OCRとは何か、どのように動くのか
光学文字認識（OCR）は、画像やスキャンしたページ内の文字を検出し、検索・コピー・処理できるテキストに変換します。便利な技術ですが、結果は認識データであり、完全な書き起こしや文書の理解を保証するものではありません。
OCRでできること
人には文字に見えるスキャンページも、コンピューターには最初は画素の集まりです。OCRは画像を解析し、文字領域を見つけ、文字や単語を推定します。ソフトによっては行の位置やページ構造の一部も出力します。
デジタルPDFの多くには選択可能なテキストが含まれており、OCRは不要です。主にテキスト層のない写真や画像に使います。
認識の流れ
一般的には画像を整え、文字領域を検出し、文字や単語を認識して、行や構造に整理します。最近のサービスにはレイアウトや複数言語を扱うものもありますが、機能や対応言語は製品とバージョンによって異なります。
出力はプレーンテキスト、検索可能なPDF、構造化データなどです。標準的なOCRは、読み取った金額や氏名、文章が事実として正しいかを確認しません。
スキャンの品質を高める
ピントが合い、均一に照らされた、傾きの少ない画像を使います。Tesseractの文書は同エンジンが300 dpi以上で最もよく動作すると説明しています。これはそのエンジンに関する指針で、すべての端末やサービスに共通する要件ではありません。提出先の仕様に従ってください。
原本を保管し、数字、日付、氏名、アクセント記号、列、表、手書き、薄い注記を確認します。似た文字を取り違えたり、複雑な配置の順序を誤ったりする場合があります。
プライバシーと文書の扱い
オンラインOCRにアップロードする前に、提供元の最新のプライバシー、保存期間、アクセス条件を確認してください。文書には個人情報や金融情報が含まれることがあります。機密文書では、許可されたローカル処理を検討し、管理組織の規則に従ってください。
ConverteArqのPDFツールは現在OCRに対応していません。関連ガイドではスマートフォンで書類を撮影する方法を説明します。このページはサイトでの文字抽出を約束するものではありません。
関連ガイド
元画像をきれいに撮る方法は スマートフォンで書類をスキャンするガイド.
よくある質問
OCRは文書の内容を理解しますか？
OCRは文字を認識し、配置情報を返すことがあります。しかし事実を検証したり、法律・金融上の意味を確実に解釈したりするわけではありません。
すべてのOCRで300 dpiが必要ですか？
いいえ。共通の設定はありません。Tesseractは自らのエンジンに少なくとも300 dpiを勧めていますが、提出先や別のソフトには異なる要件がある場合があります。
手書きも読めますか？
手書きに対応する製品もありますが、言語、筆跡、画像の品質、モデルによって結果が異なります。原本と照合してください。