تبدیل عکس به متن (OCR) چطور کار میکند؟
OCR یعنی «بازخوانی ماشین از متن». وقتی عکسی از یک برگه میفرستید، این مراحل میافتد:
۱. پیشپردازش تصویر
تصویر بزرگتر/کوچکتر میشود تا خوانا شود، روشنایی یکنواخت میشود و نویز حذف میشود. این مرحله تعیینکنندهٔ کیفیت خروجی است.
۲. پیدا کردن بلوکهای متن
موتور خطوط و بلوکهای متنی را در تصویر مییابد و ترتیب عمودی/افقی آنها را تشخیص میدهد.
۳. خواندن کلمات
هر کلمه با مدل بصری تبدیل به رشته میشود. برای فارسی، چسبیدگی حروف و جهت راستبهچپ درست رعایت میشود.
۴. مونتاژ متن نهایی
بلوکها بر اساس چیدمان صفحه به ترتیب درست میچسبانند؛ عنوانها، پاراگرافها و سطرهای جدول بهترتیب برمیآیند.
نتیجه
متن خروجی ۱۰۰٪ انتخابپذیر و قابلویرایش است. برای اسناد چاپی تمیز، دقت معمولاً بسیار بالاست؛ برای عکسهای شطرنجی یا دستنویس، بازبینی دستی توصیه میشود.