Skanem niskiej jakości jest zdjęcie dokumentu wykonane przy złym oświetleniu, faks wydrukowany i ponownie zeskanowany trzykrotnie, pomarszczona strona starej książki lub dokument zarejestrowany aparatem telefonu pod kątem. Tekst jest tam. Czytelnik będący człowiekiem jest w stanie to zrozumieć. Jednak dla silnika OCR obraz jest łamigłówką złożoną z uszkodzonych znaków, połączonych liter i szumu tła, co sprawia, że rozpoznawanie jest zawodne. Standardowe ustawienia OCR, które doskonale sprawdzają się w przypadku czystych skanów w rozdzielczości 300 DPI, powodują zniekształcenie tych obrazów.
OCR w przypadku skanu o niskiej jakości wymaga wstępnego przetworzenia obrazu w celu oczyszczenia skanu przed rozpoznaniem oraz dostosowania ustawień OCR, które są bardziej tolerancyjne na różnice w znakach. Etap wstępnego przetwarzania jest źródłem ulepszeń. Lepsze wejście daje lepszy wynik. Silnik OCR nie może rozpoznać tego, czego nie widzi.
Według testu porównawczego przeprowadzonego na Uniwersytecie w Nevadzie w 2025 r. wstępne przetwarzanie obrazu poprawia dokładność rozpoznawania OCR w przypadku skanów o niskiej jakości średnio o 18 do 34 punktów procentowych w porównaniu z przeprowadzaniem OCR na surowych, nieprzetworzonych obrazach (University of Nevada, „OCR Accuracy Benchmark Report”, 2025).
Typowe problemy z jakością skanowania i ich rozwiązania
| Problem | Jak to wpływa na OCR | Popraw |
|---|---|---|
| Niska rozdzielczość (<150 DPI) | Postatom brakuje wystarczającej szczegółowości w pikselach. Krawędzie się rozmywają. Cienkie pociągnięcia znikają. Podobne postacie stają się nie do odróżnienia | Jeśli to możliwe, zeskanuj ponownie w rozdzielczości 300 DPI. Jeśli oryginał jest niedostępny, przed OCR przeskaluj obraz, korzystając z funkcji skalowania wspomaganej przez sztuczną inteligencję |
| Nierówne oświetlenie lub cienie | Ciemne obszary tracą kontrast. Tekst w cieniach staje się niewidoczny dla silnika OCR. Gradientowe tła mylą wykrywanie progów | Zastosuj progowanie adaptacyjne, które dostosowuje jasność lokalnie, a nie globalnie. Usuń cienie za pomocą oprogramowania do edycji obrazu |
| Pochylenie lub obrót | Pochylony tekst zakłóca segmentację znaków. Wykrywanie linii OCR nie powiodło się. Postacie z sąsiednich linii łączą się | Przeprostuj obraz przed OCR. Większość narzędzi OCR opartych na przeglądarce obejmuje funkcję automatycznego prostowania. Przed obróbką sprawdź wyrównanie |
| Szum tła lub prześwit | Tekst z odwrotnej strony strony jest prześwitujący. OCR interpretuje przecieki jako część tekstu, powodując bełkot | Zwiększ kontrast, aby przyciemnić tekst i rozjaśnić tło. Zastosuj filtr usuwania tła. Użyj ustawień skanera, aby wyeliminować prześwity w czasie skanowania |
Wstępne przetwarzanie obrazu przed OCR
Przetwórz wstępnie zeskanowane obrazy przed przesłaniem ich do OCR. Deskew, aby wyprostować tekst. Zastosuj progowanie adaptacyjne, aby przekonwertować obraz na czystą czerń i biel, co eliminuje szumy tła i maksymalizuje kontrast. Zwiększ rozdzielczość obrazu lub zastosuj filtry wyostrzające, aby uwydatnić krawędzie znaków. Usuń obramowania, dziurki i inne elementy nietekstowe, które mogą zmylić silnik OCR. Każdy etap wstępnego przetwarzania poprawia jakość danych wejściowych, a każda poprawa jakości danych wejściowych bezpośrednio poprawia dokładność wyników OCR.
WukongPDF Narzędzia OCR przetwarzają skany i dodają warstwy tekstowe z możliwością przeszukiwania. Etap wstępnego przetwarzania OCR PDF powinien zostać zastosowany przed otrzymaniem obrazów przez silnik OCR. Czyste wejście daje czysty wynik.
Ustalanie realistycznych oczekiwań dotyczących dokładności
Nawet przy optymalnym przetwarzaniu wstępnym skan o niskiej jakości nie będzie powodował rozpoznawania OCR tak dokładnie, jak czysty. Spodziewaj się, że będziesz spędzać czas na poprawianiu błędów OCR. Skoncentruj poprawki na rzeczownikach własnych, liczbach i terminach technicznych, w których błędy zmieniają znaczenie. Typowe słowa zawierające oczywiste błędy OCR, takie jak „thc”; zamiast „the” można łatwo poprawić zbiorczo za pomocą funkcji Znajdź i zamień. Zeskanowany plik PDF, który zaczyna się jako obraz o niskiej jakości, spowoduje utworzenie wyniku OCR wymagającego edycji. Zaakceptuj to i zaplanuj na to czas.
Kiedy zaakceptować, że OCR nie jest wykonalne
Niektóre skany są zbyt słabe, aby OCR dał użyteczne wyniki. Zdjęcie zrobione w niemal ciemności. Faks skopiowany cztery razy. Dokument wydrukowany na kolorowym papierze przy użyciu tuszu o niskim kontraście. Dane wyjściowe OCR z tych skanów będą zawierać tak wiele błędów, że ich poprawienie zajmie więcej czasu niż ręczna transkrypcja dokumentu.
Przed przetworzeniem dużej partii skanów o niskiej jakości przetestuj jedną reprezentatywną stronę. Przeprowadź go przez pełne przetwarzanie wstępne i potok OCR. Jeśli dane wyjściowe wymagają rozległej korekty, ręczna transkrypcja może być skuteczniejsza niż OCR z korektą. Zeskanowany plik PDF, którego nie można skutecznie poddać obróbce OCR, należy poddać transkrypcji.
Wybór odpowiedniego silnika OCR w przypadku danych wejściowych o niskiej jakości
Nie wszystkie silniki OCR radzą sobie równie dobrze ze skanami o niskiej jakości. Silniki korzystające z rozpoznawania w oparciu o sieć neuronową, często określane jako OCR oparte na sztucznej inteligencji lub oparte na głębokim uczeniu, generalnie działają lepiej w przypadku zdegradowanego tekstu niż tradycyjne silniki dopasowujące do wzorców. Sieć neuronowa została przeszkolona na przykładach uszkodzonego, zniekształconego tekstu o niskiej jakości i potrafi rozpoznawać znaki, których nie potrafią tradycyjne silniki.
Jeśli regularnie przetwarzasz skany o niskiej jakości, przetestuj wiele silników OCR na próbce typowych dokumentów. Porównaj dokładność wyjściową i wymagany czas korekcji. Silnik zapewniający 95% dokładności przy czystych skanach może spaść do 80% w przypadku słabych skanów, podczas gdy silnik neuronowy może utrzymać 90%. Wybór silnika OCR PDF w przypadku niskiej jakości danych wejściowych powinien opierać się na przetestowanej wydajności na rzeczywistych dokumentach, a nie na twierdzeniach marketingowych.
Szkolenie niestandardowych modeli OCR dla powtarzających się typów dokumentów
Jeśli wielokrotnie przeprowadzasz OCR tego samego typu dokumentu o niskiej jakości, np. faksem formularzy od określonego dostawcy lub zeskanowanych faktur od konkretnego klienta, rozważ wytrenowanie niestandardowego modelu OCR. Niektóre platformy OCR umożliwiają przesyłanie przykładów określonego typu dokumentu i uczenie silnika rozpoznawania poszczególnych czcionek, układów i cech jakościowych. Wyszkolony model znacznie przewyższa silnik ogólnego przeznaczenia w przypadku tego konkretnego typu dokumentu.
Inwestycja w szkolenie zwraca się z każdym kolejnym przetworzonym dokumentem. Niestandardowy model, którego wytrenowanie zajmuje godzinę i który poprawia dokładność z 85 do 95 procent, pozwala zaoszczędzić kilka minut na poprawianiu każdego później przetwarzanego dokumentu. Zeskanowany plik PDF, który regularnie się powtarza, jest najlepszym kandydatem do szkolenia w zakresie niestandardowego modelu OCR.