ข้ามไปยังเนื้อหา
บทความ

วิธีจดจำข้อความในไฟล์ PDF ที่สแกนด้วย OCR

OCR วางชั้นข้อความที่มองไม่เห็นทับภาพหน้าเดิม โหมดคุณภาพเริ่มต้นคืออะไร โหมดอัตโนมัติจัดการภาษาอย่างไร และเหตุใดการปรับภาพให้ตรงจึงไม่เปิดเป็นค่าเริ่มต้น

สรุปสั้นๆ: OCR ไม่เปลี่ยนหน้าตาของหน้าเอกสาร ระบบเพียงวางชั้นข้อความที่มองไม่เห็นทับภาพ ทำให้ค้นหาและคัดลอกได้ หน้าที่มีข้อความอยู่แล้วจะถูกข้าม จริง ๆ แล้วโหมดคุณภาพคือความละเอียดในการเรนเดอร์ โหมดเร็วใช้ 100 DPI โหมดแม่นยำใช้ 300

กลุ่มบทความ

คู่มือทีละขั้นตอน

คู่มือทีละขั้นตอน: PDF guidance for reliable document processing and quality checks.

13 บทความ

เครื่องมือหลัก

OCR PDF ออนไลน์

เปิดเครื่องมือจากบทความนี้ แล้วทำงานต่อในภาษาที่คุณใช้อยู่

เปิดเครื่องมือ

สารบัญ

การจดจำข้อความใน PDF: สิ่งที่เกิดขึ้นกับเอกสารสแกน

เอกสารที่สแกนมาดูเหมือนเอกสารและอ่านได้เหมือนเอกสาร แต่สำหรับโปรแกรมทุกตัวแล้วมันเป็นเพียงรูปภาพ คุณค้นหาในไฟล์ไม่ได้ คัดลอกเลขที่สัญญาออกมาไม่ได้ และแบบฟอร์มรับเอกสารที่ตรวจหาข้อความก็จะปฏิเสธไฟล์นี้ เพราะมองว่าเป็นไฟล์เปล่า

การจดจำข้อความ (OCR) แก้ปัญหานี้ได้พอดี และทำด้วยวิธีที่ควรทำความเข้าใจไว้ คือไม่เขียนทับหรือแก้ไขอะไรในเอกสารเดิมเลย

สิ่งที่ถูกเพิ่มเข้าไปในไฟล์จริง ๆ

ภาพของหน้าเอกสารยังคงเดิมทุกอย่าง จากนั้นจะมีชั้นข้อความอีกชั้นวางทับลงไป เป็นข้อความที่จัดตำแหน่งให้ตรงกับตัวอักษรในภาพ และถูกทำให้มองไม่เห็น

คุณสมบัติทุกอย่างของผลลัพธ์มาจากข้อเท็จจริงข้อนี้ เมื่อมองด้วยตา ไฟล์ใหม่แยกไม่ออกจากต้นฉบับ กระดาษเดิม ตราประทับเดิม และถ้าต้นฉบับเอียง ก็เอียงเหมือนเดิม ขณะเดียวกัน การค้นหาจะเจอคำ ดับเบิลคลิกจะเลือกได้ทั้งบรรทัด และการคัดลอกจะได้ข้อความจริง

ด้วยเหตุผลเดียวกัน การจดจำข้อความจึงปลอดภัยสำหรับเอกสารที่หน้าตามีความสำคัญ สัญญาที่สแกนพร้อมลายเซ็น เมื่อทำ OCR แล้วก็ยังเป็นภาพสแกนเดิมที่มีลายเซ็นเดิม เพียงแต่ค้นหาได้แล้วเท่านั้น

หน้าที่มีข้อความอยู่แล้วจะถูกข้าม

ก่อนประมวลผล ระบบจะตรวจทุกหน้าว่ามีชั้นข้อความหรือไม่ หน้าที่มีชั้นข้อความอยู่แล้วจะไม่ถูกนำไปจดจำข้อความเลย

ผลที่ตามมาในทางปฏิบัติมีสองข้อ

เอกสารแบบผสมจัดการได้ถูกต้องโดยไม่ต้องทำอะไรเพิ่ม ถ้าบางส่วนของไฟล์พิมพ์ในโปรแกรมแก้ไขข้อความ และอีกส่วนวางเข้ามาเป็นภาพสแกน ระบบจะจดจำเฉพาะส่วนหลัง ข้อความที่พิมพ์ไว้จะคงเป็นต้นฉบับ ไม่ถูกแทนที่ด้วยสำเนาที่ได้จากการจดจำ ซึ่งสำคัญ เพราะข้อความต้นฉบับถูกต้องแม่นยำ ส่วนข้อความที่จดจำได้มีข้อผิดพลาดปนอยู่

การทำ OCR กับไฟล์ PDF ข้อความทั่วไปแทบไม่เปลี่ยนอะไรและไม่ทำให้เสียหาย จึงสะดวกเมื่อคุณไม่แน่ใจว่าเอกสารตรงหน้าเป็นภาพสแกนหรือไม่ ส่งผ่านเครื่องมือไปได้เลย

หลักการเดียวกันนี้กำหนดเวลาที่งานใช้ด้วย เวลาไม่ได้ขึ้นกับจำนวนหน้าทั้งหมดของเอกสาร แต่ขึ้นกับจำนวนหน้าที่ไม่มีข้อความ รายงานสองร้อยหน้าที่มีภาพสแกนแทรกอยู่ห้าหน้าจะใช้เวลาเท่ากับการประมวลผลห้าหน้า

โหมดคุณภาพทั้งสามคือความละเอียดสามระดับ

ตัวเลือกคุณภาพควบคุมสิ่งเดียวเท่านั้น คือความละเอียดที่ใช้เรนเดอร์หน้าก่อนจดจำข้อความ

โหมดความละเอียดเลือกเมื่อใด
เร็ว100 DPIตัวอักษรขนาดใหญ่และชัด ต้องการตรวจดูคร่าว ๆ
สมดุล150 DPIเอกสารทั่วไป สัญญา ใบรับรอง
แม่นยำ300 DPIตัวอักษรขนาดเล็ก เชิงอรรถ สำเนาคุณภาพไม่ดี

ค่าเริ่มต้นคือโหมดสมดุล ข้อนี้ควรจำไว้ 150 จุดต่อนิ้วเพียงพอสำหรับหัวข้อและเนื้อหาหลัก แต่เชิงอรรถตัวเล็ก ตัวเลขในตาราง และตราประทับ ยังได้ผลแย่กว่าที่ได้จากโหมดแม่นยำ

หลักง่าย ๆ คือ ถ้าในเอกสารมีส่วนไหนที่คุณเองยังต้องเพ่งอ่าน ให้เลือกโหมดแม่นยำ แม้จะช้ากว่า แต่ช่วยให้ไม่ต้องทำงานซ้ำสองรอบ

ภาษา: โหมดอัตโนมัติคือสองภาษาพร้อมกัน

ภาษาที่เลือกได้คืออังกฤษและรัสเซีย รวมถึงโหมดอัตโนมัติ

โหมดอัตโนมัติไม่ได้เดาภาษา แต่จดจำเอกสารเป็นทั้งสองภาษาพร้อมกัน เหมาะกับข้อความที่ภาษาหนึ่งมีชื่อ รหัส และศัพท์เฉพาะจากอีกภาษาแทรกอยู่ สิ่งที่แลกมาคือความเร็วและความแม่นยำที่ลดลงเล็กน้อยกับข้อความที่ใช้ภาษาเดียวล้วน

ถ้าเอกสารเป็นภาษาเดียวทั้งฉบับ การเลือกภาษานั้นโดยตรงจะได้ผลดีกว่าและเร็วกว่าเล็กน้อย

เมื่อภาษาที่เลือกไม่พร้อมใช้งาน การจดจำข้อความจะไม่ล้มเหลว แต่จะทำงานด้วยภาษาที่ติดตั้งอยู่ และแนบคำเตือนแยกต่างหากที่ระบุทั้งภาษาที่คุณขอและภาษาที่ใช้จริง ควรอ่านคำเตือนนี้ อย่าปิดทิ้ง เพราะภาษาที่ถูกสลับโดยไม่แจ้งอธิบายผลลัพธ์แปลก ๆ ได้ดีกว่าการคาดเดาใด ๆ

หมายเหตุเกี่ยวกับเอกสารในภาษาอื่น อักษรละตินจะถูกจดจำด้วยชุดภาษาอังกฤษ แต่เครื่องหมายกำกับเสียงจะหายหรือเพี้ยน ข้อความภาษาฝรั่งเศสและเยอรมันอ่านออก แต่มีข้อผิดพลาดตรงเครื่องหมายเหล่านี้ ส่วนระบบการเขียนอื่นนอกจากละตินและซีริลลิกยังไม่รองรับเลย

วิธีเรียกใช้การจดจำข้อความ

1. เปิด OCR PDF ออนไลน์ แล้วอัปโหลดเอกสาร 2. เลือกภาษา ใช้โหมดอัตโนมัติกับข้อความผสม และเลือกภาษาเฉพาะกับข้อความภาษาเดียว 3. ตั้งเป็นโหมดแม่นยำ หากเอกสารมีตัวอักษรขนาดเล็ก 4. สั่งเริ่มงานแล้วดาวน์โหลดผลลัพธ์ 5. เปิดไฟล์แล้วค้นหาคำที่คุณรู้ว่ามีอยู่ในภาพสแกน นี่คือวิธีตรวจที่เร็วที่สุด

การปรับภาพให้ตรงและสิ่งที่ต้องแลก

มีสวิตช์แยกต่างหากที่ปรับหน้าที่เอียงให้ตรงก่อนจดจำข้อความ ตามค่าเริ่มต้นปิดอยู่ และมีเหตุผลรองรับ

การปรับให้ตรงทำกับสำเนาชั่วคราวของหน้า ซึ่งเป็นสิ่งที่ระบบนำไปอ่าน จากนั้นชั้นข้อความจะถูกวางทับบนหน้าต้นฉบับที่ไม่ได้แก้ไข ในภาพสแกนที่เอียงมาก จะเกิดการเหลื่อมกัน คือข้อความที่มองไม่เห็นหมุนไม่ตรงกับตัวอักษรที่มองเห็น

การค้นหาไม่ได้รับผลกระทบ ยังเจอคำเหมือนเดิม แต่การลากเลือกด้วยเมาส์ได้รับผลกระทบ กรอบที่เลือกจะอยู่ห่างจากตัวอักษร และการคัดลอกข้อความบางช่วงจะลำบาก

ข้อแลกเปลี่ยนนี้เป็นการตัดสินใจโดยตั้งใจ เพราะหน้าต้นฉบับยังคงไม่ถูกแก้ไข หากเอกสารเอียงมาก วิธีที่ดีกว่าคือปรับเอกสารให้ตรงก่อนการจดจำข้อความ โดยใช้ หมุน PDF ออนไลน์ สำหรับการหมุนเป็นมุมฉาก หรือสร้างภาพสแกนใหม่ผ่าน สแกนเป็น PDF ออนไลน์ ซึ่งมีการปรับภาพให้ตรงจริง

สิ่งที่การจดจำข้อความทำไม่ได้

ไม่ทำให้ต้นฉบับดีขึ้น ภาพถ่ายเบลอ แสงไฟสะท้อนพาดผ่านบรรทัด เงามือที่บังครึ่งหน้า ทั้งหมดยังคงอยู่ และการจดจำข้อความตรงจุดเช่นนั้นจะได้ตัวอักษรมั่วหรือถูกข้ามไป

ไม่อ่านลายมือ เครื่องมือนี้สร้างมาสำหรับตัวอักษรที่พิมพ์

ไม่ให้ข้อความที่มีผลทางกฎหมาย ชั้นข้อความที่จดจำได้มีข้อผิดพลาด จึงใช้เป็นสำเนาของเอกสารไม่ได้ มีไว้เพื่อการค้นหาและระบบที่ต้องการชั้นข้อความ ไม่ใช่เพื่อการอ้างอิงคำต่อคำ

และไม่คืนความละเอียดให้ภาพ หากภาพสแกนต้นฉบับทำไว้ที่ 75 จุดต่อนิ้ว โหมดแม่นยำจะเรนเดอร์ที่ 300 แต่ตัวอักษรไม่ได้เพิ่มขึ้นมา เป็นเพียงภาพเบลอที่ใหญ่ขึ้น คุณภาพของการจดจำข้อความถูกกำหนดโดยต้นฉบับ ไม่ใช่โดยการตั้งค่า

การจดจำข้อความอยู่ตรงไหนในลำดับการทำงาน

ลำดับสำคัญกว่าที่คิด และมีกฎข้อเดียว คือทำการจดจำข้อความก่อนการบีบอัด

การจดจำข้อความทำงานจากภาพของหน้า การบีบอัดผ่าน บีบอัด PDF ออนไลน์ ทำให้ภาพนั้นเสื่อมคุณภาพ คือลดความละเอียดและเพิ่มสิ่งรบกวนภาพรอบตัวอักษร การสลับลำดับจะได้ข้อความที่ผิดพลาดมากขึ้นอย่างเห็นได้ชัด และหลังจากนั้นก็ไม่เหลืออะไรให้แก้ไขได้อีก

การรวมไฟล์และการหมุนหน้าก็ควรทำก่อนการจดจำข้อความเช่นกัน เพราะสองอย่างนี้เปลี่ยนว่ามีหน้าใดบ้างและแต่ละหน้าหันไปทางไหน ขณะที่ชั้นข้อความผูกอยู่กับหน้าใดหน้าหนึ่งโดยเฉพาะ

หากสิ่งที่คุณต้องการไม่ใช่ไฟล์ที่มีชั้นข้อความ แต่เป็นตัวข้อความแยกเป็นอีกไฟล์ ให้ใช้ PDF เป็นข้อความ ออนไลน์ ซึ่งดึงเนื้อหาออกมาเป็นไฟล์ข้อความธรรมดาที่แบ่งตามหน้า

ผู้เขียน

จัดทำโดยทีม iHatePDF โดยมี Sergey Gagin เป็นผู้รับผิดชอบบริการ

เกี่ยวกับโครงการ

คำถามที่พบบ่อย

ไม่ต่าง ภาพหน้าเอกสารยังเหมือนเดิม และมีชั้นข้อความที่มองไม่เห็นเพิ่มเข้ามาทับ เมื่อมองด้วยตาแล้วไฟล์แยกไม่ออกจากต้นฉบับ แต่การค้นหาและการคัดลอกใช้งานได้
แทบไม่มีอะไรเกิดขึ้น หน้าที่มีข้อความอยู่แล้วจะถูกข้ามโดยไม่ประมวลผล จึงสะดวกกับเอกสารแบบผสมที่บางหน้าพิมพ์ไว้และบางหน้าสแกนมา
อังกฤษและรัสเซีย โหมดอัตโนมัติจดจำทั้งสองภาษาพร้อมกัน เหมาะกับเอกสารที่มีข้อความผสม หากภาษาที่เลือกไม่พร้อมใช้งาน ระบบจะทำงานด้วยภาษาที่มีอยู่และแจ้งไว้ในคำเตือนแยกต่างหาก
ไม่ต้อง ขั้นตอนพื้นฐานใช้งานได้โดยไม่ต้องสร้างบัญชี
ไฟล์ถูกใช้เฉพาะกับการดำเนินการที่เลือก และจะถูกลบโดยอัตโนมัติเมื่อประมวลผลเสร็จ เราไม่นำเอกสารที่อัปโหลดไปฝึกโมเดล AI

เพิ่มเติมจากกลุ่มนี้

คู่มือทีละขั้นตอน

วิธีแปลง PDF เป็น Word ที่แก้ไขได้

เปิดไฟล์ใน Word แล้วแต่เคอร์เซอร์เข้าไปในข้อความไม่ได้? ทำไมค่าเริ่มต้นถึงให้ภาพ โหมดข้อความที่แก้ไขได้ต่างจากโหมดเหมือนต้นฉบับอย่างไร และหัวกระดาษหายไปไหน

คู่มือทีละขั้นตอน

วิธีดึงตารางจาก PDF ไปยัง Excel

จาก PDF ไป Excel: ชีตใดบ้างที่อยู่ในเวิร์กบุ๊กที่ดาวน์โหลด โหมดตรวจจับทั้งสามต่างกันอย่างไรในทางปฏิบัติ และทำไมโหมดหลวมจึงพบตารางมากกว่าแต่ตัดคำขาด

คู่มือทีละขั้นตอน

วิธีแยกหน้า PDF ออกเป็นไฟล์ใหม่

ดึงเฉพาะหน้าที่ต้องการจาก PDF เป็นไฟล์แยก: โหมดผลลัพธ์สองแบบต่างกันอย่างไร ทำไมไฟล์ในอาร์ไคฟ์จึงใช้เลขหน้าเดิม และการปิดการคงขนาดหน้าให้ผลอย่างไร

เครื่องมือที่เกี่ยวข้อง

← เครื่องมือปรับให้เหมาะสมทั้งหมด

ขั้นตอนถัดไป

หากต้องการขั้นตอนถัดไปเชิงปฏิบัติหรือคำแนะนำเกี่ยวกับบริการหลังอ่านจบ ให้เปิดหน้าเหล่านี้

เครื่องมือทั้งหมด

รวมเครื่องมือ PDF: รวม บีบอัด แยก แปลง หมุน ป้องกัน และปลดล็อกไฟล์ PDF ออนไลน์ ทั้งหมดออนไลน์

คำถามที่พบบ่อย

คำตอบเรื่องบัญชี iHatePDF การประมวลผลไฟล์ ขีดจำกัดการอัปโหลด ความเป็นส่วนตัว และข้อผิดพลาด

ติดต่อเรา

ติดต่อ iHatePDF เรื่องข้อผิดพลาดในการประมวลผล การเลือกเครื่องมือ ความปลอดภัย ข้อเสนอทางธุรกิจ และข้อเสนอแนะฟีเจอร์ใหม่