Image to Text

Ano ang mangyayari sa iyong imahe

Ang imahe patungong teksto, na tinatawag ding OCR (optical character recognition), ay tumitingin sa mga hugis ng mga letra sa isang larawan at tinutukoy kung ano ang mga karakter na iyon. Dito, ang trabahong iyon ay ginagawa ng isang open-source OCR engine, ang Tesseract, na tumatakbo sa loob ng iyong browser tab. Sa unang paggamit mo ng isang wika, ida-download ng iyong browser ang modelo ng wikang iyon mula sa site na ito, sa pagitan ng isa hanggang tatlong megabytes. Pagkatapos nito, ang imahe ay binabasa sa iyong sariling device.

Walang anumang tungkol sa larawan ang ipinapadala kahit saan: hindi sa DocTranslator, hindi sa isang OCR service. Mahalaga iyon para sa mga bagay na madalas kunan ng litrato ng mga tao para basahin, tulad ng isang sulat mula sa opisina, isang reseta, isang pahina ng kontrata, o isang pasaporte.

Paano makakuha ng malinis na teksto mula sa isang larawan

Ang OCR ay kasing ganda lamang ng larawang binabasa nito. Apat na bagay ang nagkakaroon ng pinakamalaking pagkakaiba:

• Piliin muna ang tamang wika. Binabasa ng engine gamit ang alpabeto at bokabularyo ng wikang pipiliin mo. Ang pagbasa ng Ruso bilang Ingles ay nagreresulta sa walang saysay, at ang mga accent sa Pranses o Polako ay nawawala kapag mali ang wika.
• Kunin ang larawan ng pahina nang patag at parisukat. Hawakan ang telepono nang direkta sa ibabaw ng papel, punuin ang frame ng pahina, at iwasan ang pagkurba malapit sa gulugod ng isang aklat. Ang mga linya na nakakurba ay mas nakakalito sa engine kaysa sa isang maliit na larawan.
• Liwanagan ito nang pantay. Ang anino sa pahina, o ang kislap ng flash sa makintab na papel, ay nagtatago ng mga letra. Ang liwanag ng araw mula sa bintana, nang walang flash, ay karaniwang pinakamahusay.
• Panatilihin itong matalas. I-tap ang screen upang mag-focus sa teksto bago ka kumuha ng larawan. Ang maliit na print ay kailangang sapat na malaki sa larawan upang mabasa ng iyong sariling mga mata.

Ano ang nagkakamali sa OCR

Kahit ang isang magandang scan ay nagkakaroon ng ilang mga error, at ang mga ito ay madalas na pare-pareho: ang letrang l ay nababasa bilang numero 1, O bilang 0, rn bilang m, isang kuwit na nawala sa dulo ng linya. Ang mga pangalan, numero, at petsa ay nararapat na tingnang muli bago mo ito kopyahin sa anumang mahalaga.

Ang sulat-kamay ay mas mahirap kaysa sa print, at ang magkadugtong na sulat-kamay ay madalas na nababasa nang mali o hindi talaga nababasa. Ang output ay plain text, kaya ang layout ng pahina ay hindi napananatili: ang mga column ay binabasa nang sunud-sunod, at ang isang talahanayan ay lumalabas bilang mga linya ng mga salita. Kapag kailangan mo rin ang layout, ang susunod na seksyon ang paraan upang mapanatili ito.

Kapag kailangan mo ang teksto sa ibang wika

Ang pagkopya ng teksto sa isang tagasalin ay nawawala ang pahina: ang mga selyo, ang talahanayan, kung saan nakalagay ang bawat linya. Upang isalin ang isang naka-scan na dokumento kasama ang layout nito, i-upload ang scan sa DocTranslator sa halip. Binabasa nito ang scan gamit ang OCR, isinasalin ang teksto, at ibinabalik ang isang file na mukhang orihinal, sa alinman sa 108 na wika.

Ang tool sa browser sa pahinang ito ay nagbabasa ng Ingles, Espanyol, Pranses, Aleman, Italyano, Portuges, Ruso, Ukrainian, Polako, Turko, Arabe, Hindi, Tsino (Pinadali), Hapon, Koreano, at Biyetnames. Sa isang naka-scan na PDF, binabasa nito ang unang 5 pahina; ang isang pagsasalin ay nagbabasa ng bawat pahina, sa bawat wikang sinusuportahan ng DocTranslator.