Bilde til tekst

Slik fungerer det

Optisk tegngjenkjenning er verktøyet folk tar frem når de har et skjermbilde de ikke kan kopiere fra, en skannet side de trenger som tekst, eller et bilde av et dokument. Det er også det der opplasting er vanskeligst å forsvare — bildene er vanligvis dokumenter, kvitteringer eller korrespondanse.

Det kjører på enheten din, noe som er uvanlig for OCR

Nesten alle gratis OCR-tjenester laster opp bildet og gjør jobben på en server. Dette kjører Tesseract kompilert til WebAssembly inne på siden. Byttehandelen er en engangsnedlasting på omtrent 11 MB med gjenkjenningsdata ved første gangs bruk, som nettleseren din deretter bufrer, og selve gjenkjenningen bruker din egen prosessor.

Hva den er god til, og hva den ikke er

Skjermbilder, rene skanninger og trykte dokumenter fotografert rett forfra gir svært gode resultater. Tekst i vinkel, i dårlig lys, over en travel bakgrunn eller i en uvanlig visningsskrifttype gir dårlige resultater. Håndskrift støttes ikke i noen praktisk forstand. Den leser engelsk.

Oppsettinnstillinger betyr mer enn folk venter

«En tekstside» passer for dokumenter med avsnitt. «En enkelt blokk» er bedre for et skjermbilde av én passasje. «En enkelt linje» er for en bildetekst eller et serienummer. «Spredte ord» passer for skilt og etiketter med tekst flere urelaterte steder. Å velge feil er en vanlig grunn til dårlig resultat.

Slik får du et bedre resultat

Beskjær til bare teksten før du kjører den. Roter bildet slik at linjene er vannrette. Høyere oppløsning hjelper opp til et punkt — rundt 300 dpi tilsvarende er ideelt, og utover det tar det bare mer tid uten å bli mer nøyaktig.