Billede til tekst

Sådan fungerer det

Optisk tegngenkendelse er det værktøj, folk griber til med et skærmbillede, de ikke kan kopiere fra, en scannet side, de har brug for som tekst, eller et foto af et dokument. Det er også det, hvor upload er sværest at retfærdiggøre – billederne er som regel dokumenter, kvitteringer eller korrespondance.

Det kører på din enhed, hvilket er usædvanligt for OCR

Næsten alle gratis OCR-tjenester uploader billedet og udfører arbejdet på en server. Dette kører Tesseract kompileret til WebAssembly i siden. Byttehandlen er en engangsdownload på cirka 11 MB genkendelsesdata ved første brug, som din browser derefter cacher, og at selve genkendelsen bruger din egen processor.

Hvad det er godt til, og hvad ikke

Skærmbilleder, rene scanninger og trykte dokumenter fotograferet lige forfra giver meget gode resultater. Tekst på skrå, i dårligt lys, over en travl baggrund eller i en usædvanlig skærmskrifttype giver dårlige resultater. Håndskrift understøttes ikke i nogen praktisk forstand. Den læser engelsk.

Layoutindstillinger betyder mere, end folk venter

»En tekstside« passer til dokumenter med afsnit. »En enkelt blok« er bedre til et skærmbillede af én passage. »En enkelt linje« er til en billedtekst eller et serienummer. »Spredte ord« passer til skilte og etiketter med tekst flere urelaterede steder. At vælge forkert er en almindelig grund til dårligt output.

Sådan får du et bedre resultat

Beskær til kun teksten, før du kører det. Roter billedet, så linjerne er vandrette. Højere opløsning hjælper til et vist punkt – omkring 300 dpi svarer til det ideelle, og ud over det tilføjer det tid uden nøjagtighed.