Hintçe OCR: Resimden Hintçe Metne

Hintçe, Hindistan Anayasası'nın 343. maddesinde Birliğin resmî dilinin yazısı olarak belirtilen Devanagari ile yazılır. Unicode bu yazıya U+0900 ile U+097F arasındaki bloğu ayırmıştır ve her modern telefon ile bilgisayar onu gösterebilir ve yazabilir. Bir resimden tanımak, Latin baskıyı okumaktan farklıdır, çünkü yazının yapısı farklıdır.

Kelimeler, shirorekha adı verilen kesintisiz bir üst çizgiden sarkar; bu yüzden harfler birbirine değer ve boşluk aranarak ayrılamaz. İlkinden sonraki ünlüler, ünsüze eklenen matralar olarak yazılır. Arada ünlü olmayan iki ya da daha fazla ünsüz, क्ष, त्र veya श्र gibi birleşik harfte kaynaşır. Modern OCR motorları bunu, Hintçe metinle eğitilmiş sinir ağlarıyla tüm satırları okuyarak çözer; örneğin açık kaynaklı Tesseract motoru, genel bir Devanagari modelinin yanında özel bir Hintçe model de sunar.

Bu yüzden Belge dili seçimi Hintçe için çoğu Avrupa dilinden daha önemlidir. İngilizce seçiliyken Hintçe bir sayfa anlamsız sonuç verir; Hintçe seçiliyken motor Devanagari şekillerini bekler, Hintçe yazım kalıplarını uygular ve sonucu doğru Unicode sırasıyla yazar. Diller ve çıktılar hakkında daha geniş bir genel bakış için resimden yazıya çevirme sayfasına bakın.

Hintçe'de doğruluğu küçük işaretler belirler. Bir nukta veya chandrabindu yalnızca birkaç piksel yüksekliğindedir ve bulanık ya da yoğun sıkıştırılmış bir fotoğrafta ilk kaybolan şeydir. 300 DPI'da tarayın veya sayfayı kareyi dolduracak şekilde fotoğraflayın; bir mesajlaşma uygulaması üzerinden iletilen kopyayı değil, orijinal dosyayı gönderin.

Sayfaları düzelt her zamankinden daha önemlidir, çünkü eğik bir üst çizgi motorun izlediği satırı bozar. Açık bırakın; solmuş gazete kâğıdı, eski resmî formlar veya loş ışıkta çekilmiş fotoğraflar için Kontrastı artır seçeneğini de açın. Yalnızca Hintçe olan sayfalarda Ayrıca tanınacak dil seçeneğini hiçbiri olarak bırakın; gereksiz bir ikinci dil doğruluğu biraz düşürür.