Iemand stuurt je een pdf die een verzameling schermafbeeldingen blijkt te zijn. Elke pagina is een afbeelding van tekst in plaats van daadwerkelijke tekst. U kunt het niet doorzoeken, kopiëren of bewerken. Het is een afbeelding van een document, geen document. Voor het converteren van deze op schermafbeeldingen gebaseerde PDF's naar een daadwerkelijk tekstdocument is OCR nodig om de tekst uit de afbeeldingen te extraheren, gevolgd door conversie naar een formaat dat u kunt bewerken.
De conversie bestaat uit twee stappen: OCR om een tekstlaag te maken en vervolgens conversie naar een bewerkbaar formaat zoals Word. Elke stap heeft instellingen die de kwaliteit van de uiteindelijke uitvoer beïnvloeden. Door beide goed te krijgen, ontstaat een bewerkbaar document dat nauw aansluit bij de originele schermafbeeldingen. Als u het fout doet, ontstaat er onleesbare tekst of een vervormde opmaak.
Volgens een analyse uit 2025 door het document AI-bedrijf ABBYY zijn op screenshots gebaseerde PDF's de snelst groeiende categorie van PDF's die worden ingediend voor OCR-verwerking, gedreven door het toenemende gebruik van telefooncamera's en schermafbeeldingen als methoden voor het vastleggen van documenten (ABBYY, "Document Capture Trends Report", 2025). Schermafbeeldingen vervangen scanners voor het informeel delen van documenten, en de downstream-behoefte aan tekstextractie groeit dienovereenkomstig.
Stap één: OCR de screenshot-pdf
Upload de PDF naar een browsergebaseerde OCR-tool. Schermafbeeldingen hebben specifieke kenmerken die van invloed zijn op OCR. Schermtekst heeft doorgaans een lage resolutie volgens printstandaarden, ongeveer 72 tot 150 DPI, afhankelijk van het scherm en het zoomniveau. De OCR-engine moet deze lagere resolutie aankunnen zonder fouten te introduceren. De meeste moderne OCR-engines doen dat wel, maar de nauwkeurigheid kan iets lager zijn dan bij een 300 DPI-scan van afgedrukte tekst.
Als de schermafbeeldingen gemengde inhoud bevatten, zoals tekst naast UI-elementen, knoppen of pictogrammen, kan de OCR-engine proberen de niet-tekstelementen als tekst te herkennen, waardoor willekeurige tekens in de uitvoer worden geproduceerd. De Gescande PDF OCR-verwerking verwerkt schermafbeeldingen het beste wanneer de schermafbeeldingen voornamelijk tekst met een zuivere achtergrond bevatten. Drukke schermafbeeldingen met overlappende elementen produceren luidruchtigere OCR-uitvoer.
Stap twee: Converteer de OCR-uitvoer naar Word
Na OCR-verwerking bevat de PDF nu een tekstlaag. Converteer het naar Word-formaat met behulp van een PDF-naar-Word-converter. De converter leest de door OCR gegenereerde tekst en bouwt er een Word-document van. Het resulterende Word-bestand bevat bewerkbare tekst die u kunt corrigeren, opmaken en in andere documenten kunt gebruiken. Dit is het doel van de hele pijplijn: van screenshotafbeelding tot bewerkbaar tekstdocument.
Bij de conversie van PDF naar Word na OCR blijft de tekstinhoud behouden. De opmaak moet worden aangepast omdat OCR de tekst vastlegt, maar niet het lettertype, de grootte, de kleur en de spatiëring van het origineel. Behandel de Word-uitvoer als een tekstnauwkeurig concept dat opmaak nodig heeft. De inhoud klopt. Het uiterlijk heeft uw aandacht nodig.
De uitvoer bewerken en verifiëren
Open het Word-document naast de originele screenshot-pdf. Vergelijk de OCR-tekst pagina voor pagina met de schermafbeeldingen. Focus op eigennamen, cijfers en technische termen. Dit zijn de woorden waarbij OCR-fouten de betekenis veranderen. Veel voorkomende woorden die fouten bevatten, zijn meestal duidelijk uit de context en gemakkelijk te corrigeren. Een verkeerd nummer in een financieel document is onzichtbaar totdat het stroomafwaarts een rekenfout veroorzaakt.
De OCR PDF-tool van WukongPDF verzorgt de eerste stap van de pijplijn: het toevoegen van een doorzoekbare tekstlaag aan op schermafbeeldingen gebaseerde PDF's. De conversie naar Word voltooit de tweede stap. Samen wordt een PDF met schermafbeeldingen een bewerkbaar document dat u kunt doorzoeken, kopiëren, bewerken en opnieuw kunt gebruiken.
Meerdere screenshot-PDF's combineren in één document
Als u meerdere screenshot-PDF-bestanden ontvangt die één document vormen, verwerkt u deze samen. Voeg de PDF's samen, voer OCR uit op het gecombineerde bestand en converteer vervolgens naar Word. De gecombineerde aanpak levert één uitvoerdocument op in plaats van meerdere documenten die later handmatig moeten worden gecombineerd. WukongPDF voegt de bestanden samen en verwerkt ze als één document.