Una pagina di appunti di una riunione scritti a mano su un taccuino, fotografati con un telefono e salvati come PDF scansionato contengono informazioni preziose che sono completamente inaccessibili alla ricerca, al copia-incolla e agli screen reader. Le parole sono visibili all'occhio umano ma al computer sono solo forme in un'immagine. La conversione di queste note scritte a mano in testo digitato modificabile le rende ricercabili, copiabili e utilizzabili in qualsiasi documento o applicazione.
Il riconoscimento della grafia è più difficile del riconoscimento del testo stampato perché la grafia di ogni persona è unica. Le forme delle lettere variano molto di più da individuo a individuo rispetto ai caratteri tipografici stampati e il motore di riconoscimento deve gestire questa variabilità.
La conversione di note scritte a mano in un documento OCR PDF scansionato in testo digitato modificabile richiede un motore OCR con capacità di scrittura a mano in grado di riconoscere il corsivo e la scrittura a mano stampata e un flusso di lavoro che gestisce il tasso di errore più elevato del riconoscimento della grafia rispetto all'OCR del testo stampato. Gli strumenti PDF scansionato e OCR di WukongPDF supportano il riconoscimento del testo e le indicazioni riportate di seguito riguardano la massimizzazione della precisione del riconoscimento della grafia.
Perché il riconoscimento della grafia è notevolmente più difficile dell'OCR del testo stampato
L'OCR del testo stampato funziona abbinando le forme dei caratteri ai modelli di caratteri tipografici noti. La lettera A in Times New Roman ha lo stesso aspetto sia che io la digiti, sia che tu la digiti o che una macchina la stampi. Il motore di riconoscimento dispone di un modello chiaro e coerente per ogni carattere in ogni carattere comune. Il riconoscimento della grafia non ha tali modelli perché la lettera A di ogni persona ha un aspetto diverso. Il motore deve riconoscere i modelli statistici dei caratteri scritti a mano attraverso enormi variazioni di forma, dimensione, inclinazione e connessione tra le lettere.
La scrittura corsiva, in cui le lettere all'interno di una parola sono collegate, aggiunge un ulteriore livello di complessità. Il motore di riconoscimento deve segmentare le lettere collegate in singoli caratteri prima di riconoscerle ciascuna. La segmentazione errata, la divisione di una lettera m in r e n o l'unione di due lettere in una sola sono una delle principali fonti di errori di riconoscimento della grafia. La scrittura a mano stampata, in cui ogni lettera è scritta separatamente, è molto più semplice da elaborare per i motori di riconoscimento e produce risultati con maggiore precisione.
Prova l'OCR dei PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.
Preparazione dell'immagine scandita per il riconoscimento della grafia
La qualità dell'immagine sorgente è il fattore più importante per la precisione del riconoscimento della grafia, più importante della scelta del motore di riconoscimento. Scansiona o fotografa la pagina scritta a mano a un minimo di 300 DPI, con 600 DPI consigliati per una grafia piccola o densa. Garantisci un'illuminazione uniforme e priva di ombre su tutta la pagina. Tieni la fotocamera o il telefono parallelamente alla pagina per ridurre al minimo la distorsione prospettica. Migliore è l'immagine sorgente, più accurato sarà il riconoscimento.
Migliorare l'immagine scansionata prima di eseguire il riconoscimento. Aumenta il contrasto per scurire l'inchiostro e schiarire lo sfondo della carta. Applicare un filtro di nitidezza per rendere più nitidi i bordi dei tratti scritti a mano. Converti l'immagine in scala di grigi o in bianco e nero puro utilizzando la soglia adattiva, che gestisce l'illuminazione irregolare meglio di una soglia globale. L'immagine migliorata presenta forme di carattere più pulite e distinte al motore di riconoscimento.
Utilizzo di motori OCR con capacità di scrittura a mano
I motori OCR generici come Tesseract includono modalità di riconoscimento della grafia che possono essere abilitate tramite le impostazioni di configurazione. In Tesseract, specifica il modello linguistico che include il supporto per la scrittura a mano e imposta la modalità di segmentazione della pagina per trattare l'immagine come un singolo blocco di testo. L'API di Google Cloud Vision e Microsoft Azure Computer Vision includono funzionalità di riconoscimento della grafia nei loro servizi OCR basati su cloud.
Le applicazioni dedicate al riconoscimento della grafia come Nebo, GoodNotes o la funzionalità input penna in testo di Microsoft OneNote sono ottimizzate specificamente per la grafia e spesso producono risultati migliori rispetto ai motori OCR generali inseriti nel servizio di grafia. Esporta il testo riconosciuto dall'app per la scrittura a mano e, se necessario, reintegralo con il PDF scansionato originale.
| Fattore | Effetto sulla precisione | Raccomandazione |
|---|---|---|
| Risoluzione della scansione | Una risoluzione più elevata fornisce maggiori dettagli per carattere | Minimo 300 DPI, 600 DPI per grafia piccola |
| Illuminazione | Ombre e luci irregolari oscurano i contorni dei personaggi | Illuminazione diffusa e uniforme; evitare il flash della fotocamera |
| Stile di scrittura | La scrittura a mano stampata è più semplice del corsivo | Se controlli la fonte, scrivi in stampatello per ottenere risultati migliori |
| Miglioramento dell'immagine | Un input più pulito produce un riconoscimento più pulito | Aumenta il contrasto, rendi più nitido, applica la soglia adattiva |
Revisione e correzione del testo riconosciuto
Il riconoscimento della grafia produce sempre errori, in genere un tasso di errore dei caratteri del 5-20% a seconda della qualità della grafia e delle condizioni dell'immagine. Esamina il testo riconosciuto confrontandolo con la pagina originale scritta a mano e correggi le parole erroneamente riconosciute. La fase di correzione richiede tempo ma è essenziale affinché l'output sia utilizzabile per la ricerca, il copia-incolla o ulteriori modifiche.
Per i documenti in cui è richiesta la massima precisione, come documenti legali o note mediche, trattare il testo riconosciuto come un indice di ricerca anziché come un sostituto della grafia originale. Conserva l'immagine scansionata originale come record autorevole. Utilizza il testo riconosciuto per abilitare la ricerca per parole chiave che trova la pagina pertinente nella scansione originale. La combinazione del testo riconosciuto ricercabile e dell'immagine originale offre il meglio di entrambi: reperibilità dal testo, fedeltà dall'immagine.
Prova l'OCR dei PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.