画像文字起こし（画像をテキストに変換）

コンピューターにとって、ページの写真は色のついた点の集まりにすぎず、文字は含まれていません。OCRソフトは、文字の行らしく見える領域を見つけ、単語や文字に分割し、その形を選んだ言語の文字の形と照合します。最近のエンジンは行全体で学習したニューラルネットワークを使うため、変わったフォントにも対応でき、手書き向けの学習もできます。

読み取りの前に、画像を整えます。ページの傾きを補正は少し斜めから撮った写真を直し、自動回転は横向きや逆さまのページを正しい向きにし、コントラストを強調は暗い画像や色あせた画像を明るくします。どの補正も誤認識の典型的な原因を取り除くもので、最初の2つが初期設定でオンになっているのもそのためです。

スマホでも1、2行ならすでに文字を拾えます。Appleは2021年にiOS 15でライブテキストを追加し、AndroidではGoogleレンズが同じことをします。ポスターの電話番号を控える程度なら便利です。オンラインの画像テキスト変換が役立つのは、ページ全体や多数のファイル、PDF形式のスキャンを扱う場合や、クリップボードの断片ではなく文書として結果が欲しい場合です。パソコンでJPGをテキストに変換すれば、結果をそのまま編集する場所に保存できます。

同じエンジンは、このサイトの複数のページで使われています。JPGをWordに変換は編集できる文書を作成し、OCR PDFはスキャンしたPDFにテキスト層を追加し、スクリーンショットのテキスト化は鮮明な画面キャプチャ向けに調整されています。画像が段落ではなく表の場合は、画像をExcelに変換で行と列を再現できます。