Resimden yazıya (OCR)

OCR gerçekten nerede zaman kazandırır

Optik karakter tanıma, zaten gözünüzün önünde duran bir şeyi yeniden yazmak üzere olduğunuz her an işe yarar. Tipik durumlar:

• Bir talebe ya da arama motoruna yapıştırmanız gereken hata mesajı, yapılandırma parçası veya sohbet kaydının ekran görüntüsü.
• Basılı bir fişin, fatura numarasının, seri numarası etiketinin veya Wi-Fi şifre kartının fotoğrafı.
• Bir kitaptan ya da sözleşmeden taranmış, belgenin tamamına değil yalnızca iki paragrafına ihtiyaç duyduğunuz bir sayfa.
• Çeviri aracından geçirmek istediğiniz bir dildeki tabela, menü veya duyuru.

Çok sayfalı taranmış bir belge için bunun yerine taranmış PDF'yi aranabilir hale getirin; bu yöntem düzeni korur ve gizli bir metin katmanı ekler.

Görseli bıraktıktan sonra ne olur

Araç, ilk olarak HP'de geliştirilen ve daha sonra Google tarafından sürdürülen açık kaynaklı OCR motoru Tesseract'ı çalıştırır. Motor WebAssembly'ye derlenmiştir, yani doğrudan tarayıcı sekmenizin içinde çalışır. Tesseract'ın LSTM sinir ağı modu kullanılır; bu mod harfleri tek tek eşleştirmek yerine satırları bütün olarak okur.

Basitçe anlatırsak:

1. Motor ve diliniz için eğitilmiş veriler yüklenir. Tarayıcı bunları önbelleğe aldığından yalnızca ilk çalıştırmada beklersiniz.
2. Tesseract sayfa düzenini analiz eder, metin bloklarını ve satırlarını bulur, satırları kelimelere ayırır.
3. Her satır sinir ağına verilir ve ağ en olası karakterleri üretir. Gördüğünüz ilerleme çubuğu bu aşamayı izler.
4. Sonucun başındaki ve sonundaki boşluklar kırpılır, metin kutusunda gösterilir; kopyalamaya ya da görselinizin adını taşıyan bir .txt dosyası olarak kaydetmeye hazırdır.

İngilizce dışında bir dil seçtiğinizde İngilizce de otomatik olarak yanında yüklenir. Arayüz ekran görüntüleri, ürün adları, URL'ler ve kod, Rusça ya da Vietnamca bir metnin içinde bile genellikle Latin alfabesiyle yazılır; ikinci model bunların bozulmasını önler. Bir çalıştırmadan sonra dili değiştirirseniz aynı görsel yeni ayarla yeniden tanınır, yani tekrar yüklemenize gerek kalmaz.

Araç her seferinde bir görsel işler. Kabul edilen formatlar 30 MB'a kadar JPG, PNG, WebP ve BMP'dir.

Metnin temiz çıkması için görseli hazırlamak

OCR doğruluğu motordan çok girdiye bağlıdır.

En önemlisi harflerin boyutu

Tesseract, büyük harflerin kabaca 20 ila 40 piksel yüksekliğinde olduğu metinlerle eğitildi. Bu, yaklaşık 300 DPI'da taranmış bir sayfaya karşılık gelir. Bunun altında harfler birbirine karışır ve motor tahmin yürütmeye başlar.

• 12 MP'lik bir telefonla (yaklaşık 4000×3000 px) çekilmiş tam bir A4 sayfası, gövde metni için yeterli yükseklik verir. Aynı sayfa 1280×720'lik bir video karesinde yetersiz kalır.
• Doğal çözünürlükte alınmış bir telefon ekran görüntüsü genellikle sorunsuzdur. Bir mesajlaşma uygulamasının küçülttüğü ekran görüntüsü ise çoğu zaman yetmez; orijinal dosyayı isteyin.
• Metin büyük bir fotoğrafın küçük bir bölümündeyse görseli kırparak yalnızca o alanı bırakın. Daha az arka plan, daha az yanlış algılama demektir.

Düz, yassı ve eşit ışıklı

• Metin satırlarını yatay tutun. Birkaç derecelik eğim tolere edilir; 10 derece ve üzeri hataları belirgin şekilde artırır, yan yatmış ya da ters duran metin ise büyük olasılıkla tanınmaz.
• Sayfaları düz bir şekilde fotoğraflayın. Kitabın kavisli sırtı, cilt kenarına yakın satırları büker; orada hata bekleyin.
• Parlak kâğıttaki yansımalardan ve telefonunuzun gölgesinden kaçının; yandan gelen gün ışığı flaştan daha iyi sonuç verir.
• Yüksek kontrast işe yarar: açık zemin üzerinde koyu metin idealdir. Beyaz üzerinde açık gri metin ya da bir fotoğrafın üzerine yazılmış metin en zor durumdur.

Sonucu eleştirel gözle okumak

Metni önemli bir yere yapıştırmadan önce mutlaka gözden geçirin. Sık yapılan karışıklıklar:

• 0 ve O, 1, l ve I, rn ve m, 5 ve S. Seri numaralarında, kodlarda ve şifrelerde bunları karakter karakter kontrol edin.
• Tablolar, sütun yapısı olmadan, boşluklarla ayrılmış kelime satırları olarak çıkar. Gerekirse bir elektronik tabloya kopyalayıp boşluklara göre bölün.
• Çok sütunlu düzenlerde komşu sütunların satırları birbirine karışabilir; her seferinde tek bir sütunu kırpın.
• El yazısı, Tesseract'ın eğitildiği kapsamın dışındadır. Düzgün büyük harfler bazen işe yarar; bitişik el yazısı genellikle yaramaz.

Boş bir sonuç genellikle motorun metin sayabileceği hiçbir şey bulamadığı anlamına gelir: harfler çok küçük ya da çok bulanıktır veya alfabe için yanlış dil seçilmiştir; örneğin görselde Kiril harfleri varken Latin alfabeli bir dil seçilmiştir.

Gizlilik

Tanıma kendi cihazınızda yapıldığından görsel hiçbir zaman bir sunucuya yüklenmez. Bu da aracı üçüncü taraflara göndermemeniz gereken belgeler için uygun kılar: kimlik kartları, banka ekstreleri, şirket içi ekran görüntüleri. Hız yalnızca cihazınıza bağlıdır: tipik bir ekran görüntüsü bir dizüstü bilgisayarda birkaç saniye sürer.