Obrazok do textu

Čo sa stane s vaším obrázkom

Prevod obrázka na text, nazývaný aj OCR (optické rozpoznávanie znakov), analyzuje tvary písmen na obrázku a zistí, ktoré znaky to sú. Tu túto prácu vykonáva open-source OCR engine Tesseract, ktorý beží vo vašom prehliadači. Pri prvom použití jazyka si váš prehliadač stiahne model tohto jazyka z tejto stránky, s veľkosťou medzi jedným a tromi megabajtmi. Potom sa obrázok číta na vašom vlastnom zariadení.

Nič z obrázka sa nikam neposiela: ani do DocTranslator, ani do OCR služby. To je dôležité pre veci, ktoré ľudia najčastejšie fotografujú na čítanie, ako sú listy z úradu, lekárske predpisy, strany zmlúv alebo pasy.

Ako získať čistý text z fotografie

OCR je len tak dobré, ako dobrý je obrázok, ktorý číta. Štyri veci majú najväčší vplyv:

• Najprv vyberte správny jazyk. Engine číta s abecedou a slovnou zásobou jazyka, ktorý vyberiete. Ruský text prečítaný ako anglický bude nezmysel a prízvuky vo francúzštine alebo poľštine sa stratia, ak je jazyk nesprávny.
• Odfotografujte stránku rovno a zhora. Držte telefón priamo nad papierom, vyplňte rám stránkou a vyhnite sa skrúteniu pri hrote knihy. Čiary, ktoré sa ohýbajú, mätú engine viac ako malý obrázok.
• Osvieťte ho rovnomerne. Tieň cez stránku alebo odlesk blesku na lesklom papieri skrýva písmená. Denné svetlo z okna, bez blesku, zvyčajne funguje najlepšie.
• Udržujte ho ostrý. Pred fotografovaním klepnite na obrazovku, aby ste zaostrili na text. Malá tlač musí byť na obrázku dostatočne veľká, aby ste ju mohli prečítať vlastnými očami.

Čo OCR robí nesprávne

Dokonca aj dobrý sken sa vráti s niekoľkými chybami a majú tendenciu byť rovnaké: písmeno l sa číta ako číslo 1, O ako 0, rn ako m, čiarka stratená na konci riadku. Mená, čísla a dátumy si zaslúžia druhý pohľad predtým, ako ich skopírujete do čohokoľvek, na čom záleží.

Rukopis je oveľa ťažší ako tlač, a spojený rukopis sa často číta zle alebo vôbec. Výstup je obyčajný text, takže rozloženie stránky sa neuchováva: stĺpce sa čítajú jeden po druhom a tabuľka sa vráti ako riadky slov. Keď potrebujete aj rozloženie, nasledujúca sekcia je spôsob, ako si ho zachovať.

Keď potrebujete text v inom jazyku

Kopírovanie textu do prekladača stráca stránku: pečiatky, tabuľku, kde sedel každý riadok. Ak chcete preložiť naskenovaný dokument s jeho rozložením, nahrajte sken do DocTranslator. Prečíta sken pomocou OCR, preloží text a vráti súbor, ktorý vyzerá ako originál, v akomkoľvek zo 108 jazykov.

Nástroj v prehliadači na tejto stránke číta angličtinu, španielčinu, francúzštinu, nemčinu, taliančinu, portugalčinu, ruštinu, ukrajinčinu, poľštinu, turečtinu, arabčinu, hindčinu, čínštinu (zjednodušenú), japončinu, kórejčinu a vietnamčinu. V naskenovanom PDF číta prvých 5 strán; preklad číta každú stránku v každom jazyku, ktorý DocTranslator podporuje.