Converter uma imagem em um PDF pesquisável é um processo de duas etapas: primeiro a imagem se torna um PDF, depois o OCR adiciona uma camada de texto para que o conteúdo possa ser pesquisado e selecionado. Ambas as etapas podem ser realizadas juntas em ferramentas que as suportam, ou separadamente se preferir mais controle sobre cada etapa.
A diferença entre uma imagem normal PDF e uma imagem pesquisável
Ao converter uma imagem em PDF sem OCR, você obtém um PDF que exibe a imagem – você pode abri-la, aumentar o zoom, imprimi-la – mas não pode selecionar texto, pesquisar palavras ou copiar conteúdo. É essencialmente uma foto embrulhada em um contêiner PDF. Um PDF pesquisável adiciona uma camada de texto oculta abaixo da imagem, criada por OCR lendo o texto na imagem. A aparência visual permanece inalterada, mas agora Ctrl+F encontra palavras e o texto pode ser copiado.
Experimente o OCR PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.
Executando as duas etapas ao mesmo tempo
A ferramenta OCR PDF de WukongPDF aceita imagens diretamente - não apenas PDFs existentes. Carregue um arquivo JPG, PNG ou TIFF e a ferramenta o converterá em PDF e executará o OCR em uma única etapa, retornando um PDF pesquisável. Este é o caminho mais eficiente ao iniciar a partir de um arquivo de imagem em vez de um PDF existente.
O Google Drive também faz isso em uma única etapa: carregue a imagem no Drive, clique com o botão direito e escolha Abrir com → Google Docs. O Drive converte a imagem e executa o OCR automaticamente. O resultado é um documento editável do Google Docs em vez de um PDF pesquisável, mas você pode baixá-lo como PDF a partir daí, se necessário.
A qualidade da imagem determina ou prejudica a precisão do OCR
OCR lê pixels – a qualidade da imagem de entrada determina diretamente a precisão com que o texto é reconhecido. Uma fotografia nítida e de alto contraste de um documento impresso a 200 DPI ou superior normalmente é convertida com precisão muito alta. Uma foto borrada do telefone tirada em um ângulo com pouca iluminação apresentará muitos erros, independentemente do mecanismo de OCR usado.
Se você estiver fotografando um documento físico para criar um PDF pesquisável, algumas coisas melhoram significativamente os resultados: iluminação plana e uniforme, sem sombras na página; a câmera diretamente acima do documento, em vez de inclinada; e o documento deitado em vez de curvado. Aplicativos de digitalização de telefone, como Microsoft Lens e Adobe Scan, aplicam correção automática de perspectiva e aprimoramento de contraste antes do OCR, e é por isso que geralmente produzem resultados melhores do que uma foto de câmera padrão.
Verificando a saída
Após a conversão, verifique se o OCR funcionou abrindo o PDF e tentando Ctrl+F com uma palavra que você possa ver no documento. Se for encontrado, a camada de texto está funcional. Tente selecionar uma passagem e copiá-la – cole em um editor de texto para confirmar se os caracteres estão corretos e não distorcidos. Para documentos que serão arquivados ou utilizados para pesquisa, a verificação pontual de algumas páginas quanto à precisão do OCR vale os poucos minutos necessários.
Uma passagem de PDF Compressão após o OCR também pode ajudar a reduzir o tamanho do arquivo – a combinação de uma imagem de resolução total e uma camada de texto incorporada pode produzir arquivos maiores do que o esperado, especialmente para digitalizações de imagens de várias páginas.
Experimente o OCR PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.