Text aus Bildern mit OCR extrahieren
OCR (optische Zeichenerkennung) wandelt die Buchstaben in einem Foto, Screenshot oder Scan in Text um, den Sie kopieren und bearbeiten können. Diese Anleitung erklärt, was das Ergebnis beeinflusst und wie Sie saubereren Text erhalten.
So funktioniert OCR
Eine OCR-Engine wandelt das Bild zunächst in Schwarzweiß um, damit sich die Buchstaben vom Hintergrund abheben. Dann analysiert sie das Layout und findet Textblöcke, Zeilen und Wörter. Zum Schluss schätzt ein Erkennungsmodell, welche Zeichen jedes Wort zeigt.
Das LeedyBox-Tool verwendet Tesseract, eine Open-Source-OCR-Engine, über Tesseract.js. Ihr Erkennungsmodell ist ein neuronales Netz, das auf gedruckten Text trainiert ist, mit eigenen Daten für jede Sprache. Die Engine meldet außerdem für jedes Wort einen Konfidenzwert, und das Tool zeigt für jedes Bild den Durchschnitt dieser Werte an.
Die Sprache wählen
Die Spracheinstellung teilt der Engine mit, welche Zeichen und Wörter sie erwarten soll. Liest man koreanischen, japanischen oder russischen Text mit dem englischen Modell, entsteht Unsinn aus ähnlich aussehenden lateinischen Buchstaben, und bei Sprachen mit gemeinsamem Alphabet kommt das richtige Modell besser mit Akzenten und häufigen Wörtern zurecht.
Mischt ein Bild zwei Sprachen, etwa ein koreanisches Dokument mit englischen Produktnamen, wählen Sie beide. Fügen Sie eine zweite Sprache nur hinzu, wenn der Text sie braucht: Jede weitere Sprache verlangsamt die Erkennung und gibt der Engine mehr Zeichen, die sie verwechseln kann.
| Bild | Sprache | Textlayout |
|---|---|---|
| Dokumentseite oder Artikel in einer Sprache | Diese Sprache | Automatisch |
| Speisekarte, Folie oder Etikett mit Text in der Landessprache und englischen Wörtern | Landessprache + Englisch | Automatisch |
| Zugeschnittener Absatz, dessen Zeilen in falscher Reihenfolge herauskommen | Diese Sprache | Ein einzelner Textblock |
| Eine Zeile, etwa eine Überschrift, eine Seriennummer oder ein Schild | Diese Sprache | Eine einzelne Textzeile |
Tipps zur Bildqualität
- Auflösung: Kleiner Text in einem Bild mit niedriger Auflösung ist die häufigste Fehlerursache. Vergrößern hilft etwas, weshalb das LeedyBox-Tool kleine Bilder in doppelter Größe erneut lesen kann, doch Vergrößern kann keine Details wiederherstellen, die das Bild nicht enthält. Auch sehr große Buchstaben werden mitunter weniger zuverlässig gelesen.
- Kontrast: Dunkler Text auf schlichtem hellem Hintergrund funktioniert am besten. Blasser Druck, grauer Text, farbige Hintergründe und Schatten erschweren es, die Buchstaben zu trennen. Die Option für Graustufen und Kontrast kann bei blassem Text helfen, vergleichen Sie aber die Ergebnisse, denn sie kann ein sauberes Bild auch verschlechtern.
- Gerader Text: Schräger, gewölbter oder perspektivisch verzerrter Text, etwa bei einem schräg fotografierten Buch, führt zu verschmolzenen Zeilen und falschen Zeichen. Drehen Sie das Bild oder nehmen Sie es neu auf, wenn der Text deutlich schief ist.
- Zuschneiden: Schneiden Sie das Bild auf den benötigten Text zu. Logos, Fotos, Rahmen und benachbarte Spalten können für Zeichen gehalten werden und die Lesereihenfolge durcheinanderbringen.
- Komprimierung: Starke JPG-Komprimierung verwischt Buchstaben durch Artefakte. Speichern Sie Screenshots nach Möglichkeit als PNG; siehe JPG, PNG, WebP und AVIF.
Screenshots im Vergleich zu Fotos
Screenshots sind scharf und gerade und liefern daher meist gute Ergebnisse. Ihre größte Schwäche ist die Größe: Text in Bedienoberflächen ist oft nur wenige Pixel hoch. Zoomen Sie in die Seite oder App hinein, bevor Sie den Screenshot aufnehmen, und verkleinern Sie den Screenshot danach nicht. Sie können einen Screenshot mit Strg+V (⌘+V auf dem Mac) direkt in das Tool einfügen.
Bei Fotos kommen ungleichmäßiges Licht, Spiegelungen, Unschärfe, Perspektive und gewölbte Seiten hinzu. Halten Sie die Kamera parallel zur Seite, füllen Sie das Bild mit dem Text, sorgen Sie für gleichmäßiges Licht ohne Blitzreflexe und tippen Sie zum Fokussieren. Die von der Kamera gespeicherte Ausrichtung wird vor dem Lesen angewendet, sodass ein mit seitlich gehaltenem Smartphone aufgenommenes Foto richtig herum gelesen wird.
Verwenden Sie für PDF-Dateien PDF in Text, statt Seiten in Bilder umzuwandeln: Das Tool liest die vorhandene Textebene und führt OCR nur auf Seiten ohne Textebene aus. Gescannte PDFs behandelt die Anleitung Text aus PDFs extrahieren: Textebenen und OCR.
Handschrift und dekorative Schriften
Die hier verwendeten Modelle sind auf gedruckten Text trainiert, daher wird Handschrift meist schlecht erkannt. Saubere, getrennte Druckbuchstaben haben die besten Chancen; Schreibschrift und Unterschriften ergeben selten etwas Brauchbares. Dekorative, Schreib- oder sehr schmale Schriften, Text auf gemusterten Hintergründen und vertikaler Text verursachen ähnliche Probleme.
Das Ergebnis prüfen und korrigieren
Betrachten Sie die OCR-Ausgabe als Entwurf. Typische Fehler sind Verwechslungen von 0 und O, von 1, l und I oder von „rn“ und „m“; fehlende oder falsche Akzente und Satzzeichen; am Zeilenende verschmolzene oder getrennte Wörter sowie vermischte Zeilen aus benachbarten Spalten. Tabellen und mehrspaltige Layouts bleiben nicht erhalten: Das Ergebnis ist reiner Text.
Vergleichen Sie den Text mit dem Bild und achten Sie besonders auf Zahlen, Namen, Datumsangaben, Beträge und Adressen, bei denen ein einziges falsches Zeichen zählt. Ein hoher Konfidenzwert beweist nicht, dass der Text korrekt ist. Sie können den Text im Tool bearbeiten, bevor Sie ihn kopieren oder herunterladen.
Datenschutz: Was auf Ihrem Gerät bleibt
Das LeedyBox-Tool führt die OCR-Engine in Ihrem Browser aus: Ihre Bilder werden auf Ihrem Gerät gelesen und nicht zu LeedyBox hochgeladen. Der Browser lädt die Bibliothek Tesseract.js, ihre WebAssembly-Engine und die Daten jeder gewählten Sprache direkt von leedybox.com herunter. Das sind gewöhnliche Dateidownloads, die Ihre Bilder nicht enthalten. Tesseract.js legt die Sprachdaten im Speicher Ihres Browsers (IndexedDB) ab, damit sie nicht erneut heruntergeladen werden müssen; wenn Sie die Websitedaten in Ihrem Browser löschen, werden sie entfernt.
Häufige Fragen
Warum dauert das erste Bild so lange?
Wenn Sie eine Sprache zum ersten Mal verwenden, werden die OCR-Engine und die Sprachdaten (mehrere Megabyte) heruntergeladen. Spätere Bilder nutzen sie erneut, und die Sprachdaten bleiben für spätere Besuche im Speicher Ihres Browsers.
Kann OCR das Layout eines Dokuments erhalten?
Das Tool extrahiert reinen Text mit Zeilenumbrüchen. Spalten, Tabellen, Schriften und Formatierung müssen Sie in Ihrem Editor von Hand neu aufbauen.
Warum hat das Tool überhaupt keinen Text gefunden?
Meist ist der Text zu klein oder zu blass, oder die Sprache ist falsch. Schneiden Sie das Bild auf den Text zu, prüfen Sie die Sprache oder probieren Sie eine andere Einstellung für das Textlayout.