Bild till text

Så fungerar det

Optisk teckenigenkänning är verktyget som folk tar till när de har en skärmdump de inte kan kopiera från, en skannad sida de behöver som text eller ett foto av ett dokument. Det är också det där en uppladdning är svårast att motivera – bilderna är oftast dokument, kvitton eller korrespondens.

Den körs på din enhet, vilket är ovanligt för OCR

Nästan varje gratis OCR-tjänst laddar upp bilden och gör jobbet på en server. Det här kör Tesseract kompilerat till WebAssembly på sidan. Avvägningen är en engångsnedladdning på ungefär 11 MB igenkänningsdata vid första användningen, som din webbläsare sedan cachar, och att själva igenkänningen använder din egen processor.

Vad den är bra på, och vad den inte är

Skärmdumpar, rena skanningar och utskrivna dokument fotograferade rakt framifrån ger mycket bra resultat. Text i vinkel, i dåligt ljus, över en rörig bakgrund eller i ett ovanligt visningsteckensnitt ger dåliga resultat. Handskrift stöds inte i någon praktisk mening. Den läser engelska.

Layoutinställningarna spelar större roll än folk väntar sig

”En sida text” passar dokument med stycken. ”Ett enda block” är bättre för en skärmdump av ett enda stycke. ”En enda rad” är för en bildtext eller ett serienummer. ”Utspridda ord” passar skyltar och etiketter med text på flera orelaterade ställen. Att välja fel är en vanlig orsak till dåligt resultat.

Få ett bättre resultat

Beskär till enbart texten innan du kör den. Rotera bilden så att raderna är vågräta. Högre upplösning hjälper till en viss gräns – cirka 300 dpi motsvarande är idealiskt, och utöver det ger det mer tid utan större noggrannhet.