Lyhyt vastaus: OCR on ohjelmisto, joka tunnistaa kirjaimet tekstin kuvasta, kuten skannauksesta tai sivun valokuvasta, ja muuttaa ne oikeaksi tekstiksi, jota voit hakea, valita ja kopioida.
OCR (optinen tekstintunnistus) selitettynä
OCR eli optinen tekstintunnistus (optical character recognition) lukee kuvassa olevat kirjaimet ja muuttaa ne tekstiksi. Skanneri tai puhelimen kamera ottaa sivusta vain kuvan: tietokoneelle skannattu sopimus on sama kuin kuva kissasta. Siitä ei voi hakea Ctrl+F:llä, siitä ei voi valita lausetta eikä kopioida lukua. OCR korjaa tämän.
Tulos tulee kahdessa yleisessä muodossa. Haettava PDF säilyttää alkuperäiset sivukuvat ja lisää niiden taakse näkymättömän tekstikerroksen, joten asiakirja näyttää samalta, mutta haku ja kopiointi toimivat. Pelkkä teksti antaa vain sanat valmiina muokattaviksi, käännettäviksi tai liitettäviksi muualle.
Tarkkuus riippuu skannauksesta. Terävät, suorat, hyvin valaistut sivut yleisellä kirjasintyypillä tunnistuvat lähes täydellisesti; käsiala, haalistuneet valokopiot, vinot kuvat ja epätavalliset fontit aiheuttavat virheitä, joten tarkista nimet ja numerot ennen kuin luotat niihin.
Näin saat hyvän OCR-tuloksen
- Skannaa 300 dpi:n tarkkuudella tai ota kuva suoraan edestä hyvässä valossa. Sumea tai hyvin pieni teksti on virheiden pääsyy.
- Valitse oikea kieli. OCR käyttää jokaiselle kielelle omaa sanastoa ja aakkostoa; väärä kieli muuttaa tarkkeet ja kirjaimet hölynpölyksi.
- Käännä sivut pystyyn ensin, jos ne skannattiin sivuttain.
- Säilytä alkuperäinen. Haettava PDF sisältää edelleen sivukuvat, joten mitään ei menetetä, jos sana luettiin väärin.
OCR, PDF tekstiksi ja PDF Wordiksi
| Sinulla on | Haluat | Käytä |
|---|---|---|
| Skannattu PDF tai kuva | Haku ja kopiointi, sama ulkoasu | OCR haettavaksi PDF:ksi |
| Skannattu PDF tai kuva | Vain sanat | OCR tekstiksi (kuva tekstiksi) |
| Asiakirjasta tehty PDF (teksti jo valittavissa) | Sanat | PDF tekstiksi, OCR:ää ei tarvita |
| PDF, jossa on valittavaa tekstiä | Muokattava asiakirja | PDF Wordiksi |
Pikatesti: jos voit valita PDF:stä sanan, siinä on jo tekstiä eikä se tarvitse OCR:ää.
Usein kysytyt kysymykset
Mitä OCR tarkoittaa?
Optista tekstintunnistusta (optical character recognition): ohjelmistoa, joka tunnistaa kirjaimet kuvasta ja muuttaa ne tekstiksi.
Voinko tehdä PDF:lle OCR:n ilmaiseksi lähettämättä sitä?
Kyllä. OCR PDF -työkalumme ajaa avoimen lähdekoodin Tesseract-moottoria selaimessasi 19 kielellä, joten PDF pysyy laitteellasi.
Lukeeko OCR käsialaa?
Vain huonosti. OCR on tehty painetulle tekstille; siistit tikkukirjaimet toimivat joskus, kaunokirjoitus yleensä ei.
Muuttaako OCR PDF:ni ulkoasua?
Ei, kun teet haettavan PDF:n: alkuperäiset sivukuvat säilyvät ja niiden taakse lisätään näkymätön tekstikerros.
Valmiina lähettämään?
Pudota tiedostot, kopioi linkki, valmis. Ilmaiseksi enintään 20 GB, ilman tiliä.
Lähetä tiedostoja ilmaiseksi