Cara Jadikan PDF Imbasan Boleh Dicari dengan OCR

Cara mengetahui sama ada anda perlukan OCR

Cuba pilih satu baris teks dalam PDF. Jika kursor anda menyerlahkan perkataan satu per satu, ia sudah mempunyai lapisan teks. Jika tiada apa yang dapat dipilih, atau seluruh halaman diserlahkan sebagai satu imej, ia ialah imbasan yang memerlukan OCR.

Ini penting apabila anda mahu mencari klausa dalam kontrak yang panjang, memetik daripada laporan, atau menjadikan arkib boleh dicari.

Langkah demi langkah

Buka OCR PDF dan muat naik dokumen imbasan anda. Alat ini membaca setiap halaman dan membina lapisan teks di belakang imej.

Muat turun hasilnya. Ia kelihatan sama, tetapi kini anda boleh memilih, menyalin dan mencari teksnya, dan alat lain juga boleh membacanya.

Mendapatkan hasil terbaik

Ketepatan OCR bergantung pada kualiti imbasan. Imbasan yang lurus, berkontras tinggi dan terang dibaca hampir sempurna; imbasan yang senget atau pudar menghasilkan lebih banyak kesilapan. Meluruskan imbasan yang senget terlebih dahulu akan memperbaik hasilnya.

Untuk beberapa angka yang penting, sentiasa semak semula dengan dokumen asal, kerana tiada OCR yang sempurna pada imbasan yang kurang jelas.

Mengapa imbasan memerlukan OCR

PDF imbasan kelihatan seperti dokumen, tetapi bagi komputer ia hanyalah gambar dokumen. Anda tidak boleh memilih, mencari atau menyalin teksnya, kerana tiada teks di situ, hanya imej dakwat di atas kertas. OCR (pengecaman aksara optik) membaca bentuk-bentuk dalam imej itu dan membina semula aksara sebenar, menukar gambar itu menjadi lapisan teks sebenar di bawah halaman yang boleh dicari dan dipilih.

Inilah langkah yang membuka jalan untuk segala-galanya: sebaik sahaja imbasan mempunyai lapisan teks, anda boleh mencarinya, menyalin daripadanya, menukarnya ke Word dan mengeditnya. Tanpa OCR, kontrak yang diimbas hanyalah sekeping foto yang tidak boleh diolah.

Mendapatkan hasil yang tepat

Ketepatan OCR sangat bergantung pada kualiti imbasan. Imbasan teks bercetak yang bersih, berkontras tinggi dan lurus dibaca hampir sempurna. Salinan fotostat yang pudar, halaman yang difoto dari sudut serong, atau tulisan tangan jauh lebih sukar. Untuk hasil terbaik, imbas atau ambil gambar dalam cahaya yang baik, pastikan halaman rata dan lurus, dan gunakan resolusi setinggi yang munasabah.

Jika sesuatu halaman keluar senget, meluruskannya dahulu dengan Luruskan PDF dapat memperbaik pengecaman dengan ketara, kerana OCR membaca baris teks mendatar dengan lebih tepat apabila baris itu benar-benar mendatar.

Apa yang perlu dilakukan selepas OCR

Sebaik sahaja imbasan boleh dicari, anda boleh menggunakannya: tukar ke Word supaya boleh diedit sepenuhnya, salin petikan atau angka daripadanya, atau simpan sahaja sebagai PDF arkib yang boleh anda temui kemudian dengan mencari teksnya. Untuk himpunan besar rekod imbasan, OCR mengubah timbunan imej yang tidak berguna menjadi perpustakaan yang boleh dicari.