Rozpoznávanie textu (OCR) PDF
Premeňte naskenované dokumenty na PDF, v ktorých možno vyhľadávať a kopírovať text. Nástroj používa Tesseract OCR na rozpoznanie textu v obrázkoch a na pôvodné strany pridá neviditeľnú textovú vrstvu, takže vzhľad zostane zachovaný a obsah bude plne vyhľadávateľný.
Ako to funguje
- Nahrajte naskenované PDF alebo PDF založené na obrázkoch.
- Zo zoznamu jazykov s vyhľadávaním vyberte jeden alebo viac jazykov, ktoré sa v dokumente nachádzajú.
- Voliteľne upravte rozšírené nastavenia (rozlíšenie, binarizácia, povolené znaky).
- Kliknite na Spustiť OCR a sledujte priebeh na indikátore v reálnom čase.
- Po dokončení skontrolujte extrahovaný text a stiahnite vyhľadávateľné PDF alebo obyčajný súbor
.txt.
Funkcie
- OCR vo viacerých jazykoch s výberom jazyka s vyhľadávaním
- Neviditeľná textová vrstva zachová pôvodný vzhľad dokumentu
- Indikátor priebehu v reálnom čase a výpis záznamu počas spracovania
- Stiahnutie výsledkov ako vyhľadávateľného PDF alebo textového súboru
- Kopírovanie extrahovaného textu priamo do schránky
- Tri úrovne rozlíšenia na vyváženie rýchlosti a presnosti
Možnosti
| Nastavenie | Hodnoty | Predvolené | Účel |
|---|---|---|---|
| Rozlíšenie | Štandardné (192 DPI), Vysoké (288 DPI), Ultra (384 DPI) | Vysoké | Vyššie rozlíšenie zlepší presnosť pri malom texte, ale trvá dlhšie |
| Binarizovať obrázok | Zap. / Vyp. | Vyp. | Zvýši kontrast čistých skenov prevodom na čiernobiele |
| Predvoľba povolených znakov | Žiadna, Alfanumerické, Čísla + mena, Iba písmená, Iba čísla, Faktúra, Formuláre, Vlastné | Žiadna | Obmedzí rozpoznávané znaky a zlepší presnosť pre konkrétne typy dokumentov |
| Povolené znaky | Voľný text | Prázdne | Ručne zadaná sada znakov, keď je predvoľba nastavená na Vlastné |
Príklady použitia
- Sprístupnenie vyhľadávania v naskenovaných zmluvách a faktúrach pomocou Ctrl+F
- Extrakcia textu z odfotených dokumentov alebo starých papierových záznamov
- Spracovanie účteniek s predvoľbou Faktúra na presné zachytenie súm v dolároch a dátumov
- Vytváranie prístupných PDF z obrázkových skenov kvôli požiadavkám na súlad
- Hromadná extrakcia textu z naskenovaných kníh alebo príručiek
Tipy
- Ak dokument obsahuje text vo viacerých jazykoch (napr. anglické nadpisy a japonský text), vyberte viac jazykov.
- Pri dokumentoch s vyblednutým alebo málo kontrastným textom použite binarizáciu, môže výrazne zlepšiť presnosť rozpoznávania.
- Predvoľby Faktúra a Formuláre výrazne znížia počet chybných rozpoznaní v štruktúrovaných dokumentoch, pretože ignorujú nepodstatné tvary znakov.