OCR ile Görsellerden Metin Nasıl Çıkarılır?

OCR Nasıl Çalışır?

Bir OCR motoru, harflerin arka plandan ayrışması için görseli önce siyah beyaza dönüştürür. Ardından metin bloklarını, satırları ve kelimeleri bularak sayfa düzenini analiz eder. Son olarak bir tanıma modeli her kelimenin hangi karakterlerden oluştuğunu tahmin eder.

LeedyBox aracı, açık kaynaklı bir OCR motoru olan Tesseract'ı Tesseract.js aracılığıyla kullanır. Motorun tanıma modeli, basılı metin üzerinde eğitilmiş bir sinir ağıdır ve her dil için ayrı verileri vardır. Motor ayrıca her kelime için bir güven değeri bildirir; araç her görsel için bu değerlerin ortalamasını gösterir.

Dili Seçme

Dil ayarı, motora hangi karakterleri ve kelimeleri beklemesi gerektiğini söyler. Korece, Japonca veya Rusça metni İngilizce modelle okumak, Latin harflerine benzeyen karakterlerden oluşan anlamsız bir sonuç verir; aynı alfabeyi paylaşan dillerde ise doğru model aksan işaretlerini ve yaygın kelimeleri daha iyi işler.

Bir görselde iki dil karışıksa, örneğin İngilizce ürün adları içeren Korece bir belgede, ikisini de seçin. İkinci bir dili yalnızca metin gerektiriyorsa ekleyin: her ek dil tanımayı yavaşlatır ve motorun birbirine karıştırabileceği karakter sayısını artırır.

Görsel Kalitesi İpuçları

• Çözünürlük: düşük çözünürlüklü bir görseldeki küçük metin, hataların en yaygın nedenidir. Büyütmek bir ölçüde yardımcı olur; LeedyBox aracının küçük görselleri iki kat boyutta yeniden okuyabilmesinin nedeni budur. Ancak büyütme, görselde bulunmayan ayrıntıyı geri getiremez. Çok büyük harfler de daha az güvenilir şekilde okunabilir.
• Kontrast: düz, açık renkli bir arka plan üzerindeki koyu metin en iyi sonucu verir. Soluk baskı, gri metin, renkli arka planlar ve gölgeler harfleri ayırmayı zorlaştırır. Gri tonlama ve kontrast seçeneği soluk metinde yardımcı olabilir, ancak temiz bir görselde sonucu kötüleştirebileceği için sonuçları karşılaştırın.
• Düz metin: açılı çekilmiş bir kitap fotoğrafı gibi eğik, kavisli veya perspektif nedeniyle bozulmuş metin, birleşmiş satırlara ve yanlış karakterlere yol açar. Metin belirgin şekilde eğikse görseli döndürün veya yeniden çekin.
• Kırpma: görseli ihtiyacınız olan metne göre kırpın. Logolar, fotoğraflar, kenarlıklar ve komşu sütunlar karakter sanılabilir ve okuma sırasını karıştırabilir.
• Sıkıştırma: yoğun JPG sıkıştırması harfleri bozulmalarla bulanıklaştırır. Ekran görüntülerini mümkünse PNG olarak kaydedin; bkz. JPG, PNG, WebP ve AVIF.

Ekran Görüntüleri ve Fotoğraflar

Ekran görüntüleri keskin ve düz olduğundan genellikle iyi sonuç verir. Başlıca zayıf yönleri boyuttur: arayüz metni çoğu zaman yalnızca birkaç piksel yüksekliğindedir. Ekran görüntüsünü almadan önce sayfayı veya uygulamayı yakınlaştırın ve ekran görüntüsünü sonradan küçültmeyin. Bir ekran görüntüsünü Ctrl+V (Mac'te ⌘+V) ile doğrudan araca yapıştırabilirsiniz.

Fotoğraflarda ise dengesiz ışık, parlama, bulanıklık, perspektif ve kıvrılmış sayfalar devreye girer. Kamerayı sayfaya paralel tutun, kadrajı metinle doldurun, flaş parlaması olmadan eşit bir ışık kullanın ve odaklamak için ekrana dokunun. Kameranın kaydettiği yön okumadan önce uygulanır; böylece telefon yan tutularak çekilen bir fotoğraf doğru yönde okunur.

PDF dosyaları için sayfaları görsele dönüştürmek yerine PDF'den Metne aracını kullanın: bu araç mevcut metin katmanını okur ve OCR'yi yalnızca metin katmanı olmayan sayfalarda çalıştırır. Taranmış PDF'ler PDF'den Metin Çıkarma: Metin Katmanı ve OCR rehberinde ele alınmaktadır.

El Yazısı ve Süslü Yazı Tipleri

Burada kullanılan modeller basılı metin üzerinde eğitildiğinden el yazısı genellikle kötü tanınır. Düzgün ve ayrık yazılmış büyük harflerin şansı en yüksektir; bitişik el yazısı ve imzalar nadiren kullanılabilir bir sonuç verir. Dekoratif, el yazısını taklit eden (script) veya çok dar yazı tipleri, desenli arka planlardaki metinler ve dikey metinler de benzer sorunlara yol açar.

Sonucu Kontrol Etme ve Düzeltme

OCR çıktısını bir taslak olarak görün. Tipik hatalar şunlardır: 0 ile O, 1, l ile I ya da "rn" ile "m" arasındaki karışıklıklar; eksik veya yanlış aksan işaretleri ve noktalama; satır sonlarında birleşen veya bölünen kelimeler; komşu sütunlardaki satırların birbirine karışması. Tablolar ve çok sütunlu düzenler korunmaz: sonuç düz metindir.

Metni görselle karşılaştırın; tek bir yanlış karakterin önem taşıdığı sayılara, adlara, tarihlere, tutarlara ve adreslere özellikle dikkat edin. Yüksek bir güven değeri metnin doğru olduğunu kanıtlamaz. Metni kopyalamadan veya indirmeden önce araçta düzenleyebilirsiniz.

Gizlilik: Cihazınızda Neler Kalır?

LeedyBox aracı OCR motorunu tarayıcınızda çalıştırır: görselleriniz cihazınızda okunur ve LeedyBox'a yüklenmez. Tarayıcı; Tesseract.js kütüphanesini, WebAssembly motorunu ve seçtiğiniz her dilin verilerini doğrudan leedybox.com'dan indirir. Bunlar görsellerinizi içermeyen sıradan dosya indirmeleridir. Tesseract.js, dil verilerinin yeniden indirilmesi gerekmemesi için bunları tarayıcınızın depolama alanında (IndexedDB) saklar; tarayıcınızda site verilerini temizlemek bu verileri kaldırır.

Sık Sorulan Sorular