Skenirani PDF u tekst (OCR)

Kako dobiti čitljiviji rezultat

Svaka stranica se pre čitanja renderuje u 200 DPI, pa ograničenje predstavlja sam sken. Tekst skeniran u 300 DPI čita se dobro; fotografija stranice telefonom snimljena pod uglom ili sken sitnog teksta u kvalitetu faksa daje pretpostavljene rezultate. Stranice okrenute bočno ili naopako čitaju se veoma loše, zato ih uspravite pomoću alata rotirajte PDF pre pokretanja prepoznavanja.

Izaberite jezik na kom je dokument napisan, jer je svaki jezik zaseban model. Kineski je dostupan u pojednostavljenom i tradicionalnom modelu, a pogrešan izbor znatno smanjuje preciznost. Dokument sa dva jezika najbolje se čita pomoću modela jezika koji se koristi u većem delu teksta.

Provera dobijenog rezultata

Vrednost pouzdanosti predstavlja prosek za sve stranice, pa jedna loša stranica može da se sakrije iza dobrog rezultata. Vrednost oko 90 ili viša obično znači samo povremene greške; ispod 75 očekujte greške u većini pasusa. Uobičajene zabune su 0 i O, 1, l i I, rn pročitano kao m i 5 kao S, što je najvažnije kod iznosa, datuma i referentnih brojeva, zato svaku vrednost proverite prema stranici.

Uključite opciju Spoji linije u pasuse za prozni tekst, gde popravlja rečenice prekinute na kraju svake odštampane linije. Isključite je za adrese, liste i tabele, gde prelomi redova imaju značenje.

Kako se koristi

1. Izaberite skenirani PDF.
2. Izaberite jezik teksta.
3. Pročitajte rezultat i kopirajte ga ili preuzmite.

Privatnost i ograničenja

Vaša datoteka se nikada ne otprema. Mašina za prepoznavanje i jezički model preuzimaju se jednom — oko 10 MB — i čuvaju u kešu vašeg pregledača, a zatim se sve izvršava na vašem računaru. Onlajn OCR usluge rade obrnuto: traže da im pošaljete dokument. Obrada dugog dokumenta traje neko vreme, jer se svaka stranica prvo pretvara u sliku, a zatim redom čita.