Cách dùng OCR để tìm kiếm được chữ trong PDF quét

Làm sao biết bạn có cần OCR không

Hãy thử bôi đen một dòng chữ trong PDF. Nếu con trỏ tô sáng được từng từ, tệp đã có lớp văn bản. Nếu không chọn được gì, hoặc cả trang được tô sáng như một hình ảnh, đó là bản quét và cần chạy OCR.

Điều này quan trọng khi bạn cần tìm một điều khoản trong hợp đồng dài, trích dẫn từ một báo cáo, hoặc muốn kho lưu trữ có thể tìm kiếm được.

Các bước thực hiện

Mở OCR PDF và tải tài liệu quét lên. Công cụ sẽ đọc từng trang và tạo một lớp văn bản nằm phía sau hình ảnh.

Tải kết quả xuống. Trông nó y hệt như cũ, nhưng giờ bạn có thể chọn, sao chép và tìm kiếm văn bản, và các công cụ khác cũng đọc được.

Để có kết quả tốt nhất

Độ chính xác của OCR phụ thuộc vào chất lượng bản quét. Bản quét thẳng, tương phản cao, đủ sáng sẽ được đọc gần như hoàn hảo; bản quét bị lệch hoặc mờ nhạt sẽ cho nhiều lỗi hơn. Làm thẳng bản quét bị nghiêng trước sẽ giúp cải thiện kết quả.

Với một vài con số quan trọng, hãy luôn đối chiếu lại với bản gốc, vì không có công cụ OCR nào hoàn hảo với bản quét kém chất lượng.

Vì sao bản quét cần OCR

PDF quét trông như một tài liệu, nhưng với máy tính nó chỉ là bức ảnh chụp tài liệu. Bạn không thể chọn, tìm kiếm hay sao chép chữ, vì ở đó không có chữ nào cả, chỉ có hình ảnh của mực trên giấy. OCR (nhận dạng ký tự quang học) đọc các hình dạng trong ảnh và dựng lại các ký tự thực sự, biến bức ảnh thành một lớp văn bản thật nằm bên dưới trang, có thể tìm kiếm và chọn được.

Đây là bước mở khóa mọi thứ khác: khi bản quét đã có lớp văn bản, bạn có thể tìm kiếm, sao chép, chuyển sang Word và chỉnh sửa. Không có OCR, một bản hợp đồng quét về cơ bản chỉ là một tấm ảnh mà bạn không làm gì được.

Để có kết quả chính xác

Độ chính xác của OCR phụ thuộc rất nhiều vào chất lượng bản quét. Một bản quét chữ in sạch, tương phản cao và thẳng sẽ được đọc gần như hoàn hảo. Một bản photocopy mờ, một trang chụp nghiêng hay chữ viết tay thì khó hơn nhiều. Để có kết quả tốt nhất, hãy quét hoặc chụp ở nơi đủ sáng, giữ trang phẳng và ngay ngắn, và dùng độ phân giải cao nhất hợp lý.

Nếu một trang bị lệch, làm thẳng nó trước bằng Làm thẳng PDF sẽ cải thiện rõ rệt khả năng nhận dạng, vì OCR đọc các dòng chữ nằm ngang chính xác hơn khi chúng thực sự nằm ngang.

Làm gì sau khi chạy OCR

Khi bản quét đã tìm kiếm được, bạn có thể bắt tay vào sử dụng: chuyển sang Word để chỉnh sửa hoàn toàn, sao chép trích dẫn hay số liệu, hoặc đơn giản là lưu trữ dưới dạng PDF để sau này tìm lại bằng cách tìm kiếm nội dung. Với những lô hồ sơ quét lớn, OCR chính là thứ biến một đống hình ảnh vô dụng thành một thư viện có thể tìm kiếm.