รูปภาพเป็นข้อความ

ทำงานอย่างไร

การจดจำอักขระด้วยแสง (OCR) คือเครื่องมือที่คนใช้เมื่อมีภาพหน้าจอที่คัดลอกไม่ได้ หน้าที่สแกนมาที่ต้องการเป็นข้อความ หรือรูปถ่ายเอกสาร และยังเป็นเครื่องมือที่การอัปโหลดยากที่สุดที่จะให้เหตุผลได้ เพราะรูปภาพมักเป็นเอกสาร ใบเสร็จ หรือจดหมาย

ทำงานบนอุปกรณ์ของคุณ ซึ่งไม่ธรรมดาสำหรับ OCR

บริการ OCR ฟรีเกือบทุกตัวอัปโหลดรูปภาพและทำงานบนเซิร์ฟเวอร์ เครื่องมือนี้รัน Tesseract ที่คอมไพล์เป็น WebAssembly ในหน้าเว็บ สิ่งที่แลกคือการดาวน์โหลดข้อมูลการจดจำราว 11 MB ครั้งเดียวในการใช้ครั้งแรก ซึ่งเบราว์เซอร์ของคุณแคชไว้ และการจดจำใช้โปรเซสเซอร์ของคุณเอง

สิ่งที่ทำได้ดี และสิ่งที่ทำไม่ได้

ภาพหน้าจอ ภาพสแกนที่สะอาด และเอกสารพิมพ์ที่ถ่ายตรง ๆ ให้ผลดีมาก ข้อความที่เอียง ในแสงไม่ดี บนพื้นหลังที่ยุ่ง หรือในฟอนต์แสดงผลที่ผิดปกติให้ผลไม่ดี ไม่รองรับลายมือในทางปฏิบัติใด ๆ อ่านภาษาอังกฤษ

การตั้งค่าเลย์เอาต์สำคัญกว่าที่คนคาด

"หน้าข้อความ" เหมาะกับเอกสารที่มีย่อหน้า "บล็อกเดียว" ดีกว่าสำหรับภาพหน้าจอของข้อความช่วงเดียว "บรรทัดเดียว" สำหรับคำบรรยายหรือหมายเลขซีเรียล "คำกระจัดกระจาย" เหมาะกับป้ายและฉลากที่มีข้อความในหลายที่ไม่เกี่ยวกัน การเลือกผิดเป็นสาเหตุทั่วไปของผลลัพธ์ที่ไม่ดี

การได้ผลลัพธ์ที่ดีขึ้น

ครอบตัดให้เหลือเฉพาะข้อความก่อนรัน หมุนรูปให้บรรทัดเป็นแนวนอน ความละเอียดสูงช่วยได้ถึงจุดหนึ่ง ราว 300 dpi เทียบเท่าคือเหมาะที่สุด และมากกว่านั้นเพิ่มเวลาโดยไม่เพิ่มความแม่นยำ