OCR là gì và nó hoạt động với tập tin PDF như thế nào?
Hiểu việc nhận dạng văn bản, giới hạn của nó, và khi chụp cắt lớp cần thiết.
Giới thiệu
Bạn đã bao giờ thử sao chép văn bản từ một PDF quét và khám phá ra rằng toàn bộ trang này có vẻ như là một bức ảnh? Nhận dạng kí tự, hoặc OCR, là công nghệ được dùng để nhận dạng ký tự thấy được trong hình ảnh và biến chúng thành thông tin văn bản.
OCR có thể làm cho việc tìm kiếm tài liệu quét được, giúp lấy dữ liệu, và hỗ trợ chuyển đổi thành định dạng có thể sửa đổi. Nhưng sự công nhận không phải là hoàn hảo, và nên kiểm tra kết quả trước khi dùng cho những quyết định quan trọng.
OCR nghĩa là gì?
OCR viết tắt cho Nhận dạng kí tự. Nó phân tích nội dung của hình ảnh và xác định chữ cái, chữ số, cách đánh chữ và đôi khi cấu trúc tài liệu. Đầu vào có thể là một trang quét, một bức ảnh, hoặc một hình ảnh dựa trên PDF.
OCR là khác với chỉ đơn giản là lưu một hình ảnh PDF. Ảnh-to-PDF Chuyển đổi điểm ảnh gói thành tài liệu: OCR cố gắng để giải thích những từ được đại diện bởi những điểm ảnh đó.
OCR hoạt động như thế nào
1. Chuẩn bị ảnh
Phần mềm này có thể chỉnh lại độ xoay, loại bỏ tiếng ồn, cải thiện độ tương phản và xác định giới hạn trang. Làm rõ hình ảnh gốc làm cho việc công nhận dễ dàng hơn.
2. Phân tích bố trí
Hệ thống này định vị những vùng như đoạn, tiêu đề, bảng và hình ảnh. Các tài liệu đa phân và dạng phức tạp khó hơn một trang đơn.
3. Kí tự và Nhận dạng Word
Những mô hình nhận biết được giải thích hình dạng hữu hình là ký tự và từ ngữ. Thông tin ngôn ngữ có thể giúp phân biệt các chuỗi mơ hồ.
4. Xây dựng xuất
Tùy thuộc vào công cụ này, OCR có thể tạo văn bản đơn giản, một tài liệu tìm kiếm có thể tìm kiếm PDF với lớp văn bản vô hình, hoặc một tài liệu Word chứa các đoạn được tái tạo.
5. Mở đích
Kết quả nên được so sánh với nguồn, đặc biệt là số lượng, ngày tháng, số sê - ri và tên.
OCR chống lại việc trích xuất văn bản
Việc trích xuất văn bản đọc các kí tự đã được trình bày trong một PDF số. OCR cố gắng nhận diện ký tự từ ảnh. Một PDF số thường không cần OCR, trừ khi mã hóa văn bản của nó không thể sử dụng hoặc các phần của trang này dựa trên ảnh.
Điều gì ảnh hưởng OCR Chính xác?
Độ phân giải: Những lá thư nhỏ bé hay mờ nhạt khó nhận ra. 300 DPI là điểm bắt đầu thông thường cho việc quét các tài liệu in thông thường, không phải một yêu cầu phổ biến.
Độ tương phản và ánh sáng: Bóng tối, mực mờ dần, và quá trình xuất thân theo khuôn mẫu làm cho việc công nhận càng khó hơn.
Ngôn ngữ và phông chữ: Biểu tượng đặc biệt, kiểu chữ khác thường, và nhiều loại chữ có thể cần mô hình ngôn ngữ thích hợp.
Cấu trúc trang: Bảng, văn bản đa phân, chữ viết tay và tem có thể phức tạp hóa thứ tự đọc.
Hướng ảnh: nên sửa trước khi xử lý.
Làm thế nào để sử dụng OCR trên một PDF được quét
- Mở PDF và kiểm tra xem văn bản có khả năng chọn hay không.
- Chọn phần mềm rõ ràng hỗ trợ OCR cho ngôn ngữ của bạn.
- Sửa hướng trang và cải thiện chất lượng quét khi có thể.
- Chạy OCR và chọn kết xuất đã muốn: tìm kiếm PDF, văn bản, hoặc tài liệu sửa đổi được.
- Tìm kiếm một số từ và sao chép đoạn mẫu.
- Kiểm tra giá trị quan trọng so với ảnh gốc.
- Hãy giữ bản quét tìm tài liệu tham khảo.
Không phải mỗi bộ chuyển đổi PDF trực tuyến cung cấp OCR; kiểm tra tính năng trước khi tải lên tập tin.
Nơi mà OCR có ích
OCR giúp tìm kiếm lưu trữ lịch sử, báo cáo số hóa đơn, trích đoạn văn từ hóa hoá đơn, và làm cho tài liệu quét dễ dàng hơn để chỉ số. Để nhận được hóa đơn và bảng, chỉ việc công nhận thôi không bảo đảm việc khai thác đúng trường: Cần phải phân tích thêm cấu trúc và thẩm định thêm.
OCR có thể hỗ trợ khả năng truy cập, nhưng chỉ một lớp văn bản có thể tìm kiếm không cung cấp thẻ, thứ tự đọc hoặc mô tả ảnh thích hợp.
Lỗi chung OCR
Được công nhận 8 có thể thực sự là B, và 1 Có thể I. Ngày tháng có thể được hiểu sai, các cột có thể được đọc sai theo thứ tự, và bảng có thể mất giới hạn tế bào. Xử lý OCR là một bản thảo hữu ích của văn bản thay vì là bằng chứng không thể chối cãi.
Những câu hỏi thường xuyên
Có OCR làm một cái PDF Có thể sửa?
Nó có thể tạo ra văn bản có thể sửa đổi được, nhưng việc bảo tồn bố trí gốc có thể đòi hỏi phải thay đổi và làm sạch thêm.
OCR có giống như quét không?
Không. Đang quét chụp ảnh; OCR giải thích văn bản trong các ảnh đó.
OCR có thể đọc chữ viết không?
Một số hệ thống có thể làm được, nhưng kết quả khác nhau rất nhiều với chữ viết và ngôn ngữ.
OCR có hoạt động ngoại tuyến không?
Có, một số ứng dụng làm việc xử lý tập tin địa phương. Những người khác thì dùng dịch vụ trực tuyến.
Có OCR bảo đảm 100Độ chính xác %?
Không. Kiểm tra chữ và số quan trọng bằng tay.
Kết thúc
OCR Đắp kết khoảng cách giữa các hình ảnh văn bản và thông tin có thể tìm kiếm. Nó có giá trị cho việc scan PDFs, nhưng kết quả phụ thuộc vào chất lượng ảnh, độ phức tạp tài liệu và hỗ trợ ngôn ngữ. Kiểm tra đã nhận nội dung và sử dụng PDFreevert hỗ trợ không-OCR PDF Cải đạo và tổ chức công việc.