Text aus einem Foto oder Screenshot kopieren: so klappt es mit OCR

OCR macht aus dem Bild eines Textes Text, den Sie kopieren und bearbeiten können. Das Ergebnis reicht von fast fehlerfrei bis unbrauchbar, je nach Bild. Diese Anleitung zeigt, woran das liegt und wie Sie das Ergebnis prüfen, bevor Sie sich darauf verlassen.

Aktualisiert am

Wie OCR ein Bild liest

Eine OCR-Engine wie Tesseract, die das Tool von swift.id verwendet, sucht zuerst die Textzeilen im Bild. Ein neuronales Netz, trainiert auf Tausenden gedruckter Schriften, liest dann jede Zeile als Folge von Zeichen und gibt dazu einen Konfidenzwert aus. Die gewählten Sprachdaten helfen bei der Entscheidung, welche Buchstaben und Wörter wahrscheinlich sind. Zwei Dinge zählen also am meisten: die Qualität des Bildes und eine Spracheinstellung, die zum Inhalt passt.

Was die Genauigkeit bestimmt

ProblemAbhilfe
Schrift zu kleinNäher herangehen
Seite schrägGerade fotografieren
Ungleiches LichtGleichmäßig beleuchten
Dunkler HintergrundHeller Modus
Foto vom BildschirmScreenshot
HandschriftAbtippen

Zu kleine Schrift führt zu vertauschten Buchstaben, eine schräge Seite zu verschmolzenen Zeilen, ungleiches Licht zu fehlenden Textteilen. Laut Tesseract-Dokumentation funktioniert die Erkennung am besten ab 300 dpi, die Zeilensuche wird bei schräg liegenden Seiten deutlich schlechter, und ein ungleichmäßig dunkler Hintergrund verschlechtert das Ergebnis. Ab Tesseract 4 empfiehlt sie dunkle Schrift auf hellem Grund. Einen Screenshot im Dunkelmodus machen Sie also besser neu, nachdem Sie die App auf hell umgestellt haben.

Das Tool vergrößert Bilder unter 1 Megapixel vor dem Lesen bis aufs Dreifache, weil sehr kleine Buchstaben schwer zu trennen sind. Mehr als das geht nicht: Was im Original verschwommen ist, wird nicht scharf.

Ein Dokument für OCR fotografieren

  1. Legen Sie das Blatt auf eine ebene Fläche in gleichmäßiges Licht, etwa an ein Fenster. Schalten Sie den Blitz aus; seine Spiegelung löscht die Buchstaben in der Blattmitte.
  2. Halten Sie das Handy parallel zum Papier, sodass alle vier Ränder gerade wirken und das Blatt den Bildschirm fast ausfüllt. Ein Foto mit 12 Megapixeln, das ein A4-Blatt ausfüllt, ergibt rund 340 bis 360 dpi; füllt das Blatt nur die halbe Bildbreite, sind es etwa 170 dpi.
  3. Tippen Sie auf dem Bildschirm auf den Text, damit die Kamera dort scharf stellt.
  4. Hat Ihr Handy einen Dokumentenscanner, nutzen Sie ihn: Dokumente scannen in der Notizen-App des iPhone oder Scannen in Google Drive richten die Perspektive gerade und schneiden auf das Blatt zu.
  5. Text auf einem Computer- oder Handybildschirm fotografieren Sie nicht ab, sondern machen einen Screenshot: ohne Spiegelung und ohne Streifen vom Pixelraster.

Sprachen, Umlaute und Fraktur

Das Tool liest Deutsch, Englisch, Französisch, Spanisch, Portugiesisch und Indonesisch, zwei davon gleichzeitig. Auf der deutschen Seite ist Sprache des Textes auf Deutsch gestellt und Zweite Sprache auf Englisch, was für deutsche Texte mit englischen Fachbegriffen passt. Für Umlaute und ß sollte Deutsch eingestellt sein. Eine zweite Sprache, die im Bild nicht vorkommt, macht das Lesen nur langsamer; stellen Sie sie dann auf Keine. Ändern Sie die Sprache, nachdem ein Bild gelesen wurde, erscheint ein Knopf Mit … neu lesen, der alles erneut liest.

Alte Drucke in Fraktur, etwa Zeitungen, Bücher oder Urkunden aus der Zeit der Großeltern, liest das Tool schlecht. Tesseract hat für deutsche Fraktur ein eigenes Sprachmodell (deu_latf), das dieses Tool nicht lädt. Briefe in Sütterlin sind Handschrift und fallen unter den nächsten Abschnitt.

Handschrift und Tabellen

Die Tesseract-FAQ ist deutlich: Für Handschrift kann man es benutzen, es funktioniert aber nicht besonders gut, weil es für gedruckten Text gebaut ist. Sehr ordentliche Notizen sind manchmal teilweise lesbar, den Rest tippen Sie schneller ab.

Auch Tabellen sind schwierig. Die Tesseract-Dokumentation nennt das Auslesen von Tabellen ein bekanntes Problem, und das Tool gibt reinen Text aus, sodass Zellen verschiedener Spalten in einer Zeile landen können. Schneiden Sie das Bild deshalb spaltenweise zu oder machen Sie je Spalte einen Screenshot, lesen Sie jede einzeln und fügen Sie sie in die passenden Spalten einer Tabelle ein.

Das Ergebnis korrigieren

OCR-Text braucht immer einen zweiten Blick, vor allem bei Zahlen. Am häufigsten verwechselt werden rn und m, l oder I und die Ziffer 1, O und 0 sowie S und 5. Am Zeilenende getrennte Wörter wie „Kranken-versicherung“ müssen Sie wieder zusammensetzen.

  • Auf die Konfidenz achten. Jedes Bild bekommt einen Prozentwert. Unter 60 % erscheint der Hinweis „Niedrige Konfidenz: Ergebnis sorgfältig prüfen.“
  • Zwei Lesungen vergleichen. Fotografieren Sie dieselbe Seite zweimal aus leicht anderer Position, lesen Sie beide und fügen Sie die Ergebnisse in Texte vergleichen ein. Wo sich die Zeilen unterscheiden, war die OCR unsicher; nur diese Stellen müssen Sie mit dem Bild abgleichen.
  • Die Länge zählen. Eine deutsche IBAN hat immer 22 Stellen. Fügen Sie sie in Wörter und Zeichen zählen ein: Auch in Vierergruppen geschrieben muss unter Ohne Leerzeichen 22 stehen. Wortzahlen pro Seite verraten außerdem einen verschluckten Absatz.
  • Rechtschreibprüfung nutzen. Im Ergebnisfeld ist die Rechtschreibprüfung des Browsers absichtlich aus. Fügen Sie den Text in eine Textverarbeitung ein, dann werden unbekannte Wörter markiert.

Text auf swift.id herauslesen

  1. Öffnen Sie Bild zu Text (OCR). Wählen Sie ein oder mehrere Bilder oder fügen Sie einen Screenshot mit Strg+V ein.
  2. Prüfen Sie Sprache des Textes und Zweite Sprache. Beim ersten Mal werden die OCR-Engine und die Sprachdaten geladen; Ihre Bilder werden nicht hochgeladen.
  3. Warten Sie, bis der Prozentwert unter dem Dateinamen durchgelaufen ist. Liegt ein Bild quer oder auf dem Kopf, tippen Sie auf Um 90° drehen, dann wird es neu gelesen.
  4. Korrigieren Sie den Text im Ergebnisfeld und tippen Sie auf Kopieren oder .txt herunterladen. Bei mehreren Seiten fügt Alles kopieren die Ergebnisse in Listenreihenfolge mit einer Leerzeile dazwischen zusammen.

PDFs nimmt das Tool noch nicht an. Bei einem gescannten PDF machen Sie von jeder Seite einen Screenshot. Lässt sich der Text im PDF-Programm markieren, kopieren Sie ihn dort; das ist immer genauer als OCR.

Häufige Fragen

Werden meine Fotos hochgeladen?
Nein. Von swift.id werden nur die OCR-Engine und ihre Sprachdaten geladen; die Bilder werden auf Ihrem Gerät gelesen. Prüfen Sie trotzdem jede Zahl im Ergebnis, bevor Sie sie in ein amtliches Formular übernehmen.
Warum ist der Text aus meinem Dunkelmodus-Screenshot unbrauchbar?
Die Tesseract-Dokumentation empfiehlt ab Version 4 dunkle Schrift auf hellem Grund. Stellen Sie die App auf hell, machen Sie den Screenshot neu und lesen Sie ihn noch einmal.
Kann das Tool iPhone-Fotos (HEIC) lesen?
Das hängt vom Browser ab. Chrome kann HEIC nicht öffnen, und das Tool sagt Ihnen das. Wandeln Sie das Foto zuerst mit HEIC in JPG um und fügen Sie dann das JPG hinzu.
Wie genau ist das Ergebnis?
Bei einem sauberen Screenshot von gedrucktem Text meist fast fehlerfrei. Bei Fotos von zerknittertem Papier, Kleingedrucktem oder Tabellen sind Fehler viel häufiger. Eine Konfidenz unter 60 % ist das Zeichen, jede Zeile zu prüfen.