OCR aanlyn

Optiese karakterherkenning is ouer as die persoonlike rekenaar: die Kurzweil Reading Machine het in 1976 gedrukte boeke hardop aan blinde gebruikers gelees. Die oopbron-enjin Tesseract het in die 1980's by Hewlett-Packard begin, is in 2005 as oopbron vrygestel en het in 2018 in weergawe 4.0 'n neurale-netwerk-herkenner (LSTM) gekry. Moderne enjins vind teksgebiede, dan reëls, en herken elke reël as 'n reeks eerder as letter vir letter, en daarom hanteer hulle noue spasiëring en ligature beter as ouer sagteware.

Wat uitkom is teks plus posisies. Kies Gewone teks (.txt) as jy die woorde êrens wil plak, Word (.docx) om met behoud van uitleg te wysig, Deursoekbare PDF wanneer die skandering moet bly soos dit is, en Markdown vir aantekeninge en dokumentasie. Studente gebruik dit vir ou vraestelle en gedrukte uitdeelstukke, kantore vir fakture en briewe, ontwikkelaars vir skermkiekies van foutboodskappe.

OCR herken karakters, nie betekenis nie. Dit kan nie seker wees of 'n reël 'n opskrif of byskrif is nie, kan nie teks lees wat onder 'n stempel weggesteek is nie, en weet nie of 'n verkeerd gelese getal sin maak nie. Grafieke, diagramme en foto's word nie beskryf nie; slegs woorde wat daarin gedruk is, word gelees. Wiskundige notasie kom uit as gewone karakters, nie as vergelykings nie.

Dit is ook nie 'n vertaler nie: die resultaat is in die taal van die oorspronklike. Vir 'n dokument wat reeds werklike teks bevat, is OCR die verkeerde hulpmiddel, aangesien PDF na teks die bestaande teks vinniger en sonder foute lees. Vir skanderings wat PDF's moet bly, gebruik OCR PDF, en vir Word-uitvoer uit prente, beeld na Word.