Képből szövegbe

Mi történik a képével

A képből szöveget, más néven OCR-t (optikai karakterfelismerés), a képen lévő betűk formáját vizsgálja, és megállapítja, mely karakterekről van szó. Itt ezt a munkát egy nyílt forráskódú OCR-motor, a Tesseract végzi, amely a böngészőablakban fut. Amikor először használ egy nyelvet, a böngésző letölti az adott nyelv modelljét erről az oldalról, egy-három megabájt méretben. Ezt követően a kép az Ön saját eszközén kerül feldolgozásra.

A képpel kapcsolatos semmi sem kerül továbbításra: sem a DocTranslator felé, sem egy OCR szolgáltatás felé. Ez fontos azoknál a dolgoknál, amelyeket az emberek leggyakrabban fényképeznek le olvasáshoz, mint például egy hivatalos levél, egy recept, egy szerződésoldal vagy egy útlevél.

Hogyan lehet tiszta szöveget kapni egy fényképről

Az OCR csak annyira jó, amennyire a kép, amit olvas. Négy dolog teszi a legnagyobb különbséget:

• Először válassza ki a megfelelő nyelvet. Az engine a kiválasztott nyelv ábécéjével és szókincsével olvas. Az angolul olvasott orosz vagy a lengyel ékezeteket nélkülöző francia értelmetlen lesz, ha rossz nyelvet választ.
• Fényképezze le az oldalt laposan és szögletesen. Tartsa a telefont közvetlenül a papír fölé, töltse ki a képkockát az oldallal, és kerülje a könyv gerincének közelében lévő görbületet. A görbe vonalak jobban összezavarják az engine-t, mint egy kis kép.
• Világítsa meg egyenletesen. Az oldalra vetülő árnyék vagy a fényes papír csillogása elrejti a betűket. Az ablakból érkező napfény, vaku nélkül, általában a legjobban működik.
• Tartsa élesnek. Érintse meg a képernyőt a szöveg fókuszálásához, mielőtt elkészíti a fényképet. A kis nyomtatásnak elég nagynak kell lennie a képen ahhoz, hogy saját szemével is el tudja olvasni.

Mit ront el az OCR

Még egy jó szkennelés is tartalmaz néhány hibát, és ezek általában ugyanazok: az l betű 1-es számnak, az O 0-nak, az rn m-nek olvasódik, egy vessző hiányzik egy sor végéről. A neveket, számokat és dátumokat érdemes még egyszer ellenőrizni, mielőtt bármi fontosba másolná őket.

A kézírás sokkal nehezebb, mint a nyomtatott szöveg, és a kapcsolt kézírást gyakran rosszul vagy egyáltalán nem olvassa. A kimenet sima szöveg, így az oldal elrendezése nem marad meg: az oszlopokat egymás után olvassa, és egy táblázat szavak soraként jelenik meg. Ha az elrendezésre is szüksége van, a következő szakasz a megoldás.

Ha a szövegre más nyelven van szüksége

A szöveg fordítóba másolása elveszíti az oldalt: a bélyegzőket, a táblázatot, a sorok elhelyezkedését. Egy szkennelt dokumentum fordításához az elrendezéssel együtt, töltse fel a szkennelt dokumentumot a DocTranslator-be. Az OCR segítségével olvassa be a szkennelt dokumentumot, lefordítja a szöveget, és egy olyan fájlt ad vissza, amely úgy néz ki, mint az eredeti, bármelyik 108 nyelven.

Az ezen az oldalon található böngészőeszköz angol, spanyol, francia, német, olasz, portugál, orosz, ukrán, lengyel, török, arab, hindi, kínai (egyszerűsített), japán, koreai és vietnámi nyelvet olvas. Egy beolvasott PDF-ben az első 5 oldalt olvassa el; egy fordítás minden oldalt lefordít, minden olyan nyelven, amelyet a DocTranslator támogat.