Taranmış Bir PDF, OCR ile Nasıl Aranabilir Hale Getirilir
OCR, sayfa görüntülerinden oluşan bir yığını aranabilir bir belgeye dönüştürür. Ne zaman gerektiğini nasıl anlayacağınız, doğruluğu nelerin belirlediği ve süreci sürprizsiz nasıl yürüteceğiniz burada.
Gerekenler
- Taranmış veya görsel tabanlı bir PDF (metin seçilemez)
- Omnvert PDF OCR
Adım adım
- 1
PDF'inizin gerçekten OCR'ye ihtiyacı var mı, anlayın
PDF'de metin seçmeyi deneyin. Tek bir harf bile seçemiyor veya kopyalayamıyorsanız dosya görsel tabanlıdır ve OCR'ye ihtiyaç duyar. Metin zaten seçilebiliyorsa OCR bir şey katmaz — elinizde zaten bir metin PDF'i var. Diğer işaretler: sayfada açıkça görünen kelimeler Ctrl+F aramasında çıkmıyor, dosya boyutu kısa bir belge için şüphe uyandıracak kadar büyük ve dosya bir tarayıcıdan, fakstan ya da kâğıdın telefonla çekilmiş fotoğrafından gelmiş.
- 2
OCR'nin gerçekte ne yaptığını anlayın
Optik karakter tanıma (OCR), her sayfa görüntüsündeki piksel örüntülerini analiz edip karakter kodlarına eşler. Çıktı, orijinal sayfa görüntülerinin görünür kaldığı ama altına görünmez bir metin katmanı eklenmiş bir PDF'tir. Sayfa taramayla birebir aynı görünür — ama metin artık seçilebilir, kopyalanabilir ve aranabilirdir. Görüntü değiştirilmez; tanınan karakterler, görüntüdeki konumlarıyla eşleşecek şekilde ayrı bir katmana yerleştirilir.
- 3
Doğruluğu zedeleyen faktörleri bilin
En belirleyici etken tarama çözünürlüğüdür — minimum 300 dpi hedefleyin; 200 dpi sınırda kalır. Eğik sayfalar, düşük kontrast, kahve lekeleri ve arka plan dokuları doğruluğu düşürür. Standart serif ve sans-serif fontlar sorunsuz tanınır; dekoratif veya el yazısı görünümlü fontlar belirgin biçimde kötü sonuç verir. Dil ayarı da önemlidir: Türkçe bir belgede İngilizce model kullanmak, ç-ğ-ş gibi aksanlı Latin harflerde bile doğruluğu çökertir. El yazısı ise apayrı bir problemdir — genel amaçlı OCR onu güvenilir şekilde okuyamaz.
- 4
Omnvert ile OCR çalıştırın
Taranmış PDF'inizi PDF OCR aracına yükleyin, belgenin ana dilini seçin ve gerisini araca bırakın. Temiz bir 300 dpi tarama sayfa başına bir iki saniye sürer; çok sütunlu, yoğun dergi taramaları daha yavaştır. Ortaya çıkan aranabilir PDF'i indirip test edin: dosyayı açın, sayfada gördüğünüz bir kelimeyi Ctrl+F ile aratın ve metin seçmeyi deneyin.
- 5
Bozuk çıktıyı düzeltin
Yaygın nedenler ve çözümler: sayfa döndürülmüş (PDF Döndür ile önce yönü düzeltin, sonra OCR'yi tekrarlayın); tarama çözünürlüğü çok düşük (mümkünse 300 dpi'de yeniden tarayın); kaynak düzgün bir tarama değil, kâğıdın telefonla çekilmiş fotoğrafı (PDF'e dönüştürmeden önce görsel filtrelerle kontrastı artırıp aydınlatmayı dengeleyin); çok sütunlu sayfa düzenleri okuma sırasını karıştırır (kopyaladıktan sonra kısa bir elle düzeltme gerekebilir).
- 6
OCR sonrası neler yapabilirsiniz
PDF aranabilir hale geldiğinde yeni iş akışlarının önü açılır: PDF Karartma ile hassas metni kalıcı olarak karartın (isimler, dava numaraları, hesap numaraları), PDF → Word ile içeriği düzenlenebilir bir belgeye çekin veya PDF Böl ile yalnızca işinize yarayan sayfaları ayırın — bunların hepsi ancak metin katmanı olan bir PDF'te mümkündür.
OCR, görüntüyü olduğu gibi işler. Taramanız eğikse, kontrastı düşükse veya 200 dpi'nin altındaysa önce bunları düzeltin — OCR, kötü bir taramayı telafi edemez.