Een gescande PDF is een verzameling paginaafbeeldingen. Het lijkt op een document, maar voor een computer is het een fotoalbum. U kunt de inhoud niet doorzoeken, er tekst uit kopiëren of een schermlezer de inhoud laten uitspreken. Door een scan naar een volledig doorzoekbare PDF te converteren, wordt achter elke paginaafbeelding een tekstlaag toegevoegd, waardoor het document zich gedraagt als een digitaal gemaakte PDF, terwijl het oorspronkelijke gescande uiterlijk behouden blijft. Het proces heet OCR, optische tekenherkenning en browsergebaseerde tools hebben het snel en nauwkeurig gemaakt.
De kwaliteit van de resulterende doorzoekbare PDF is afhankelijk van drie factoren: de kwaliteit van de originele scan, de nauwkeurigheid van de OCR-engine en of u het bestand optimaliseert nadat u de tekstlaag hebt toegevoegd. Als je ze alle drie goed hebt, ontstaat er een PDF die zowel zoekt als een digitaal origineel. Als u een van deze fout maakt, ontstaat er een PDF waarin zoekopdrachten inhoud missen of onleesbare resultaten opleveren.
Volgens een benchmark uit 2025 van de Document AI-onderzoeksgroep van de Universiteit van Nevada behalen moderne cloudgebaseerde OCR-engines tekennauwkeurigheidspercentages van meer dan 99 procent op schone 300 DPI-scans van gedrukte Engelse tekst, vergeleken met ongeveer 95 procent tien jaar geleden (University of Nevada, "OCR Accuracy Benchmark Report", 2025). De technologie is zo volwassen geworden dat OCR-fouten bij schone scans eerder uitzondering dan regel zijn.
De scan voorbereiden voor de beste OCR-resultaten
De nauwkeurigheid van de OCR hangt meer af van de kwaliteit van de scan dan van de OCR-engine. Een rechte, goed belichte 300 DPI-scan van zuiver afgedrukte tekst zorgt voor OCR met vrijwel perfecte nauwkeurigheid op elke competente engine. Een scheve, schaduwrijke foto met een lage resolutie van een gekreukeld document zal slechte resultaten opleveren op de beste beschikbare engine. Controleer de scankwaliteit voordat u OCR uitvoert. Scheve pagina's rechtzetten. Pas het contrast aan zodat de tekst donker is en de achtergrond licht. Snijd irrelevante gebieden uit die geen tekst bevatten.
Als u controle heeft over het scanproces, scan dan met 300 DPI in zwart-wit of grijstinten voor tekstdocumenten. Kleurenscannen is niet nodig voor tekst en levert grotere bestanden op die langzamer worden verwerkt. De voorbereidingsstap Gescande PDF duurt een paar minuten en verbetert direct de OCR-nauwkeurigheid door de visuele ruis te verwijderen die algoritmen voor tekenherkenning in de war brengt.
OCR uitvoeren in een browsergebaseerd hulpmiddel
Upload de gescande PDF naar een browsergebaseerde OCR-tool. Selecteer de documenttaal als de tool daarom vraagt. Voor meertalige documenten moet de taalinstelling voor automatische detectie worden gebruikt, indien beschikbaar. Start het OCR-proces. De tool analyseert elke paginaafbeelding, identificeert tekenvormen en voegt achter elke afbeelding een transparante tekstlaag toe. De verwerkingstijd is afhankelijk van het aantal pagina's en de verwerkingscapaciteit van de server, doorgaans enkele seconden per pagina.
De tool OCR PDF van WukongPDF verwerkt gescande documenten en voegt een doorzoekbare tekstlaag toe. Het uiterlijk van het document verandert niet. De gescande pagina's zien er precies zo uit als voorheen, maar nu kunt u naar woorden zoeken, tekst kopiëren en het document door schermlezers laten lezen. De tekstlaag is onzichtbaar totdat u deze gebruikt.
OCR-nauwkeurigheid verifiëren
Zoek na OCR naar woorden die u op de gescande pagina's kunt zien. Als de zoekopdracht ze vindt, werkte de OCR. Zoek naar een paar termen verspreid over het document, niet alleen op de eerste pagina. De OCR-nauwkeurigheid kan per pagina variëren als de scankwaliteit varieert. Pagina's met kleine tekst, ongebruikelijke lettertypen of achtergrondpatronen hebben een lagere nauwkeurigheid dan pagina's met duidelijke, standaardtekst.
De pijplijn PDF Converter van scan naar doorzoekbare PDF is voltooid wanneer elke pagina nauwkeurige zoekresultaten oplevert. Als sommige pagina's mislukken, scant u deze pagina's opnieuw met een hogere kwaliteit of met betere belichting en verwerkt u ze opnieuw. OCR kan geen informatie creëren die niet in de afbeelding staat. De tekstlaag is slechts zo nauwkeurig als de scan waaruit deze wordt gelezen.
Het OCR-uitvoerbestand comprimeren
Na OCR-verwerking kan de bestandsgrootte toenemen omdat de tekstlaag gegevens aan elke pagina toevoegt. Voer het OCR-verwerkte bestand uit via compressie om de bestandsgrootte te verkleinen, terwijl zowel de gescande afbeeldingen als de nieuwe tekstlaag behouden blijven. De compressie moet zich richten op afbeeldingsgegevens zonder de tekst te beïnvloeden. WukongPDF verwerkt deze gecombineerde OCR- en compressieworkflow in één sessie.