اپ لوڈ کرنے سے پہلے حروف کو پڑھنے کے قابل بنائیں
تصویر کے لیے، صفحہ کو سیدھا رکھیں، کیمرے کو تقریباً متوازی رکھیں اور یکساں روشنی کا استعمال کریں۔ چمکدار کاغذ پر چکاچوند اور اپنے ہاتھ یا فون کے سائے سے بچیں۔ دستاویز کو دور رکھنے سے پہلے چند چھوٹے الفاظ چیک کریں؛ ماخذ دستیاب ہونے پر دوبارہ تصویر لینا آسان ہے۔
اسکین کے لیے، 300 پکسلز فی انچ عام پرنٹ شدہ متن کے لیے ایک مفید نقطہ آغاز ہے۔ IMPACT بہت چھوٹے پرنٹ کے لیے اعلیٰ ریزولیوشن کی سفارش کرتا ہے۔ امریکی نیشنل آرکائیوز بھی اپنی ڈیجیٹائزیشن کی ضروریات میں جدید متنی مستقل ریکارڈ کے لیے 300 ppi کی وضاحت کرتا ہے۔ یہ کیپچر کے حوالے ہیں، اس بات کی ضمانت نہیں کہ ہر صفحہ صحیح طریقے سے پہچانا جائے گا۔
موجودہ کم ریزولیوشن فائل پر DPI لیبل تبدیل کرنے سے نئی تفصیل پیدا نہیں ہوتی۔ حروف کے کناروں اور اوقاف کا معائنہ کریں، اور جب اصل دستیاب ہو تو مناسب ریزولیوشن پر دوبارہ اسکین کریں۔
3۔ منظر کو سیدھا کریں اور ایک مربوط ریجن منتخب کریں
متن کو سیدھا کریں اور غیر متعلقہ بارڈرز کو ہٹا دیں جب وہ صفحہ کے ساتھ مقابلہ کریں۔ مطلوبہ متن کے ارد گرد تھوڑی جگہ چھوڑ دیں: ایک تنگ کراپ لہجے، ڈیسنڈرز یا نمبر کے آخری ہندسے کو کاٹ سکتا ہے۔
کالموں کے لیے، جب پورے صفحے کی ترتیب ناقابل اعتماد ہو تو ایک وقت میں ایک کالم یا منطقی طور پر جڑے ہوئے حصے کو پہچانیں۔ ٹیبل کی سرخیوں کو ان کی اقدار کے ساتھ رکھیں۔ ہر چھوٹے سیل کو الگ کرنے سے وہ سیاق و سباق ختم ہو سکتا ہے جس کی آپ کو نتیجہ دوبارہ بنانے کے لیے ضرورت ہے۔
4۔ معمولی تصویری ایڈجسٹمنٹ کا موازنہ کریں
ایک چھوٹا کنٹراسٹ ایڈجسٹمنٹ ہلکے متن میں مدد کر سکتا ہے، جبکہ ضرورت سے زیادہ فلٹرنگ اسے مٹا سکتی ہے۔ صفحہ کو گہرا کرنے سے داغ، کاغذ کی ساخت یا دوسری طرف سے لکھائی بھی مضبوط ہو سکتی ہے۔ ایڈجسٹ شدہ تصویر کا اصل کے ساتھ اسی زوم لیول پر موازنہ کریں۔
سب کچھ تبدیل کرنے سے پہلے ایک مشکل حصے پر ایک ایڈجسٹمنٹ آزمائیں۔ اگر کوئی بہتری تصویر کو صاف ستھرا بناتی ہے لیکن کوما ہٹا دیتی ہے یا دو حروف کو جوڑ دیتی ہے، تو اس نے OCR کے لیے ثبوت کو بہتر نہیں کیا ہے۔
5۔ زبان سیٹ کریں اور شناخت کے طریقوں کا موازنہ کریں
منتخب کردہ متن میں اصل استعمال ہونے والی زبان کا انتخاب کریں۔ i2OCR 128 شناخت کے انتخاب فراہم کرتا ہے، بشمول اسکرپٹ اور تاریخی تغیرات۔ مخلوط زبان والے صفحے کے لیے، الگ الگ ریجنز کو الگ کرنے سے نتیجے کا جائزہ لینا آسان ہو سکتا ہے۔
Classic واضح پرنٹ شدہ مواد کے لیے ایک مفید نقطہ آغاز ہے۔ Future زیادہ متنوع دستاویزات اور ہینڈ رائٹنگ کے ساتھ مدد کر سکتا ہے۔ جب یقین نہ ہو تو اسی مختصر حصے کا موازنہ کریں۔ چند صحیح طریقے سے پہچانے گئے جملوں کے بجائے مکمل ٹرانسکرپٹ کا فیصلہ کریں، بشمول حذف شدہ الفاظ اور لائن کی ترتیب۔
6۔ تصویر کے خلاف متن کا جائزہ لیں
منتخب کردہ علاقے کے اوپر، درمیان اور نیچے سے ایک نمونہ چیک کریں۔ پھر ان تفصیلات کا معائنہ کریں جو سب سے زیادہ معنی رکھتی ہیں۔ ایک غلط جگہ پر اعشاریہ یا ایک گمشدہ لفظ جیسے 'not' کئی عام ہجے کی غلطیوں سے زیادہ اہمیت رکھ سکتا ہے۔
- نام، شناخت کنندگان، تاریخیں، اعشاری پوائنٹس اور یونٹس ماخذ سے مماثل ہیں۔
- ہر مطلوبہ لائن موجود ہے؛ ہیڈرز اور فٹ نوٹس مناسب جگہوں پر ہیں۔
- کالم اور ٹیبل کی قطاریں غلط طریقے سے نہیں ملائی گئی ہیں۔
- غیر واضح حصوں کو خاموشی سے اندازہ لگانے کے بجائے جائزے کے لیے نشان زد کیا گیا ہے۔
- ایک کاپی شدہ اقتباس ان الفاظ اور اوقاف کو برقرار رکھتا ہے جن کا آپ حوالہ دینا چاہتے ہیں۔
7۔ نظرثانی شدہ نتیجہ محفوظ کریں اور جو کام کر گیا اسے دوبارہ استعمال کریں
ترجمہ یا دوبارہ لکھنے سے پہلے درست شدہ ٹرانسکرپٹ کو محفوظ کریں۔ ماخذ کا فائل نام یا صفحہ کا حوالہ نتیجے کے ساتھ رکھیں۔ اگر آپ بعد میں اسی طرح کی دستاویزات پر کارروائی کریں گے، تو زبان، منتخب کردہ ریجن اور ان ایڈجسٹمنٹس کو نوٹ کریں جنہوں نے مدد کی۔
آن لائن ٹولز 25 MB تک ایک تصویر یا 200 MB تک ایک PDF اور 750 ماخذ صفحات قبول کرتے ہیں، جو ٹول میں دکھائی گئی حد کے تابع ہے۔ PDF OCR فی درخواست ایک منتخب صفحہ یا علاقہ پر کارروائی کرتا ہے۔ تصویر کے طول و عرض اور پروسیسنگ کی حدود بھی لاگو ہوتی ہیں، لہذا ایک چھوٹی، اچھی طرح سے کیپچر کی گئی ماخذ بہت بڑی فائل سے زیادہ عملی ہو سکتی ہے۔
سوالات اور جوابات
مجھے کس ریزولیوشن پر اسکین کرنا چاہیے؟
عام چھپے ہوئے متن کے لیے 300 ppi کے آس پاس سے شروعات کریں؛ چھوٹے پرنٹ کے لیے زیادہ ریزولیوشن والی کیپچر بہتر ہو سکتی ہے۔ اصل حروف کا معائنہ کریں۔ صرف ریزولیوشن دھندلے پن، چمک یا خراب اصل دستاویزات کو ٹھیک نہیں کر سکتی۔
کیا مجھے ہر تصویر کو سیاہ اور سفید میں تبدیل کرنا چاہیے؟
نہیں۔ تھریش ہولڈنگ (Thresholding) ہلکے متن کو ہٹا سکتی ہے یا لکیروں کو آپس میں ملا سکتی ہے۔ اصل تصویر کو برقرار رکھیں اور سیاہ و سفید ورژن میں تبدیل کرنے سے پہلے ایک چھوٹے حصے کا موازنہ کریں۔
کیا بڑی فائل ہمیشہ بہتر OCR دے گی؟
نہیں۔ فائل کا سائز اس کی ڈائمینشنز، کمپریشن اور فارمیٹ کو ظاہر کرتا ہے، نہ کہ صرف پڑھنے کی اہلیت کو۔ ایک واضح اور اچھی طرح سے فریم کی گئی تصویر، ایک بڑی لیکن دھندلی تصویر سے زیادہ مفید ہو سکتی ہے۔