Obraz na tekst

Jak to działa

Optyczne rozpoznawanie znaków (OCR) to narzędzie, po które sięgasz przy zrzucie ekranu, z którego nie da się kopiować, zeskanowanej stronie potrzebnej jako tekst albo zdjęciu dokumentu. To też takie, w którym przesyłanie najtrudniej uzasadnić — obrazy to zwykle dokumenty, paragony lub korespondencja.

Działa na twoim urządzeniu, co w OCR jest rzadkością

Niemal każda darmowa usługa OCR przesyła obraz i wykonuje pracę na serwerze. To narzędzie uruchamia Tesseract skompilowany do WebAssembly na stronie. Kompromisem jest jednorazowe pobranie około 11 MB danych rozpoznawania przy pierwszym użyciu, które przeglądarka potem buforuje, oraz to, że samo rozpoznawanie wykorzystuje twój własny procesor.

W czym jest dobre, a w czym nie

Zrzuty ekranu, czyste skany i drukowane dokumenty sfotografowane na wprost dają bardzo dobre wyniki. Tekst pod kątem, przy słabym świetle, na zatłoczonym tle albo w nietypowej czcionce wyświetlania daje słabe wyniki. Pismo odręczne nie jest obsługiwane w żadnym praktycznym sensie. Odczytuje angielski.

Ustawienia układu mają większe znaczenie, niż ludzie się spodziewają

„Strona tekstu” pasuje do dokumentów z akapitami. „Pojedynczy blok” jest lepszy do zrzutu ekranu z jednym fragmentem. „Pojedynczy wiersz” służy do podpisu lub numeru seryjnego. „Rozrzucone słowa” pasują do znaków i etykiet z tekstem w kilku niepowiązanych miejscach. Wybór niewłaściwego to częsty powód słabego wyniku.

Jak uzyskać lepszy wynik

Przytnij do samego tekstu przed uruchomieniem. Obróć obraz tak, by wiersze były poziome. Wyższa rozdzielczość pomaga do pewnego stopnia — idealny jest odpowiednik około 300 dpi, a powyżej tego dodaje czas bez zwiększania dokładności.