پرش به محتوای اصلی

راهنمای استخراج متن از تصویر (OCR فارسی)

زمان مطالعه: ۳ دقیقه

این ابزار چیست؟

عکس یک صفحه‌ی کتاب، اسکن یک نامه‌ی اداری یا پی‌دی‌افی که فقط تصویر صفحه‌هاست را نمی‌توان کپی یا جست‌وجو کرد. این ابزار با شناسایی نوری نویسه (OCR) متن فارسی و انگلیسی را از تصویر بیرون می‌کشد تا بتوانید آن را ویرایش، جست‌وجو یا نقل کنید.

شناسایی کاملاً در مرورگر شما انجام می‌شود و فایل، مدل زبان و متن خروجی از دستگاه خارج نمی‌شوند. مدل زبان بار اول از همین سایت بارگیری و در مرورگر ذخیره می‌شود، پس دفعه‌های بعد سریع‌تر است و بدون اینترنت هم کار می‌کند.

گام‌به‌گام

  1. فایل را بدهید

    تا پنج تصویر PNG، JPG یا WebP یا یک فایل PDF را رها کنید؛ حجم هر فایل تا ۱۵ مگابایت. از PDF حداکثر ۲۰ صفحه پردازش می‌شود و می‌توانید در کادر «صفحه‌ها» بازه‌ای مثل 1-3, 5 بنویسید.

  2. تصویر را بهتر کنید

    اگر تصویر کم‌رنگ، رنگی یا تار است، «سیاه‌وسفید کردن»، «دوگانه‌سازی با آستانه»، وضوح و بزرگ‌نمایی ×۲ را امتحان کنید. پیش‌نمایش پیش و پس از بهبود را کنار هم می‌بینید.

  3. کجی را صاف کنید

    اگر صفحه کج عکاسی شده، «صاف‌کردن کجی» را روشن کنید تا زاویه تخمین زده و تصویر پیش از شناسایی چرخانده شود.

  4. زبان را انتخاب کنید و شناسایی را شروع کنید

    برای متن فقط فارسی «فارسی» و برای متنی که واژه‌ی لاتین هم دارد «فارسی + انگلیسی» را بردارید و «استخراج متن» را بزنید. هر وقت خواستید می‌توانید لغو کنید.

  5. متن را بازبینی کنید

    متن استخراج‌شده در کادر ویرایش‌پذیر می‌آید و پیش از نمایش، ی و ک، ارقام و نیم‌فاصله‌ها یکدست می‌شوند. آن را با تصویر مقایسه کنید و خطاها را اصلاح کنید.

نمونه‌های کاربردی

  • یکدست‌سازی خروجی خام

    خروجی خام موتور شناسایی ممکن است ی و ک عربی، ارقام لاتین، «می» جدا و سطرهای خالی پشت سر هم داشته باشد؛ پاک‌سازی پایانی این‌ها را درست می‌کند.

    نتیجه: قیمت کتاب ۱۲۵ هزار تومان است، سپس یک سطر خالی و «می‌خواهم» با نیم‌فاصله

  • بازه‌ی صفحه‌ها در PDF

    نوشتن 1-3, 5 در کادر صفحه‌ها فقط همین صفحه‌ها را شناسایی می‌کند؛ ارقام فارسی هم پذیرفته می‌شوند.

    نتیجه: صفحه‌های ۱، ۲، ۳ و ۵

  • گزارش کجی

    وقتی صاف‌کردن کجی روشن است، زاویه‌ی تخمینی با جهت چرخش به زبان ساده گزارش می‌شود.

    نتیجه: کجی: ۲٫۳ درجه (پادساعتگرد)

اشتباه‌های رایج

  • دادن عکس تار یا کم‌نور: OCR روی متن چاپی تمیز با زمینه‌ی روشن بهترین نتیجه را می‌دهد. در نور کافی و از روبه‌رو عکس بگیرید.
  • انتظار شناسایی دست‌خط یا خوشنویسی: موتور برای حروف چاپی ساخته شده و روی دست‌خط و قلم‌های تزئینی خطای زیادی دارد.
  • انتخاب «فارسی + انگلیسی» برای متن کاملاً فارسی: مدل انگلیسی سنگین‌تر است و ممکن است برخی شکل‌ها را به‌اشتباه حرف لاتین بخواند.
  • اعتماد بی‌بازبینی به متن خروجی: درصد «اعتماد» فقط یک تخمین است. متن نهایی را با تصویر مقایسه کنید، به‌ویژه عددها و نام‌ها.
  • اجرا در پنجره‌ی خصوصی با حافظه‌ی پر: اگر مرورگر اجازه‌ی ذخیره‌ی مدل زبان را ندهد، شناسایی انجام نمی‌شود؛ در پنجره‌ی عادی امتحان کنید.

چرا پیش‌پردازش دقت را بالا می‌برد؟

موتور شناسایی در اصل دنبال مرز میان نویسه‌های تیره و زمینه‌ی روشن می‌گردد. سایه، رنگ کاغذ و نویز دوربین این مرز را محو می‌کنند. سیاه‌وسفید کردن رنگ‌ها را حذف می‌کند، دوگانه‌سازی هر نقطه را کاملاً سیاه یا سفید می‌کند و بزرگ‌نمایی به حروف ریز جزئیات بیشتری می‌دهد.

برای متن فارسی این اهمیت بیشتری دارد، چون نقطه‌ها و دندانه‌های کوچک فرق «ب»، «ت» و «پ» را می‌سازند. اگر نتیجه پر از حرف‌های جابه‌جا بود، یک بار با بزرگ‌نمایی ×۲ دوباره شناسایی کنید.

پرسش‌های متداول

آیا عکس من به سرور ارسال می‌شود؟
نه؛ شناسایی متن کاملاً در مرورگر شما و روی همین دستگاه انجام می‌شود. فایل، مدل زبان و خروجی هرگز از دستگاه شما خارج نمی‌شود.
دقت شناسایی چقدر است؟
دقت OCR متغیر است: متن چاپی تمیز روی زمینه‌ی روشن بهترین نتیجه را می‌دهد، اما روی خط نوشته، فونت‌های تزئینی یا تصویر تار خطا زیاد است. متن خروجی را حتماً بازبینی کنید.
پیش‌پردازش چه زمانی لازم است؟
اگر تصویر کم‌رنگ، تار یا رنگی است، گزینه‌های سیاه‌وسفید و وضوح و بزرگ‌نمایی ×۲ معمولاً دقت را بالا می‌برد. پیش‌نمایش قبل و بعد را ببینید.
بار اول چرا یک لحظه طول می‌کشد؟
مدل زبان فارسی (حدود نیم مگابایت) و انگلیسی (حدود سه مگابایت) یک بار از همین سایت بارگیری و در مرورگر ذخیره می‌شود؛ دفعات بعد سریع‌تر است و بدون اینترنت هم کار می‌کند.

ابزارهای مرتبط