OCRでスキャンしたPDFを検索可能にする方法

OCRが必要かどうかの見分け方

PDFの文章を1行選択してみてください。カーソルで個々の単語がハイライトされるなら、すでにテキストレイヤーがあります。何も選択できない、またはページ全体が1枚の画像としてハイライトされるなら、OCRが必要なスキャンです。

長い契約書から特定の条項を探す、報告書から引用する、保管資料を検索できるようにする、といった場面で重要になります。

OCRの手順

「PDF OCR」を開いてスキャンした文書をアップロードします。ツールが各ページを読み取り、画像の背後にテキストレイヤーを作成します。

結果をダウンロードします。見た目はまったく同じですが、文字を選択・コピー・検索できるようになり、ほかのツールでも読み取れるようになります。

最良の結果を得るには

OCRの精度はスキャンの品質によって決まります。まっすぐでコントラストが高く、明るくスキャンされたものはほぼ完璧に読み取れますが、傾いていたり薄かったりするスキャンでは誤りが増えます。傾いたスキャンは、先にまっすぐにしておくと結果が良くなります。

重要な数字がいくつかある場合は、必ず原本と照らし合わせて確認しましょう。品質の低いスキャンでは、どんなOCRも完璧ではありません。

スキャンにOCRが必要な理由

スキャンしたPDFは文書のように見えますが、コンピューターにとっては文書の写真にすぎません。そこには文字がなく、紙の上のインクの画像があるだけなので、文字を選択することも、検索することも、コピーすることもできません。OCR（光学文字認識）は画像内の形を読み取って実際の文字を再構成し、写真をページの下にある検索・選択可能な本物のテキストレイヤーに変えます。

これは、ほかのすべての作業を可能にする最初のステップです。スキャンにテキストレイヤーができれば、検索、コピー、Wordへの変換、編集ができるようになります。OCRなしでは、スキャンした契約書は実質的に作業のしようがない写真です。

正確な結果を得るには

OCRの精度は、スキャンの品質に大きく左右されます。印刷された文字をきれいに、高コントラストで、まっすぐスキャンしたものはほぼ完璧に読み取れます。薄いコピー、斜めから撮影したページ、手書きの文字はずっと難しくなります。最良の結果を得るには、明るい場所でスキャンまたは撮影し、ページを平らにまっすぐ置き、可能な範囲で高い解像度を使いましょう。

ページが傾いてしまった場合は、先に「PDF傾き補正」でまっすぐにすると認識精度が目に見えて上がります。OCRは、横書きの行が実際に水平になっているほうが確実に読み取れるからです。

OCRの後にできること

スキャンを検索できるようになれば、活用の幅が広がります。Wordに変換して完全に編集できるようにしたり、引用や数値をコピーしたり、後で文字検索して見つけられる保管用のPDFとしてそのまま残したりできます。大量のスキャン記録なら、OCRによって、使い物にならなかった画像の山が検索できるライブラリーに変わります。