Πώς να αντιγράψετε κείμενο από στιγμιότυπο ή φωτογραφία, στη συσκευή σας

Για να αντιγράψετε κείμενο από ένα στιγμιότυπο ή μια φωτογραφία, χρειάζεστε OCR, δηλαδή οπτική αναγνώριση χαρακτήρων (optical character recognition): λογισμικό που εντοπίζει τα γράμματα σε μια εικόνα και τα μετατρέπει σε χαρακτήρες που μπορείτε να επιλέξετε, να επεξεργαστείτε και να επικολλήσετε. Επικολλήστε ή σύρετε την εικόνα στο εργαλείο εξαγωγής κειμένου από εικόνα και οι λέξεις εμφανίζονται ως κείμενο προς επεξεργασία. Η ανάγνωση γίνεται στο πρόγραμμα περιήγησης και η εικόνα δεν ανεβαίνει πουθενά. Σύγκριση Google Drive, OnlineOCR.net και Adobe Acrobat καλύπτει τις διαδικτυακές εναλλακτικές και τι κάνει καθεμία με το αρχείο σας.

Εξαγωγή κειμένου από εικόναΔεν αντιγράφεται το κείμενο της εικόναςΚάντε το δωρεάν

Πώς διαβάζει το OCR μια εικόνα με απλά λόγια

Μια εικόνα είναι στην ουσία ένα πλέγμα από έγχρωμες κουκκίδες. Το OCR δουλεύει σε στάδια. Πρώτα εντοπίζει μπλοκ κειμένου και τις γραμμές μέσα σε αυτά. Έπειτα μετατρέπει κάθε γραμμή σε ακολουθία σχημάτων γραμμάτων και αποφασίζει ποιον χαρακτήρα αντιπροσωπεύει πιθανότατα το καθένα. Τέλος, χρησιμοποιεί μοτίβα που έχει μάθει από μεγάλο όγκο αγγλικού κειμένου για να διαλέξει ανάμεσα σε παρόμοιες επιλογές, ώστε το «rn» και το «m», ή το «l» και το «I», να κρίνονται από τις λέξεις γύρω τους.

Η μηχανή πίσω από αυτό το εργαλείο είναι το Tesseract, μηχανή OCR ανοιχτού κώδικα που κυκλοφορεί με άδεια Apache 2.0. Ο ιστότοπος χρησιμοποιεί μια έκδοση μεταγλωττισμένη σε WebAssembly, μορφή που μπορούν να εκτελούν τα προγράμματα περιήγησης σχεδόν με την ταχύτητα εγγενούς εφαρμογής, μέσω της βιβλιοθήκης tesseract.js. Χρησιμοποιεί ένα αγγλικό μοντέλο βασισμένο σε νευρωνικό δίκτυο (ένα LSTM). Την πρώτη φορά που το χρησιμοποιείτε, κατεβαίνουν η μηχανή και το μοντέλο, και το πρόγραμμα περιήγησης τα κρατά για μελλοντική χρήση. Από εκεί και πέρα, η ανάγνωση γίνεται στη συσκευή σας.

Τα όρια προκύπτουν από αυτόν τον σχεδιασμό. Το μοντέλο είναι για αγγλικά και για κείμενο με λατινικό αλφάβητο χωρίς διακριτικά. Άλλα αλφάβητα, όπως το κυριλλικό, το αραβικό ή το κινεζικό, δεν υποστηρίζονται, και τα γράμματα με τόνους ή διαλυτικά δεν διαβάζονται αξιόπιστα. Τα χειρόγραφα είναι διαφορετικό πρόβλημα και δεν είναι αυτό για το οποίο προορίζεται το εργαλείο.

Γιατί τα στιγμιότυπα διαβάζονται καλύτερα από τις φωτογραφίες

Ένα στιγμιότυπο είναι το κείμενο όπως το σχεδίασε ο υπολογιστής: καθαρές άκρες, γνωστό μέγεθος, επίπεδο χρώμα, χωρίς προοπτική. Μια φωτογραφία του ίδιου κειμένου περιλαμβάνει ό,τι είδε η κάμερα: τη γωνία της σελίδας, σκιές, τσαλακωμένο χαρτί, αντανακλάσεις, θολούρα κίνησης και τη συμπίεση που εφαρμόζουν τα τηλέφωνα για να εξοικονομήσουν χώρο. Καθένα από αυτά αλλάζει τα σχήματα που πρέπει να ταιριάξει το OCR.

Το μέγεθος έχει επίσης σημασία. Ως γενικός κανόνας, το OCR δουλεύει καλύτερα όταν τα κεφαλαία γράμματα έχουν ύψος τουλάχιστον 20 έως 30 pixel. Κείμενο σε μικρή μικρογραφία μπορεί να είναι πολύ μικρό για να διαχωριστεί, και κείμενο σε έντονα συρρικνωμένο στιγμιότυπο θολώνει σε γκρι. Το εργαλείο μεγεθύνει τις μικρές εικόνες πριν τις διαβάσει, κάτι που βοηθά, αλλά δεν μπορεί να ανακτήσει λεπτομέρεια που δεν υπήρχε ποτέ στο αρχείο. Αν μπορείτε, τραβήξτε το στιγμιότυπο στο μέγεθος που εμφανίζεται το κείμενο στην οθόνη, και μην μικραίνετε τη σελίδα μόνο και μόνο για να χωρέσει περισσότερα.

Τα στιγμιότυπα σε σκοτεινή λειτουργία αποτελούν ειδική περίπτωση. Το λευκό κείμενο σε σκούρο φόντο είναι δυσκολότερο για πολλές μηχανές OCR, γι' αυτό το εργαλείο αντιστρέφει αυτές τις εικόνες πριν τις διαβάσει. Δεν χρειάζεται να κάνετε κάτι. Μια οθόνη πολύ χαμηλής αντίθεσης, όπως γκρι κείμενο σε σκούρο γκρι, θα διαβάζεται και πάλι άσχημα.

Συμβουλές για καθαρό αποτέλεσμα

• Περικόψτε στο κείμενο. Αφαιρέστε πρώτα γραμμές εργαλείων, εικονίδια και κουμπιά. Περικόψτε την εικόνα ώστε να μείνει μόνο το μπλοκ που χρειάζεστε. Λιγότερη φασαρία σημαίνει λιγότερες λέξεις που το εργαλείο πρέπει να μαντέψει.
• Ισιώστε τη φωτογραφία. Κρατήστε το τηλέφωνο παράλληλα με τη σελίδα, ώστε οι γραμμές να είναι οριζόντιες. Μια στραβή σελίδα διαβάζεται χειρότερα, και μια γραμμή που βγαίνει έξω από το πλαίσιο θα χάσει τα τελευταία γράμματα. Αν η φωτογραφία είναι πλάγια, περιστρέψτε την πρώτα, ή δείτε τον οδηγό για πλάγιες φωτογραφίες.
• Χρησιμοποιήστε ομοιόμορφο φως. Το φως της ημέρας από το πλάι είναι το καλύτερο, και το φλας που αντανακλάται σε γυαλιστερή σελίδα είναι το χειρότερο. Μια σκιά που καλύπτει τη μισή σελίδα θα κόψει την ανάγνωση στη μέση.
• Πλησιάστε, αλλά όχι υπερβολικά. Γεμίστε το πλαίσιο με το κείμενο. Μια μακρινή φωτογραφία ολόκληρης σελίδας σπαταλά τα pixel της στα περιθώρια.
• Αποφύγετε την έντονη συμπίεση. Μια εφαρμογή μηνυμάτων που στέλνει φωτογραφία ως αντίγραφο χαμηλής ποιότητας έχει πετάξει λεπτομέρεια. Στείλτε το αρχικό αρχείο ή τραβήξτε ξανά το στιγμιότυπο.

Ελέγξτε τις λέξεις που σημαδεύει το εργαλείο

Μετά την ανάγνωση, το εργαλείο δείχνει τρεις αριθμούς: το πλήθος των λέξεων, τη μέση βεβαιότητα και το πλήθος των λέξεων για έλεγχο. Σημαδεύει επίσης με κόκκινο πάνω στην εικόνα τις λέξεις για τις οποίες δεν είναι σίγουρο. Συγκρίνετε τις κόκκινες λέξεις με το πρωτότυπο πριν χρησιμοποιήσετε το κείμενο, γιατί εκεί συνήθως κάνει λάθη το OCR.

Οι συνηθισμένες συγχύσεις είναι προβλέψιμες: το γράμμα O και το ψηφίο 0, το κεφαλαίο I και το πεζό l, το ψηφίο 1, το γράμμα S και το ψηφίο 5, και ένα κόμμα που διαβάζεται ως τελεία. Ποσά και κωδικοί θέλουν τον πιο προσεκτικό έλεγχο, αφού ένα λάθος ψηφίο μπορεί να αλλάξει εντελώς το νόημα. Η μέση βεβαιότητα είναι χρήσιμη για να κρίνετε μια ολόκληρη σελίδα. Αν είναι χαμηλή, το πρόβλημα είναι πιθανότατα η εικόνα, και μια καλύτερη φωτογραφία θα νικήσει κάθε επεξεργασία.

Ενώστε τις γραμμές σε παραγράφους

Το OCR αναφέρει το κείμενο όπως εμφανίζονται οι γραμμές στη σελίδα. Αν αντιγράψετε μια παράγραφο από στενή στήλη, κάθε οπτική γραμμή μπορεί να βγει ως ξεχωριστή γραμμή. Η επιλογή ένωσης γραμμών σε παραγράφους αφαιρεί αυτές τις αλλαγές γραμμής, ώστε το κείμενο να ρέει ξανά. Μην τη χρησιμοποιείτε για λίστες, ποιήματα, διευθύνσεις, κώδικα ή πίνακες, όπου οι αλλαγές γραμμής έχουν νόημα. Αν έχετε ήδη αντιγράψει σπασμένο κείμενο από PDF ή email, το εργαλείο διόρθωσης επικολλημένου κειμένου επιδιορθώνει τις γραμμές σε αυτό το κείμενο. Ο οδηγός αντιγραφής από PDF εξηγεί γιατί εμφανίζονται αυτές οι αλλαγές γραμμής.

Όταν το κείμενο είναι σωστό, πατήστε Αντιγραφή κειμένου, ή Αποθήκευση .txt αν θέλετε αρχείο.

Γιατί έχει σημασία η ανάγνωση στη συσκευή

Τα στιγμιότυπα συχνά περιέχουν πράγματα που δεν θα θέλατε σε διακομιστή αγνώστου: στοιχεία τραπεζικού λογαριασμού, κάρτα επιβίβασης, ιατρική επιστολή, ιδιωτικό μήνυμα. Πολλοί διαδικτυακοί ιστότοποι OCR στέλνουν την εικόνα στους διακομιστές τους για να τη διαβάσουν. Αυτό το εργαλείο δεν το κάνει. Τρέχει στο πρόγραμμα περιήγησης, χωρίς λογαριασμό και χωρίς ανέβασμα.

Η ανάγνωση του κειμένου είναι μία δουλειά, και η απόκρυψη μερών του είναι άλλη. Αν χρειάζεται να καλύψετε μέρη ενός στιγμιοτύπου πριν το μοιραστείτε, χρησιμοποιήστε πρώτα το εργαλείο απόκρυψης εικόνας, και έπειτα τρέξτε την ανάγνωση κειμένου στην εκδοχή που είστε διατεθειμένοι να μοιραστείτε. Ο οδηγός απόκρυψης στιγμιοτύπων έχει περισσότερα για το τι να κρύβετε.

Πώς να το κάνετε με το fixmint

1. Πατήστε Ctrl+V για να επικολλήσετε ένα στιγμιότυπο, σύρετε μια φωτογραφία στην περιοχή αποθέσεως, ή πατήστε για να επιλέξετε μία.
2. Περιμένετε να ολοκληρωθεί η ανάγνωση, και μετά ελέγξτε τα νούμερα λέξεις, βεβαιότητα και για έλεγχο.
3. Κοιτάξτε τις λέξεις με κόκκινο στην εικόνα και διορθώστε τις στο πλαίσιο Κείμενο.
4. Επιλέξτε Ένωση γραμμών σε παραγράφους μόνο για πεζό κείμενο, και μετά κάντε κλικ στην Αντιγραφή κειμένου ή στην Αποθήκευση .txt.

Σύντομες απαντήσεις

Γιατί το εργαλείο αργεί την πρώτη φορά; Κατεβάζει τη μηχανή OCR και το αγγλικό μοντέλο, που είναι μεγάλα. Οι επόμενες χρήσεις επαναχρησιμοποιούν τα αποθηκευμένα αρχεία.

Γιατί μία λέξη είναι λάθος όταν οι υπόλοιπες είναι σωστές; Η μηχανή διάλεξε τον πιο πιθανό χαρακτήρα για ένα σχήμα που ήταν ασαφές. Κοιτάξτε τη σημαδεμένη λέξη και διορθώστε την στο πλαίσιο κειμένου.

Μπορεί να διαβάσει ολόκληρο βιβλίο; Διαβάζει μία εικόνα τη φορά. Οι πολύ μεγάλες εικόνες χρησιμοποιούν πολλή μνήμη και παίρνουν περισσότερο χρόνο, οπότε χωρίστε πρώτα ένα μεγάλο έγγραφο σε σελίδες.