LocalUtils field note · Extrahieren Sie bearbeitbaren englischen Text aus einem klaren Bild
Extrahieren Sie bearbeitbaren englischen Text aus einem klaren Bild
Die optische Zeichenerkennung schätzt Zeichen aus Pixeln; Es wird keine ursprüngliche Textebene abgerufen. Die Genauigkeit hängt stark von Fokus, Kontrast, Ausrichtung, Typografie, Layout und Sprache ab.
Der aktuelle LocalUtils OCR-Workflow verwendet gebündelte englische Tesseract-Sprachdaten. Es ist nützlich für Entwürfe und Suchhilfen, aber jedes Ergebnis muss mit der Quelle verglichen werden, bevor ein Angebot, eine Barrierefreiheit, ein Finanzeintrag oder andere Folgearbeiten vorgenommen werden.
Schnellstart
- Schneiden Sie die Quelle auf den relevanten Text zu und korrigieren Sie die Ausrichtung vor dem Hochladen.
- Verwenden Sie ein scharfes Bild mit gleichmäßiger Beleuchtung, ausreichender Auflösung und starkem Vordergrund-/Hintergrundkontrast.
- Führen Sie die Erkennung aus und beobachten Sie die Fortschrittsanzeige, während der Arbeiter das Bild verarbeitet.
- Kopieren Sie das Ergebnis in einen Editor, behalten Sie Zeilenumbrüche nur dort bei, wo es sinnvoll ist, und vergleichen Sie Namen, Zahlen, Satzzeichen und mehrdeutige Zeichen mit dem Bild.
device → browser engine → result
Was der Browser macht
Ein Tesseract.js-Worker lädt die gebündelten, auf Englisch trainierten Daten und WebAssembly-Assets. Die Erkennung erfolgt im Worker und nicht auf einem Cloud-OCR-Endpunkt.
Der erste Ladevorgang kann Anwendungs- und OCR-Assets vom Host anfordern. Dieser Asset-Verkehr unterscheidet sich vom Hochladen des ausgewählten Bildes zur Erkennung. Sobald es zwischengespeichert ist, bestimmt das Verhalten von Browser und Servicemitarbeitern, was offline ausgeführt werden kann.
Ein- und Ausgänge
- Eingabe: Bildtypen, die der Browser dekodieren und Tesseract.js lesen kann.
- Erkennungssprache: gebündelte englische Daten in der aktuellen Schnittstelle.
- Ausgabe: Vom Benutzer kopierter oder heruntergeladener Klartext.
Grenzen, die Sie kennen sollten, bevor Sie beginnen
- Handschrift, gebogener Text, Tabellen, mehrspaltige Layouts, dekorative Schriftarten und Screenshots mit niedriger Auflösung verringern die Genauigkeit.
- Die Ausgabe bewahrt die semantische Struktur nicht und reproduziert Tabellen nicht zuverlässig.
- Englischsprachige Daten werden viele nicht-englische Wörter und Zeichen falsch interpretieren.
- Die OCR-Konfidenz ist kein Beweis dafür, dass eine Zahl oder ein Name korrekt ist.
Fehlerbehebung
- Wenn die Ausgabe leer ist, schneiden Sie den Text näher an den Text heran und erhöhen Sie den Kontrast.
- Wenn Linien in der falschen Reihenfolge angezeigt werden, verarbeiten Sie kleinere Bereiche separat.
- Wenn Ziffern mit Buchstaben verwechselt werden, überprüfen Sie jedes Vorkommen anhand des Bildes, anstatt eine blinde Ersetzung vorzunehmen.
Checkliste zur Verifizierung
- Lesen Sie den extrahierten Text neben der Quelle bei hoher Vergrößerung.
- Überprüfen Sie Eigennamen, Datumsangaben, Dezimaltrennzeichen, Kontonummern und Satzzeichen einzeln.
- Behalten Sie das Quellbild mit dem korrigierten Text bei, wenn es auf die Rückverfolgbarkeit ankommt.
Fragen, die Menschen stellen
Kann es Handschrift erkennen?
Es kann zu Teilergebnissen führen, aber das aktuelle allgemeine englische Modell ist in erster Linie für gedruckten Text gedacht.
Warum ist der erste Lauf langsamer?
Der Browser muss möglicherweise den OCR-Worker, WebAssembly und englischsprachige Assets herunterladen und initialisieren.
Ist die OCR-Ausgabe standardmäßig zugänglich?
Einfacher Text kann dabei helfen, barrierefreies Material zu erstellen, aber Lesereihenfolge, Überschriften, Tabellen und Korrekturen erfordern immer noch eine manuelle Bearbeitung.