لماذا يخطئ OCR في بعض الكلمات، وكيف تحصل على نتيجة أنظف

كيف يقرأ OCR الصفحة

لا يقرأ OCR كما تقرأ أنت. فهو يقسّم الصفحة إلى كتل وأسطر وكلمات، ويقارن شكل كل كلمة بهيئة كلمات اللغة المختارة، ثم يختار القراءة الأرجح. وهو لا يعرف أبداً إن كان مصيباً؛ بل يختار أفضل تطابق يجده.

لهذا تهم جودة الصورة كثيراً. عند نحو 300 نقطة في البوصة يحمل نص المتن العادي تفاصيل كافية ليكون كل حرف واضحاً لا لبس فيه. وعند نصف ذلك تبدأ حروف متقاربة الشكل بالتشابه، فتسوء التخمينات.

الأسباب المعتادة للأخطاء

• الضبابية. صورة مُلتقطة أثناء الحركة، أو مركّزة على الجزء الخطأ من الصفحة. تتلطخ الحواف وتتداخل الحروف.
• الظلال والانعكاسات. ظل يد أو هاتف، أو صفحة لامعة تعكس ضوء مصباح، يمحو جزءاً من السطر.
• الخط الصغير أو الباهت. الحواشي والإيصالات الباهتة والنص الرمادي الفاتح فيها نقاط داكنة أقل من اللازم.
• الصفحة المنحنية أو المائلة. منتصف الكتاب السميك يحني الأسطر، والصفحة المصوَّرة بزاوية يضيق أحد جانبيها.
• اللغة الخاطئة. صفحة فرنسية تُقرأ على أنها إنجليزية تعطي هراءً واثقاً، لأن الأشكال تُقارن بكلمات خاطئة.
• خط اليد. صُمم OCR للحروف المطبوعة. قد تنجح الحروف المنفصلة الواضحة أحياناً، أما الخط المتصل فنادراً.

الحصول على صورة أفضل

1. ضع الصفحة مسطّحة وصوّرها من الأمام مباشرة، بحيث يملأ النص معظم الإطار.
2. استخدم ضوء النهار المتساوي، أو أدِر المصباح كي لا يقع ظل على الصفحة. وأطفئ الفلاش مع الورق اللامع.
3. انقر على الشاشة لضبط التركيز على النص، وثبّت يدك، وتأكد من وضوح الصورة قبل رفعها.
4. التقط لقطة الشاشة بالحجم الذي تقرأ به، ولا تصغّر العرض قبلها.
5. اختر في الماسح الضوئي دقة 300 DPI. لا حاجة إلى الألوان للنص: التدرج الرمادي بالدقة نفسها وحجمه أصغر بكثير.

مراجعة النتيجة

اقرأ النتيجة مقابل الصورة قبل الاعتماد عليها، وانتبه خصوصاً لما لا يستطيع OCR التحقق من منطقيته: الأسماء والأرقام والتواريخ والمبالغ والرموز. الحرف المقروء خطأً داخل كلمة يظهر عادةً، أما الرقم المقروء خطأً في رقم حساب فلا يظهر. يذكر iBuildPDF اللغة التي قُرئ بها النص، فإن كانت خاطئة فاختر الصحيحة وأعد المحاولة. وتجد المزيد في كيف تراجع مستنداً محوَّلاً.