อธิบาย OCR: PDF ที่สแกนกลายเป็นข้อความที่ค้นหาได้อย่างไร
20 กรกฎาคม 2569 · 4 นาทีในการอ่าน
เอกสารที่สแกน — ไม่ว่าจะมาจากเครื่องสแกนจริงหรือเพียงกล้องโทรศัพท์ — เป็นภาพถ่ายเท่าที่คอมพิวเตอร์เกี่ยวข้อง Ctrl+F ไม่พบอะไรเลย เพราะไม่มีข้อความอยู่ที่นั่นให้ค้นหา มีเพียงพิกเซลที่บังเอิญดูเหมือนตัวอักษรสำหรับมนุษย์ที่อ่านมัน
OCR ทำอะไรจริงๆ
การรู้จำอักขระด้วยแสงวิเคราะห์รูปทรงบนหน้าและทำนายว่าตัวอักษรใดที่พวกมันเป็นตัวแทน จากนั้นเพิ่มข้อความที่ทำนายไว้นั้นเป็นเลเยอร์ที่มองไม่เห็นและเลือกได้ซึ่งวางตำแหน่งไว้เหนือภาพต้นฉบับพอดี ในเชิงภาพ ไม่มีอะไรเปลี่ยนแปลง — คุณยังคงดูการสแกนเดียวกัน ในเชิงฟังก์ชัน หน้าตอนนี้มีข้อความจริงอยู่ด้านหลังที่เบราว์เซอร์หรือโปรแกรมอ่าน PDF สามารถค้นหา เลือก และคัดลอกได้
ทำไม OCR จึงทำงานในเบราว์เซอร์ของคุณทั้งหมดที่นี่
OCR PDF ใช้ Tesseract.js ซึ่งเป็น WebAssembly build ของเอนจิน OCR Tesseract แบบโอเพนซอร์ส ทำงานเป็น Web Worker เพื่อไม่ให้หน้าค้างในขณะที่มันทำงาน การรู้จำเองเกิดขึ้นบนอุปกรณ์ของคุณ — การสแกนไม่ได้ถูกส่งไปที่ไหนเพื่ออ่าน
สิ่งที่ส่งผลต่อความแม่นยำ
- คุณภาพการสแกน — การสแกนที่คมชัด แสงดี ตรง จะถูกจดจำได้แม่นยำกว่าภาพถ่ายโทรศัพท์ที่เบลอหรือเอียงมากอย่างมาก
- ลายมือ — Tesseract เช่นเดียวกับเอนจิน OCR ส่วนใหญ่ สร้างขึ้นสำหรับข้อความพิมพ์ การรู้จำลายมือเป็นปัญหาที่แตกต่างและเชื่อถือได้น้อยกว่ามาก
- ฟอนต์ที่ผิดปกติหรือมีสไตล์หนัก — แบบอักษรตกแต่งหรือข้อความที่มีความคมชัดต่ำลดความแม่นยำในลักษณะเดียวกับที่จะท้าทายมนุษย์ที่กวาดตาดูอย่างรวดเร็ว
ทำให้การสแกนค้นหาได้
เปิด OCR PDF