OCR روی PDF
اسناد اسکن‌شده را به PDFهای قابل جستجو و کپی تبدیل کنید. این ابزار از Tesseract OCR برای تشخیص متن در تصاویر استفاده می‌کند و یک لایهٔ متنی نامرئی روی صفحات اصلی قرار می‌دهد؛ ظاهر بصری حفظ می‌شود و محتوا کاملاً قابل جستجو می‌شود.
نحوهٔ کار
- یک PDF اسکن‌شده یا مبتنی بر تصویر بارگذاری کنید.
- یک یا چند زبان موجود در سند را از فهرست زبان‌های قابل جستجو انتخاب کنید.
- در صورت تمایل تنظیمات پیشرفته (وضوح، دودویی‌سازی، فهرست مجاز) را تغییر دهید.
- روی شروع OCR کلیک کنید و پیشرفت را در نوار پیشرفت بلادرنگ دنبال کنید.
- پس از اتمام، متن استخراج‌شده را بررسی کنید و سپس PDF قابل جستجو یا یک فایل ساده
.txtرا دانلود کنید.
ویژگی‌ها
- OCR چندزبانه با انتخابگر زبان قابل جستجو
- لایهٔ متنی نامرئی که ظاهر اصلی سند را حفظ می‌کند
- نوار پیشرفت بلادرنگ و خروجی گزارش در حین پردازش
- دانلود نتایج به‌صورت PDF قابل جستجو یا فایل متنی ساده
- کپی مستقیم متن استخراج‌شده در کلیپ‌بورد
- سه سطح وضوح برای ایجاد تعادل بین سرعت و دقت
گزینه‌ها
| تنظیم | مقادیر | پیش‌فرض | هدف |
|---|---|---|---|
| وضوح | استاندارد (192 DPI)، بالا (288 DPI)، فوق‌العاده (384 DPI) | بالا | وضوح بالاتر دقت را روی متن ریز بهتر می‌کند اما زمان بیشتری می‌برد |
| دودویی‌سازی تصویر | روشن / خاموش | خاموش | با تبدیل به سیاه و سفید، کنتراست را برای اسکن‌های تمیز افزایش می‌دهد |
| پیش‌تنظیم فهرست مجاز نویسه‌ها | هیچ، حروف و اعداد، اعداد + ارز، فقط حروف، فقط اعداد، فاکتور، فرم‌ها، سفارشی | هیچ | نویسه‌های قابل تشخیص را محدود می‌کند تا دقت برای انواع خاص اسناد بهتر شود |
| فهرست مجاز نویسه‌ها | متن آزاد | خالی | مجموعهٔ نویسه‌های دستی وقتی پیش‌تنظیم روی سفارشی است |
موارد استفاده
- قابل جستجو کردن قراردادها و فاکتورهای اسکن‌شده تا بتوانید با Ctrl+F در آن‌ها جستجو کنید
- استخراج متن از اسناد عکاسی‌شده یا سوابق کاغذی قدیمی
- پردازش رسیدها با پیش‌تنظیم فاکتور برای ثبت دقیق مبالغ دلاری و تاریخ‌ها
- ساخت PDFهای دسترس‌پذیر از اسکن‌های صرفاً تصویری برای الزامات انطباق
- استخراج گروهی محتوای متنی از کتاب‌ها یا راهنماهای اسکن‌شده
نکات
- اگر سند شما محتوای چندزبانه دارد (مثلاً عنوان‌های انگلیسی با متن اصلی ژاپنی)، چند زبان انتخاب کنید.
- برای اسنادی با متن کم‌رنگ یا کم‌کنتراست از گزینهٔ دودویی‌سازی استفاده کنید؛ این گزینه می‌تواند دقت تشخیص را به‌طور چشمگیری بهتر کند.
- پیش‌تنظیم‌های فهرست مجاز فاکتور و فرم‌ها با نادیده گرفتن شکل‌های نویسهٔ نامرتبط، تشخیص‌های نادرست را در اسناد ساختاریافته به‌شدت کاهش می‌دهند.