OCR PDF: kaip iš skenuoto dokumento gauti redaguojamą tekstą

Skenuotas dokumentas atrodo kaip PDF, bet teksto kopijuoti negalima – tai tik vaizdas. OCR (Optical Character Recognition) pavers jį tikru tekstu.

Kada reikia OCR

• Senų dokumentų archyvas – paveikslai be galimybės ieškoti
• Sąskaitos iš tiekėjų – noriu kopijuoti sumas į buhalterinę
• Studijų medžiaga – pažymėti tekstą, daryti pastabas
• Sutartys – ieškoti konkretaus punkto Ctrl+F

OCR su pdftools.lt

1. Eikite į pdftools.lt/#tool/ocr
2. Įkelkite nuskanuotą PDF
3. Pasirinkite kalbą (LT, EN ir kt.)
4. Spauskite „Pradėti" – gausite PDF su atpažintu tekstu

Kokybės patarimai

• Geras nuskanavimas – 300 DPI ar daugiau, kontrastingas vaizdas
• Tiesūs puslapiai – pirma pasukite per sukimo įrankį jei reikia
• Lietuvių kalba – pasirinkite teisingą kalbą, kitaip Ą,Č,Ę bus neatpažinti
• Daug puslapių – Pro planui rekomenduojama, Free turi 3/d limitą

OCR tikslumas

Tipiškai 95-99% tikslumas su gerą kokybe turinčiu skenavimu. Tačiau:

• Rankraščio tekstas – tik 70-80%
• Senų popierių dokumentai (geltoni) – ~90%
• Maišytas tekstas su grafikais – atpažįstamas tekstas, grafikai paliekami kaip vaizdai

Susiję įrankiai

• PDF → Word – po OCR konvertuokite į redaguojamą Word
• Pasukti puslapius – paruoškite teisingoms orientacijai
• Ištraukti puslapius – jei reikia OCR tik kai kurių