Μετατροπή εικόνας σε κείμενο

Τι συμβαίνει με την εικόνα σας

Η μετατροπή εικόνας σε κείμενο, γνωστή και ως OCR (οπτική αναγνώριση χαρακτήρων), εξετάζει τα σχήματα των γραμμάτων σε μια εικόνα και καταλαβαίνει ποιοι χαρακτήρες είναι. Εδώ αυτή η εργασία γίνεται από μια μηχανή OCR ανοιχτού κώδικα, το Tesseract, που εκτελείται μέσα στην καρτέλα του προγράμματος περιήγησής σας. Την πρώτη φορά που χρησιμοποιείτε μια γλώσσα, το πρόγραμμα περιήγησής σας κατεβάζει το μοντέλο αυτής της γλώσσας από αυτόν τον ιστότοπο, μεταξύ ενός και τριών megabytes. Μετά από αυτό, η εικόνα διαβάζεται στη δική σας συσκευή.

Τίποτα από την εικόνα δεν στέλνεται πουθενά: ούτε στο DocTranslator, ούτε σε μια υπηρεσία OCR. Αυτό έχει σημασία για τα πράγματα που οι άνθρωποι φωτογραφίζουν συχνότερα για να διαβάσουν, όπως ένα γράμμα από ένα γραφείο, μια συνταγή, μια σελίδα συμβολαίου ή ένα διαβατήριο.

Πώς να πάρετε καθαρό κείμενο από μια φωτογραφία

Το OCR είναι μόνο τόσο καλό όσο η εικόνα που διαβάζει. Τέσσερα πράγματα κάνουν τη μεγαλύτερη διαφορά:

• Επιλέξτε πρώτα τη σωστή γλώσσα. Η μηχανή διαβάζει με το αλφάβητο και το λεξιλόγιο της γλώσσας που επιλέγετε. Η ρωσική που διαβάζεται ως αγγλική βγαίνει ως ανοησία, και οι τονισμοί στα γαλλικά ή στα πολωνικά χάνονται όταν η γλώσσα είναι λάθος.
• Φωτογραφίστε τη σελίδα επίπεδη και τετραγωνισμένη. Κρατήστε το τηλέφωνο ακριβώς πάνω από το χαρτί, γεμίστε το πλαίσιο με τη σελίδα και αποφύγετε το κυρτό κοντά στη ράχη ενός βιβλίου. Οι γραμμές που λυγίζουν μπερδεύουν τη μηχανή περισσότερο από μια μικρή εικόνα.
• Φωτίστε την ομοιόμορφα. Μια σκιά πάνω στη σελίδα, ή η λάμψη ενός φλας σε γυαλιστερό χαρτί, κρύβει γράμματα. Το φως της ημέρας από ένα παράθυρο, χωρίς το φλας, συνήθως λειτουργεί καλύτερα.
• Κρατήστε την ευκρινή. Πατήστε την οθόνη για να εστιάσετε στο κείμενο πριν τραβήξετε τη φωτογραφία. Η μικρή γραμματοσειρά πρέπει να είναι αρκετά μεγάλη στην εικόνα για να διαβάζεται με τα δικά σας μάτια.

Τι κάνει λάθος το OCR

Ακόμα και μια καλή σάρωση επιστρέφει με μερικά λάθη, και τείνουν να είναι τα ίδια: το γράμμα l διαβάζεται ως ο αριθμός 1, το O ως 0, το rn ως m, ένα κόμμα χάνεται στο τέλος μιας γραμμής. Ονόματα, αριθμοί και ημερομηνίες αξίζουν μια δεύτερη ματιά πριν τα αντιγράψετε σε οτιδήποτε έχει σημασία.

Η χειρόγραφη γραφή είναι πολύ πιο δύσκολη από την τυπωμένη, και η συνεχόμενη χειρόγραφη γραφή συχνά διαβάζεται άσχημα ή καθόλου. Η έξοδος είναι απλό κείμενο, οπότε η διάταξη της σελίδας δεν διατηρείται: οι στήλες διαβάζονται η μία μετά την άλλη, και ένας πίνακας επιστρέφει ως γραμμές λέξεων. Όταν χρειάζεστε και τη διάταξη, η επόμενη ενότητα είναι ο τρόπος για να τη διατηρήσετε.

Όταν χρειάζεστε το κείμενο σε άλλη γλώσσα

Η αντιγραφή του κειμένου σε έναν μεταφραστή χάνει τη σελίδα: τις σφραγίδες, τον πίνακα, πού βρισκόταν κάθε γραμμή. Για να μεταφράσετε ένα σαρωμένο έγγραφο με τη διάταξή του, ανεβάστε τη σάρωση στο DocTranslator αντ' αυτού. Διαβάζει τη σάρωση με OCR, μεταφράζει το κείμενο και επιστρέφει ένα αρχείο που μοιάζει με το πρωτότυπο, σε οποιαδήποτε από τις 108 γλώσσες.

Το εργαλείο του προγράμματος περιήγησης σε αυτήν τη σελίδα διαβάζει Αγγλικά, Ισπανικά, Γαλλικά, Γερμανικά, Ιταλικά, Πορτογαλικά, Ρωσικά, Ουκρανικά, Πολωνικά, Τουρκικά, Αραβικά, Χίντι, Κινέζικα (Απλοποιημένα), Ιαπωνικά, Κορεατικά και Βιετναμέζικα. Σε ένα σαρωμένο PDF διαβάζει τις πρώτες 5 σελίδες. μια μετάφραση διαβάζει κάθε σελίδα, σε κάθε γλώσσα που υποστηρίζει το DocTranslator.