Beeld na teks

Wat gebeur met jou beeld

Beeld na teks, ook genoem OCR (optiese karakterherkenning), kyk na die vorms van die letters in 'n prent en bepaal watter karakters dit is. Hier word daardie werk gedoen deur 'n oopbron OCR-enjin, Tesseract, wat binne jou blaaier-oortjie loop. Die eerste keer wat jy 'n taal gebruik, laai jou blaaier daardie taal se model van hierdie webwerf af, tussen een en drie megagrepe. Daarna word die beeld op jou eie toestel gelees.

Niks van die prent word iewers heen gestuur nie: nie na DocTranslator nie, nie na 'n OCR-diens nie. Dit maak saak vir die dinge wat mense die meeste fotografeer om te lees, soos 'n brief van 'n kantoor, 'n voorskrif, 'n kontrakblad of 'n paspoort.

Hoe om skoon teks uit 'n foto te kry

OCR is net so goed soos die prent wat dit lees. Vier dinge maak die grootste verskil:

• Kies eers die regte taal. Die enjin lees met die alfabet en woordeskat van die taal wat jy kies. Russies gelees as Engels kom uit as nonsens, en aksente in Frans of Pools gaan verlore wanneer die taal verkeerd is.
• Fotografeer die bladsy plat en vierkantig. Hou die foon direk bo die papier, vul die raam met die bladsy, en vermy 'n krul naby die rug van 'n boek. Lyne wat buig, verwar die enjin meer as 'n klein prentjie.
• Verlig dit eweredig. 'n Skaduwee oor die bladsy, of die weerkaatsing van 'n flits op glanspapier, verberg letters. Daglig van 'n venster, sonder die flits, werk gewoonlik die beste.
• Hou dit skerp. Tik die skerm om op die teks te fokus voordat jy die foto neem. Klein drukwerk moet groot genoeg in die prent wees om met jou eie oë te kan lees.

Wat OCR verkeerd kry

Selfs 'n goeie skandering kom terug met 'n paar foute, en hulle is geneig om dieselfde te wees: die letter l gelees as die nommer 1, O as 0, rn as m, 'n komma verlore aan die einde van 'n reël. Name, getalle en datums verdien 'n tweede blik voordat jy dit in iets wat tel, kopieer.

Handgeskrewe teks is baie moeiliker as gedrukte teks, en saamgevoegde handgeskrewe teks word dikwels sleg of glad nie gelees nie. Die uitvoer is gewone teks, so die uitleg van die bladsy word nie behou nie: kolomme word een na die ander gelees, en 'n tabel kom terug as lyne van woorde. Wanneer jy die uitleg ook nodig het, is die volgende afdeling die manier om dit te behou.

Wanneer jy die teks in 'n ander taal benodig

Om die teks in 'n vertaler te kopieer, verloor die bladsy: die seëls, die tabel, waar elke reël gesit het. Om 'n geskandeerde dokument te vertaal met sy uitleg, laai die skandering eerder na DocTranslator op. Dit lees die skandering met OCR, vertaal die teks en gee 'n lêer terug wat soos die oorspronklike lyk, in enige van 108 tale.

Die blaaier-instrument op hierdie bladsy lees Engels, Spaans, Frans, Duits, Italiaans, Portugees, Russies, Oekraïens, Pools, Turks, Arabies, Hindi, Chinees (Vereenvoudig), Japannees, Koreaans en Viëtnamees. In 'n geskandeerde PDF lees dit die eerste 5 bladsye; 'n vertaling lees elke bladsy, in elke taal wat DocTranslator ondersteun.