Gambar ke teks (OCR)

Kapan OCR benar-benar menghemat waktu

Pengenalan karakter optik (OCR) layak dipakai setiap kali Anda hendak mengetik ulang sesuatu yang sebenarnya sudah terlihat di layar. Contoh yang umum:

• Tangkapan layar pesan error, potongan konfigurasi, atau log chat yang perlu Anda tempel ke tiket atau mesin pencari.
• Foto struk cetak, nomor faktur, pelat nomor seri, atau kartu kata sandi Wi-Fi.
• Halaman hasil scan dari buku atau kontrak, padahal yang Anda butuhkan hanya dua paragraf, bukan seluruh dokumen.
• Papan petunjuk, menu, atau pengumuman dalam bahasa yang ingin Anda masukkan ke penerjemah.

Untuk dokumen hasil scan yang terdiri dari banyak halaman, lebih baik jadikan PDF hasil scan bisa dicari; tata letaknya tetap utuh dan ditambahkan lapisan teks tersembunyi.

Apa yang terjadi setelah Anda menaruh gambar

Alat ini menjalankan Tesseract, mesin OCR open-source yang awalnya dikembangkan di HP lalu dipelihara oleh Google, yang dikompilasi ke WebAssembly sehingga berjalan di dalam tab browser Anda. Alat ini memakai mode jaringan saraf LSTM milik Tesseract, yang membaca satu baris utuh alih-alih mencocokkan huruf satu per satu.

Secara sederhana:

1. Mesin beserta data latih untuk bahasa Anda dimuat. Keduanya disimpan di cache browser, jadi hanya proses pertama yang perlu menunggu.
2. Tesseract menganalisis tata letak halaman, menemukan blok dan baris teks, lalu memecah baris menjadi kata.
3. Setiap baris dimasukkan ke jaringan saraf, yang menghasilkan karakter yang paling mungkin. Bilah progres yang Anda lihat menunjukkan tahap ini.
4. Spasi kosong di awal dan akhir hasil dipangkas, lalu teks ditampilkan di kotak teks, siap disalin atau disimpan sebagai file .txt dengan nama yang sama seperti gambar Anda.

Jika Anda memilih bahasa selain Inggris, bahasa Inggris otomatis ikut dimuat. Tangkapan layar antarmuka, nama produk, URL, dan kode biasanya ditulis dalam aksara Latin bahkan di tengah teks berbahasa Rusia atau Vietnam, dan model kedua ini mencegahnya menjadi kacau. Jika Anda mengganti bahasa setelah proses selesai, gambar yang sama akan dikenali ulang dengan pengaturan baru, jadi Anda tidak perlu mengunggahnya lagi.

Alat ini memproses satu gambar setiap kali. Format yang diterima adalah JPG, PNG, WebP, dan BMP, hingga 30 MB.

Menyiapkan gambar agar teksnya keluar dengan bersih

Akurasi OCR jauh lebih bergantung pada gambar masukan daripada pada mesinnya.

Ukuran huruf paling menentukan

Tesseract dilatih dengan teks yang huruf kapitalnya kira-kira setinggi 20 hingga 40 piksel. Itu setara dengan halaman yang di-scan pada sekitar 300 DPI. Di bawah ukuran itu, huruf mulai menyatu dan mesin mulai menebak.

• Halaman A4 penuh yang difoto dengan ponsel 12 MP (sekitar 4000×3000 px) menghasilkan teks isi dengan tinggi yang baik. Halaman yang sama dalam bingkai video 1280×720 tidak.
• Tangkapan layar ponsel pada resolusi aslinya biasanya aman. Tangkapan layar yang sudah diperkecil oleh aplikasi pesan sering kali tidak; mintalah file aslinya.
• Jika teks hanya sebagian kecil dari foto besar, potong gambar ke area tersebut. Makin sedikit latar belakang, makin sedikit deteksi palsu.

Lurus, rata, dan pencahayaan merata

• Usahakan baris teks tetap horizontal. Kemiringan beberapa derajat masih bisa ditoleransi; 10 derajat atau lebih jelas menambah kesalahan, dan teks yang miring ke samping atau terbalik umumnya gagal dikenali.
• Foto halaman dalam keadaan rata. Punggung buku yang melengkung membengkokkan baris di dekat jilidan, jadi kesalahan di bagian itu wajar terjadi.
• Hindari pantulan cahaya dari kertas mengilap dan bayangan ponsel Anda; cahaya siang dari samping lebih baik daripada lampu kilat.
• Kontras tinggi membantu: teks gelap di atas latar terang adalah kondisi ideal. Teks abu-abu muda di atas putih, atau teks di atas foto, adalah kasus tersulit.

Membaca hasilnya dengan kritis

Periksa ulang teks sebelum menempelkannya ke tempat yang penting. Kekeliruan yang sering terjadi:

• 0 dan O, 1, l, dan I, rn dan m, 5 dan S. Periksa karakter-karakter ini satu per satu pada nomor seri, kode, dan kata sandi.
• Tabel keluar sebagai baris kata yang dipisahkan spasi, tanpa struktur kolom. Salin ke spreadsheet dan pisahkan berdasarkan spasi jika perlu.
• Tata letak banyak kolom bisa membuat baris dari kolom yang bersebelahan saling bercampur; potong satu kolom setiap kali.
• Tulisan tangan berada di luar cakupan pelatihan Tesseract. Huruf kapital cetak yang rapi kadang berhasil; tulisan sambung umumnya tidak.

Hasil kosong biasanya berarti mesin tidak menemukan apa pun yang dianggapnya teks: hurufnya terlalu kecil, terlalu buram, atau bahasa yang dipilih tidak cocok dengan aksaranya, misalnya bahasa beraksara Latin dipilih padahal gambar berisi huruf Kiril.

Privasi

Karena pengenalan berjalan di perangkat Anda sendiri, gambar tidak pernah diunggah ke server. Ini membuat alat ini cocok untuk dokumen yang tidak boleh dikirim ke pihak ketiga: KTP, rekening koran, tangkapan layar internal. Kecepatannya hanya bergantung pada perangkat Anda: tangkapan layar biasa selesai dalam beberapa detik di laptop.