LocalUtils field note · Extraire le texte anglais modifiable à partir d'une image claire
Extraire le texte anglais modifiable à partir d'une image claire
La reconnaissance optique des caractères estime les caractères à partir des pixels ; il ne récupère pas un calque de texte original. La précision dépend fortement de la mise au point, du contraste, de l'orientation, de la typographie, de la mise en page et de la langue.
Le flux de travail LocalUtils OCR actuel utilise des données groupées en langue anglaise Tesseract. Il est utile pour les brouillons et les aides à la recherche, mais chaque résultat doit être comparé à la source avant la citation, l'utilisation de l'accessibilité, la saisie financière ou tout autre travail consécutif.
Démarrage rapide
- Recadrez la source avec le texte pertinent et corrigez son orientation avant de la télécharger.
- Utilisez une image nette avec un éclairage uniforme, une résolution adéquate et un fort contraste avant/arrière-plan.
- Exécutez la reconnaissance et regardez l'indicateur de progression pendant que le travailleur traite l'image.
- Copiez le résultat dans un éditeur, conservez les sauts de ligne uniquement lorsque cela est utile et comparez les noms, les nombres, la ponctuation et les caractères ambigus avec l'image.
device → browser engine → result
Ce que fait le navigateur
Un travailleur Tesseract.js charge les données groupées formées en anglais et les actifs WebAssembly. La reconnaissance s'exécute dans le travailleur plutôt que dans un point de terminaison OCR cloud.
Le premier chargement peut demander des ressources d’application et OCR à l’hôte. Ce trafic d'actifs est différent du téléchargement de l'image sélectionnée pour la reconnaissance. Une fois mis en cache, le comportement du navigateur et du service worker détermine ce qui peut s'exécuter hors ligne.
Entrées et sorties
- Entrée : types d'images que le navigateur peut décoder et que Tesseract.js peut lire.
- Langue de reconnaissance : données anglaises regroupées dans l'interface actuelle.
- Sortie : texte brut copié ou téléchargé par l'utilisateur.
Limites à connaître avant de commencer
- L'écriture manuscrite, le texte incurvé, les tableaux, les mises en page à plusieurs colonnes, les polices décoratives et les captures d'écran basse résolution réduisent la précision.
- La sortie ne préserve pas la structure sémantique et ne reproduit pas les tableaux de manière fiable.
- Les données en langue anglaise liront mal de nombreux mots et caractères non anglais.
- La confiance OCR ne prouve pas qu'un numéro ou un nom est correct.
Dépannage
- Si la sortie est vide, recadrez plus près du texte et augmentez le contraste.
- Si les lignes apparaissent dans le mauvais ordre, traitez les régions plus petites séparément.
- Si les chiffres sont confondus avec les lettres, vérifiez chaque occurrence par rapport à l'image plutôt que d'appliquer un remplacement aveugle.
Liste de contrôle de vérification
- Lisez le texte extrait à côté de la source avec un zoom élevé.
- Vérifiez individuellement les noms propres, les dates, les séparateurs décimaux, les numéros de compte et la ponctuation.
- Conservez l'image source avec le texte corrigé lorsque la traçabilité est importante.
Les questions que les gens posent
Peut-il reconnaître l'écriture manuscrite ?
Il peut produire des résultats partiels, mais le modèle anglais général actuel est principalement destiné au texte imprimé.
Pourquoi la première course est-elle plus lente ?
Le navigateur devra peut-être télécharger et initialiser le travailleur OCR, WebAssembly et les ressources en langue anglaise.
La sortie OCR est-elle accessible par défaut ?
Le texte brut peut aider à créer du matériel accessible, mais l’ordre de lecture, les titres, les tableaux et les corrections nécessitent toujours une édition humaine.