Die optische Zeichenerkennung ist für Text konzipiert. Es findet Zeichenzeilen, segmentiert sie in einzelne Buchstaben und gleicht diese Formen mit bekannten Zeichenmustern ab. Ein handgezeichnetes Diagramm, ein auf einem Whiteboard skizziertes Flussdiagramm, ein auf einer Serviette gezeichnetes Organigramm, ein mit Bleistift gezeichneter Schaltplan im Notizbuch eines Ingenieurs enthalten fast keinen maschinenlesbaren Text. Standard-OCR erzeugt entweder nichts oder ein Durcheinander unsinniger Zeichen, weil Linien und Formen fälschlicherweise als Buchstaben klassifiziert werden.
Diagramme benötigen einen grundlegend anderen Erkennungsansatz als Texte.
Das Extrahieren von Informationen aus einem handgezeichneten Diagramm mithilfe von OCR PDF-Tools erfordert die Verwendung spezieller Diagrammerkennung, manueller Anmerkungen oder eines Hybridansatzes, bei dem OCR alle Textbeschriftungen verarbeitet und der Bildexport die Diagrammstruktur für die manuelle oder KI-gestützte Interpretation beibehält. WukongPDFs Gescannte PDF und OCR-Tools verarbeiten die Textteile, und der folgende Arbeitsablauf beschreibt, was mit den Teilen zu tun ist, die OCR nicht lesen kann.
Warum Standard-OCR bei Diagrammen und Skizzen fehlschlägt
OCR-Engines suchen nach statistischen Textmustern: ungefähr horizontale Linien mit ungefähr gleich hohen Zeichen, die gleichmäßig verteilt sind und deren Wort- und Buchstabenlücken im erwarteten Bereich liegen. Ein handgezeichnetes Diagramm verstößt gegen jede dieser Annahmen. Linien sind nicht horizontal. Formen sind keine Zeichen. Lücken zwischen Elementen haben keinen Einfluss auf den Textabstand. Die Engine wendet ihr Textmodell auf Inhalte an, die nicht mit dem Modell übereinstimmen, und die Ausgabe ist Rauschen.
Dieselbe Engine, die auf einer gedruckten Seite eine Genauigkeit von 98 % erreicht, kann in einem Diagramm eine aussagekräftige Ausgabe von 0 % zurückgeben, und zwar nicht, weil die Engine schlecht ist, sondern weil sie nie aufgefordert wurde, das zu tun, was von ihr verlangt wird. Dies ist die grundlegende Diskrepanz, die es zu verstehen gilt, bevor man OCR in einem Diagramm durchführt. Die Frage ist nicht, welche OCR-Engine verwendet werden soll. Die Frage ist, welche Informationen Sie aus dem Diagramm benötigen und ob OCR diese Informationen extrahieren kann oder ob ein anderes Tool erforderlich ist.
Probieren Sie PDF-OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.
Extrahieren von Textbeschriftungen unter Beibehaltung des Diagramms
Die meisten handgezeichneten Diagramme enthalten Text: Beschriftungen auf Flussdiagrammfeldern, Achsentitel auf skizzierten Diagrammen, Komponentennamen auf Schaltplänen, Namen in Organigrammfeldern. Bei diesem Text kann OCR tatsächlich helfen. Führen Sie OCR auf der Diagrammseite wie bei jedem gescannten Dokument aus. Die Engine findet die Textbeschriftungen und gibt sie als erkannte Zeichenfolgen zurück. Ignorieren Sie das Rauschen, das die Diagrammelemente verursachen. Filtern Sie die Ausgabe nach erkennbaren Wörtern und Phrasen, die den benötigten Textbeschriftungen entsprechen.
Exportieren Sie die Diagrammseite als hochauflösendes Bild zusammen mit der OCR-Textausgabe. Das Bild behält die visuelle Diagrammstruktur bei. Die OCR-Textausgabe bietet durchsuchbare Beschriftungen, mit denen Sie bestimmte Diagramme in einer Sammlung finden können, ohne jedes Bild öffnen zu müssen. Die Kombination aus durchsuchbaren Etiketten und visuellem Bild erfüllt die meisten praktischen Zwecke besser als beides allein. Sie können nach einem Flussdiagramm suchen, das die Budgetgenehmigung enthält, und das Bild öffnen, um das Diagramm anzuzeigen, ohne dass die OCR-Engine die Diagrammstruktur verstehen muss.
Verwendung KI-gestützter Diagrammerkennungstools
Auf Diagrammdaten geschulte Spezialtools können handgezeichnete Diagramme auf eine Weise interpretieren, die allgemeine OCR-Engines nicht können. Diese Tools erkennen gängige Diagrammtypen, Flussdiagramme, Organigramme, Mindmaps und Netzwerkdiagramme und konvertieren sie in bearbeitbare Versionen in Anwendungen wie Microsoft Visio, Lucidchart oder Draw.io. Die Erkennung ist nicht perfekt, Linien werden möglicherweise falsch interpretiert, Formen können falsch klassifiziert werden, aber die Ausgabe ist ein Ausgangspunkt für die manuelle Bereinigung, die viel schneller ist, als das Diagramm von Grund auf neu zu zeichnen.
Scannen Sie das Diagramm mit der höchsten verfügbaren Auflösung, idealerweise 600 DPI, bevor Sie es einem Diagrammerkennungstool zuführen. Handgezeichnete Linien sind dünner und weniger konsistent als gedruckte Linien, und die höhere Auflösung gibt dem Erkennungsalgorithmus mehr Daten, mit denen er arbeiten kann. Ein 150-DPI-Scan, der für Text-OCR geeignet wäre, führt zu mehrdeutigen Linienspuren auf einem handgezeichneten Diagramm, bei denen der Erkennungsalgorithmus nicht zwischen einer absichtlichen Linie, einem Fleck und einer Papierstruktur unterscheiden kann.
Vorbereitung des Diagramms für bessere Erkennungsergebnisse
Die Qualität des Quellbildes bestimmt die Erkennungsgenauigkeit mehr als die Wahl des Tools. Fotografieren Sie das Diagramm bei gleichmäßiger, diffuser Beleuchtung. Vermeiden Sie Schatten, die von einem Telefon oder einer Kamera geworfen werden. Legen Sie das Papier auf eine ebene, kontrastreiche Oberfläche. Rahmen Sie die Aufnahme ein, um das Bild mit dem Diagramm zu füllen und den leeren Umgebungsbereich zu minimieren. Ein gut beleuchtetes, flaches, hochauflösendes Foto einer Bleistiftskizze kann zu besseren Erkennungsergebnissen führen als ein schlecht beleuchtetes Foto eines professionell eingefärbten Diagramms.
Verbessern Sie das Bild, bevor Sie es dem Erkennungstool zuführen. Erhöhen Sie den Kontrast, um Linien abzudunkeln und den Papierhintergrund aufzuhellen. Konvertieren Sie in Graustufen, wenn die Farbe nicht aussagekräftig ist. Wenden Sie einen leichten Schärfungsfilter an, um die Linienkanten schärfer zu machen. Diese Verbesserungen, die in jedem einfachen Bildeditor verfügbar sind, dauern 30 Sekunden und können die Erkennungsgenauigkeit bei marginalen Quellbildern um 20–30 Prozentpunkte verbessern. Das Erkennungstool erkennt das verbesserte Bild. Es ist nicht bekannt, dass das Original schwerer zu lesen war.
Manuelle Annotation als Alternative zur automatischen Erkennung
Bei einer kleinen Anzahl von Diagrammen ist die manuelle Annotation schneller als der Kampf mit Erkennungstools. Öffnen Sie das Diagrammbild in einem PDF-Anmerkungstool. Fügen Sie Textkommentare hinzu, die die Schlüsselelemente beschreiben: Der Prozess beginnt hier, Entscheidungspunkt: Budget größer als 10.000, Genehmigung des Finanzdirektors erforderlich. Bei den Anmerkungen handelt es sich um durchsuchbaren Text, der neben dem Diagrammbild in der PDF-Datei angezeigt wird. Zukünftige Leser können in den Anmerkungen nach den Begriffen suchen und das Diagramm finden.
Anmerkungen zwingen Sie auch dazu, das Diagramm zu verstehen. Wenn Sie ein Flussdiagramm in Worten beschreiben, müssen Sie interpretieren, was der ursprüngliche Autor beabsichtigt hat. Dieser Interpretationsschritt erkennt Fehler und Unklarheiten im Originaldiagramm, die die automatische Erkennung entweder übersehen oder stillschweigend falsch interpretieren würde. Die Zeit, die für das Kommentieren aufgewendet wird, ist Zeit, die für das Verstehen aufgewendet wird, und dieses Verstehen bietet einen Mehrwert, der über das hinausgeht, was das Erkennungstool leisten könnte.
| Diagramminhalt | OCR-Ergebnis | Empfohlener Ansatz |
|---|---|---|
| Gedruckte Textbeschriftungen im Diagramm | Hohe Genauigkeit | Standard-OCR, Filterausgabe für erkennbare Wörter |
| Handgeschriebene Textetiketten | Mäßige Genauigkeit | OCR mit Handschrifterkennungsmodus, Ausgabe überprüfen |
| Linien, Pfeile, Kästchen, Formen | Lärm oder nichts | Als Bild exportieren, manuell mit Anmerkungen versehen oder Diagrammtool verwenden |
| Gemischte Text- und Diagrammelemente | Text wiederhergestellt, Diagramm verloren | OCR für Etiketten + Bildexport für visuelle Struktur |
| Standarddiagrammtypen (Flussdiagramm, Organigramm) | Arm | KI-Diagrammerkennungstool, dann manuelle Bereinigung |
Speichern und Organisieren der Ergebnisse
Nach der Verarbeitung sollte jedes Diagramm in drei Formen vorliegen: die ursprünglich gescannte Seite im PDF, die OCR-extrahierten Textbeschriftungen zur Durchsuchbarkeit und entweder eine mit Anmerkungen versehene Version oder eine Diagramm-Tool-Rekonstruktion zur Bearbeitbarkeit. Speichern Sie alle drei zusammen in einem Dokumentenmanagementsystem oder Cloud-Ordner mit einheitlicher Benennung. Maßgeblich ist das Original. Der OCR-Text ermöglicht die Suche. Die kommentierte oder rekonstruierte Version ermöglicht eine spätere Bearbeitung.
Fügen Sie der PDF-Datei, die das Diagramm enthält, beschreibende Metadaten hinzu. Titel, Autor, Datum und eine kurze Beschreibung des Diagramminhalts in den Dokumenteigenschaftenfeldern machen die Datei auch ohne vollständige OCR über die Betriebssystemsuche auffindbar. Ein Diagramm mit Metadaten wie „Q3-2025-Budget-Flowchart“ findet über eine Dateinamensuche den Weg zur richtigen Person, ein unbenannter Scan eines Whiteboard-Fotos hingegen nicht.
Probieren Sie PDF-OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.