De OCR-nauwkeurigheid neemt aanzienlijk af bij documenten met een gekleurde achtergrond. Een formulier gedrukt op lichtblauw papier. Een certificaat op roombouillon. Een bord met rode tekst op een gele achtergrond. Een brochure met tekst over foto's heen. De OCR-engine verwacht zwarte tekst op een witte achtergrond. Wanneer de achtergrond kleur heeft, neemt het contrast tussen tekst en achtergrond af. De karakterranden vervagen naar de achtergrond. De nauwkeurigheid van de herkenning neemt af. Als u begrijpt waarom gekleurde achtergronden de OCR-nauwkeurigheid verminderen, kunt u de juiste correcties toepassen voordat u de tekst verwerkt.
De kleur van de achtergrond beïnvloedt de OCR via contrastreductie, verwarring van kleurkanalen en drempeldetectiefouten. Elk mechanisme vermindert de nauwkeurigheid op een andere manier. De oplossingen richten zich specifiek op elk mechanisme.
De OCR PDF-nauwkeurigheid op gekleurde achtergronden kan worden verbeterd door voorbewerking van afbeeldingen, waardoor de achtergrond vóór herkenning wordt genormaliseerd.
Hoe gekleurde achtergronden OCR beïnvloeden
OCR-engines zetten kleurenafbeeldingen om naar zwart-wit via een proces dat drempelwaarde wordt genoemd. Elke pixel wordt geclassificeerd als tekst, die zwart wordt, of als achtergrond, die wit wordt. Op een gekleurde achtergrond kunnen pixels die deel uitmaken van de achtergrond donkerwaarden hebben die vergelijkbaar zijn met tekstpixels, vooral als de achtergrond een donkere kleur heeft of als de tekst een lichte kleur heeft. Het drempelalgoritme maakt fouten en classificeert achtergrondpixels als tekst of tekstpixels als achtergrond.
Voorbewerking om de nauwkeurigheid te verbeteren
Converteer de afbeelding eerst naar grijswaarden. Pas vervolgens adaptieve drempelwaarde toe, waarbij verschillende drempelwaarden worden gebruikt voor verschillende delen van de afbeelding in plaats van één globale drempelwaarde. De adaptieve methode kan beter omgaan met variërende achtergrondkleuren dan globale drempelwaarden.
WukongPDF OCR verwerkt gescande documenten. De Gescande PDF-voorverwerking voor gekleurde achtergronden moet worden toegepast voordat de OCR-engine de afbeeldingen ontvangt.
Wanneer moet u een lagere nauwkeurigheid accepteren?
Voor sommige documenten met een gekleurde achtergrond is perfecte OCR niet haalbaar. Accepteer een nauwkeurigheid van 90-95 procent en plan handmatige correctie. De tijd die wordt besteed aan het bereiken van een nauwkeurigheid van 99 procent op een moeilijk document kan groter zijn dan de tijd die nodig is om de uitvoer van 95 procent handmatig te corrigeren.
De rol van contrastverhouding bij OCR-nauwkeurigheid
De nauwkeurigheid van de OCR hangt rechtstreeks samen met de contrastverhouding tussen tekst en achtergrond. Zwarte tekst op wit heeft maximaal contrast. Blauwe tekst op lichtblauw heeft een laag contrast. De OCR-engine heeft een minimale contrastverhouding nodig om karakterranden betrouwbaar te kunnen onderscheiden.
De OCR PDF-contrastvereiste verklaart waarom gekleurde achtergronden de nauwkeurigheid verminderen. De oplossing is om het contrast te vergroten door middel van voorbewerking.
Kleurkanaalscheiding gebruiken voor betere resultaten
Als tekst en achtergrond hoofdzakelijk verschillen in één kleurkanaal, scheidt u dat kanaal voor OCR. Rode tekst op een groene achtergrond kan in grijstinten bijna onzichtbaar zijn, maar duidelijk gescheiden in het rode kanaal.
De kleurkanaalscheidingstechniek Gescande PDF verbetert de OCR op documenten waarin tekst- en achtergrondkleuren verschillen.
Wanneer opnieuw scannen de beste oplossing is
Als het originele papieren document beschikbaar is, levert opnieuw scannen in grijstinten of zwart-wit met hoog contrast veel betere OCR-resultaten op dan wanneer u probeert een slechte kleurenscan te corrigeren.
De optie voor opnieuw scannen van PDF-kwaliteit is de meest effectieve oplossing voor OCR-problemen met gekleurde achtergronden wanneer het origineel toegankelijk is.
De natuurkunde van licht, kleur en karakterherkenning
OCR werkt door randen te detecteren waar lichte en donkere pixels samenkomen. Op een gekleurde achtergrond wordt het randcontrast verminderd. De OCR-engine moet onderscheid maken tussen de karakterrand en de achtergrondkleurovergang. Een lager contrast betekent meer randdetectiefouten.
De OCR PDF-fysica van contrast verklaart waarom voorverwerking die het contrast maximaliseert, de nauwkeurigheid verbetert. Grijswaardenconversie en adaptieve drempelwaarde zijn technieken voor contrastverbetering.
Voor de beste OCR-resultaten op gekleurde documenten scant u in grijswaarden met hoog contrast in plaats van in kleur. De scanner kan meer contrast vastleggen dan het menselijk oog kan zien.
Hoe verschillende kleurencombinaties de nauwkeurigheid anders beïnvloeden
Donkere tekst op lichtgekleurde achtergronden presteert beter dan lichte tekst op donkere achtergronden. Zwart op lichtblauw kan OCR met een nauwkeurigheid van 95% opleveren. Geel op wit kan een OCR van 50% of minder hebben. De specifieke kleurencombinatie bepaalt het nauwkeurigheidsverlies.
De kleurencombinatieanalyse Gescande PDF helpt voorspellen welke documenten de meeste voorbewerking en handmatige correctie nodig hebben.
Test OCR op een voorbeeld van elke kleurencombinatie in uw documentenset. Gebruik de resultaten om prioriteit te geven aan de voorbewerking van de combinaties met de laagste nauwkeurigheid.
Machine Learning OCR-engines gebruiken voor gekleurde documenten
Neurale netwerk-OCR-engines die zijn getraind op diverse documenttypen, kunnen beter omgaan met gekleurde achtergronden dan traditionele patroon-matching-engines. Het neurale netwerk heeft geleerd karakters te herkennen in omstandigheden met weinig contrast en kleurvariatie.
De keuze van de OCR PDF-engine heeft een aanzienlijke invloed op de nauwkeurigheid van gekleurde documenten. Als traditionele OCR slechte resultaten oplevert, probeer dan een neurale engine.
De verwerkingstijd voor neurale OCR is doorgaans langer dan voor traditionele OCR. De nauwkeurigheidsverbetering bij gekleurde documenten rechtvaardigt de extra tijd.
Een voorverwerkingsworkflow creëren voor documentensets met gemengde kleuren
Een documentenset kan pagina's met witte achtergronden, gekleurde achtergronden en afbeeldingsachtergronden bevatten. Verwerk elk paginatype met de optimale instellingen voor dat type. Een enkele voorverwerkingsinstelling die op alle pagina's wordt toegepast, zal voor sommigen verkeerd zijn.
De voorverwerkingsworkflow voor PDF-kwaliteit met gemengde kleuren maakt gebruik van pagina-voor-pagina- of sectie-voor-sectie-analyse om de juiste instellingen op elk inhoudstype toe te passen.
Documenteer de voorverwerkingsinstellingen voor elk paginatype. De documentatie maakt een consistente verwerking van toekomstige documentensets met vergelijkbare kenmerken mogelijk.
Wanneer moet u een lagere nauwkeurigheid en een lager budget voor handmatige correctie accepteren?
Voor sommige documenten is de inspanning om een hoge OCR-nauwkeurigheid te bereiken groter dan de inspanning om uitvoer met een lagere nauwkeurigheid handmatig te corrigeren. Een document van 500 pagina's dat met OCR's met een nauwkeurigheid van 85% wordt gecorrigeerd, kan 10 uur nodig hebben om handmatig te corrigeren, maar 20 uur voorbewerkingsexperimenten om 95% te bereiken.
Bij de kosten-batenanalyse van PDF Tools voor OCR-nauwkeurigheid wordt rekening gehouden met zowel de geautomatiseerde verwerkingstijd als de handmatige correctietijd. Kies het pad dat de totale tijd minimaliseert.
Histogramanalyse gebruiken om contrastproblemen te diagnosticeren
Een beeldhistogram toont de verdeling van de pixelhelderheidswaarden. Een histogram met twee duidelijke pieken duidt op een goed contrast tussen tekst en achtergrond. Een histogram met een enkele brede piek duidt op een laag contrast.
De histogramanalyse OCR PDF kwantificeert het contrastprobleem voordat de voorverwerking begint.
Het effect van papiertextuur op de OCR-nauwkeurigheid
Structuurpapier, zoals linnen of vergépapier, creëert achtergrondgeluiden die OCR-engines interpreteren als tekst. De textuur voegt valse randen toe die de karakterherkenning verwarren. Beeldvereffening vermindert textuurruis, maar kan ook karakterranden verzachten.
De Gescande PDF-papiertextuuruitdaging komt het meest voor bij historische documenten die zijn gescand van origineel papier in plaats van gedrukte reproducties.
Wanneer moet u handmatige transcriptie gebruiken in plaats van OCR?
Voor documenten met ernstige kleur- en contrastproblemen kan handmatige transcriptie kosteneffectiever zijn dan uitgebreide voorverwerking en correctie. Een menselijke transcribent kan tekst lezen die geen enkele OCR-engine kan herkennen.
Het beslissingspunt voor handmatige transcriptie van PDF Kwaliteit wordt bereikt wanneer de correctietijd per pagina voor OCR-uitvoer de transcriptietijd per pagina overschrijdt.
De impact van scannerkalibratie op de kleurnauwkeurigheid
Een ongekalibreerde scanner introduceert kleurverschuivingen die de OCR-nauwkeurigheid verminderen. Kalibreer de scanner voordat u gekleurde documenten scant. Gebruik een kleurdoel om de kalibratie te verifiëren.
De scannerkalibratiestap OCR PDF zorgt ervoor dat het digitale beeld de originele documentkleuren nauwkeurig weergeeft.
Multispectrale beeldvorming gebruiken voor moeilijke documenten
Multispectrale beeldvorming legt documenten vast op meerdere golflengten van licht. Verschillende golflengten onthullen tekst die onzichtbaar is in standaard wit licht. Voor ernstig aangetaste gekleurde documenten kan multispectrale beeldvorming de enige haalbare opnamemethode zijn.
De multispectrale benadering Scanned PDF wordt door grote archieven gebruikt voor documenten die bestand zijn tegen standaarddigitalisering.
Een referentieverzameling van problematische documenttypen opbouwen
Houd een verzameling voorbeelddocumenten bij die veelvoorkomende OCR-uitdagingen vertegenwoordigen. Test nieuwe voorverwerkingstechnieken met deze referentiecollectie voordat u ze toepast op productiedocumenten.
De referentiecollectie PDF Kwaliteit biedt een consistente maatstaf voor de verbetering van de OCR-nauwkeurigheid in de loop van de tijd.