Je scant een rapport van meerdere pagina's en slaat het op als PDF. Wanneer je het opent en op Ctrl+F drukt (of ⌘+F op een Mac), wordt er niets gevonden - zelfs geen enkel woord dat je duidelijk op de eerste pagina kunt zien. Het document is een afbeelding, en afbeeldingen bevatten geen doorzoekbare tekst.
Het doorzoekbaar maken van een gescande PDF voegt een onzichtbare tekstlaag achter de afbeeldingen toe. De tekstlaag is wat Ctrl+F, documentmanagementsystemen en zoekmachines lezen. De visuele weergave van het document blijft exact hetzelfde.
Wat OCR doet
Optical Character Recognition (OCR)-software analyseert elke pixel van elke pagina en identificeert tekens, woorden en de lay-outstructuur. Vervolgens plaatst het die tekens in een verborgen laag op dezelfde positie als de bijbehorende afbeeldingstekst. Het resultaat is een PDF die er identiek uitziet als de originele scan maar waarin zich onderaan echte,>Selecteer- en doorzoekbare tekst bevindt.
Hoe je je PDF doorzoekbaar maakt met Pagivo
- OpenAsk PDFop Pagivo en log in als daarom wordt gevraagd.
- Upload je gescande PDF.
- Typ een verzoek zoalsmaak deze PDF doorzoekbaar met OCR.
- Klik opVerwerken en downloaden. Pagivo voert OCR uit op pagina's die dat nodig hebben en levert het document terug met een toegevoegde doorzoekbare tekstlaag.
- Open het resultaat in een willekeurige PDF-viewer en druk op Ctrl+F. Je zoektermen worden nu gevonden.
Factoren die de nauwkeurigheid beïnvloeden
OCR werkt het beste op schone, goed gescande documenten. Diverse factoren bepalen hoe nauwkeurig de tekstlaag zal zijn:
- Scanresolutie.300 DPI is het praktische minimum voor betrouwbare OCR. Lagere resoluties leveren onbetrouwbare tekenherkenning op, vooral bij kleine tekst.
- Rechte ligging van de pagina.Een scheve of gebogen pagina verwart de detectie van tekengrenzen. Platbedscanners leveren om deze reden consequent betere resultaten op dan telefooncamera's.
- Helderheid van het lettertype.Standaard gedrukte lettertypen worden met zeer hoge nauwkeurigheid herkend. Sierlettertypen, zeer kleine tekst (minder dan 8pt-equivalent bij 300 DPI) en sterk gecomprimeerde scans veroorzaken meer herkenningsfouten.
- Handschrift.De meeste OCR-engines zijn getraind op gedrukte tekst. Reken op een lagere nauwkeurigheid of grotendeels onbruikbare uitvoer bij handgeschreven pagina's.
Wanneer je de inhoud wilt bewerken, niet alleen doorzoeken
OCR maakt een doorzoekbare PDF - de tekst is echt, maar de pagina ziet er nog steeds uit als een scan. Als je de inhoud wilt bewerken (een naam corrigeren, een datum wijzigen, een tabel opnieuw opmaken), moet je de PDF omzetten naar een bewerkbaar formaat. De aanbevolen werkwijze is: voer eerst OCR uit om een doorzoekbare PDF te maken, en converteer die PDF vervolgens naar Word metPDF naar Wordvoor de beste conversiekwaliteit.
Google Drive gebruiken als gratis alternatief
Google Drive heeft ingebouwde OCR zonder kosten. Upload de PDF naar Google Drive, klik er met de rechtermuisknop op en kiesOpenen met Google Docs. Google voert OCR uit en opent het resultaat als een bewerkbaar document. De pagina-opmaak wordt niet behouden, maar de tekst wordt geëxtraheerd. Dit werkt goed voor korte documenten waarbij je alleen de tekstinhoud nodig hebt, niet de oorspronkelijke lay-out.