🔤استخراج متن از تصویر

OCR چیست

OCR فناوری‌ای است که کاراکترهای درون تصویر را تشخیص داده و آن‌ها را به داده‌های متنی قابل کپی و ویرایش تبدیل می‌کند. متن چاپ‌شده معمولاً تشخیص آن آسان‌تر است، اما متن دست‌نویس بسته به شیوه نوشتاری می‌تواند دقت کمتری داشته باشد.

نحوه عکاسی هنگامی که متن خوانده نمی‌شود

دقت خوانش بزرگ‌حد تحت تأثیر روشنایی، زاویه و وضوح تصویر قرار دارد. تصاویری با کاراکترهای کوچک، تار، یا دارای سایه باعث افزایش خطاهای تشخیص و کاراکترهای معیوب می‌شوند.

• روشنایی：عکاسی در مکانی روشن بدون سایه یا انعکاس نور کاهش خطاها می‌دهد. تفاوت روشنایی بین متن و پس‌زمینه باید واضح باشد.
• زاویه：عکاسی کاغذ از جلو و با زاویه مستقیم (برای متن عمودی، خطوط باید عمودی باشند) باعث ثبات خطوط می‌شود.
• وضوح：اگر کاراکترها خیلی کوچک باشند تشخیص آن سخت است. نزدیک‌تر شدن به بخش مورد نظر برای خوانش شکل کاراکتر را حفظ می‌کند.