تصویر سے ٹیکسٹ (OCR)

کمپیوٹر کے لیے صفحے کی تصویر رنگین نقطوں کا جال ہے؛ اس میں حروف نہیں ہوتے۔ OCR سافٹ ویئر ان حصوں کو ڈھونڈتا ہے جو متن کی سطروں جیسے لگتے ہیں، انہیں الفاظ اور حروف میں تقسیم کرتا ہے اور ان کی شکلوں کو منتخب زبان کے حروف کی شکلوں سے ملاتا ہے۔ جدید انجن پوری سطروں پر تربیت یافتہ نیورل نیٹ ورک استعمال کرتے ہیں، اسی لیے وہ غیر معمولی فونٹ بھی سنبھال لیتے ہیں اور ہاتھ کی تحریر کے لیے بھی تربیت پا سکتے ہیں۔

پڑھنے سے پہلے تصویر صاف کی جاتی ہے۔ صفحات سیدھے کریں ہلکے زاویے سے لی گئی تصاویر درست کرتا ہے، خودکار گردش آڑے یا الٹے صفحات کو سیدھا کرتی ہے، اور کنٹراسٹ بہتر کریں مدھم یا پھیکی تصاویر کو روشن کرتا ہے۔ ہر اصلاح الفاظ غلط پڑھے جانے کی ایک عام وجہ ختم کرتی ہے، اسی لیے پہلی دو بطورِ طے شدہ آن ہیں۔

فون پہلے ہی ایک دو سطریں پہچان لیتے ہیں: Apple نے 2021 میں iOS 15 میں Live Text شامل کیا، اور Google Lens اینڈرائیڈ پر یہی کام کرتا ہے۔ پوسٹر پر فون نمبر کے لیے یہ آسان ہیں۔ آن لائن امیج ٹو ٹیکسٹ کنورٹر تب کام آتا ہے جب پورے صفحات ہوں، بہت سی فائلیں ہوں، PDF صورت میں اسکین ہو، یا نتیجہ کلپ بورڈ کے ٹکڑے کے بجائے دستاویز کی صورت میں چاہیے ہو۔ کمپیوٹر پر JPG کو ٹیکسٹ میں بدلنے کا مطلب یہ بھی ہے کہ نتیجہ وہیں ملتا ہے جہاں آپ اسے ایڈٹ کریں گے۔

یہی انجن اس سائٹ کے کئی صفحات چلاتا ہے۔ JPG to Word قابلِ ترمیم دستاویز بناتا ہے، OCR PDF اسکین شدہ PDF میں متن کی تہہ شامل کرتا ہے، اور screenshot to text صاف اسکرین کیپچر کے لیے ترتیب دیا گیا ہے۔ جب تصویر پیراگراف کے بجائے جدول ہو تو image to Excel قطاریں اور کالم دوبارہ بناتا ہے۔