OCR

Co to jest OCR?

OCR to skrót od angielskiego Optical Character Recognition, czyli optyczne rozpoznawanie znaków. Jest to zbiór metod i technologii służących do rozpoznawania tekstu znajdującego się w obrazie rastrowym, np. w skanie dokumentu, zdjęciu strony lub pliku bitmapowym.

Do czego służy OCR?

OCR pozwala zamienić tekst widoczny na obrazie na tekst cyfrowy, który można:
- kopiować,
- edytować,
- wyszukiwać,
- indeksować,
- zapisać w dokumencie tekstowym lub pliku PDF z warstwą tekstową.

Przykład: zeskanowana kartka jest początkowo tylko obrazem. Po zastosowaniu OCR program rozpoznaje litery i tworzy tekst możliwy do edycji.

OCR a plik bitmapowy

Plik bitmapowy, np. JPG, PNG lub TIFF, przechowuje obraz jako siatkę pikseli. Dla komputera tekst w takim pliku nie jest tekstem, lecz układem ciemnych i jasnych punktów. OCR analizuje kształty znaków, porównuje je ze wzorcami i próbuje odtworzyć właściwe litery, cyfry oraz słowa.

Znaczenie w poligrafii i DTP

W przygotowaniu materiałów do druku OCR jest przydatny przy digitalizacji dokumentów papierowych, archiwizacji oraz odtwarzaniu tekstu ze skanów. Jakość rozpoznania zależy m.in. od rozdzielczości skanu, kontrastu, ostrości obrazu, kroju pisma i poprawnego ustawienia języka.

Ważne rozróżnienie

OCR nie jest formatem pliku. Nie należy go mylić z PDF, JPG ani TIFF. OCR to technologia rozpoznawania tekstu w obrazie.