Bild zu Text (OCR)
Holen Sie den Text aus einem abfotografierten Dokument, einem Screenshot oder einem Scan. Die Erkennung läuft auf Ihrem Gerät, und das Ergebnis lässt sich sofort bearbeiten.
Ihre Bilder werden auf diesem Gerät verarbeitet und nicht auf einen Server hochgeladen.
Anleitung
- Wählen Sie ein oder mehrere Bilder, ziehen Sie sie auf das Feld oben oder fügen Sie einen Screenshot mit Strg+V ein.
- Prüfen Sie die Sprache des Textes. Voreingestellt ist Deutsch plus Englisch, passend für Texte, die beides mischen.
- Warten Sie, bis das Lesen fertig ist. Die Prozentzahl unter jedem Dateinamen zeigt den Fortschritt.
- Korrigieren Sie den Text im Feld bei Bedarf und tippen Sie auf Kopieren oder .txt herunterladen. Bei mehreren Seiten nehmen Sie Alles kopieren.
So liest das Tool den Text
Das Tool verwendet Tesseract, eine Open-Source-OCR-Engine, die über Tesseract.js in Ihrem Browser läuft. Die Sprachmodelle stammen aus dem Satz tessdata_fast: neuronale LSTM-Netze, die das Bild Zeile für Zeile lesen. Für Sprachen mit lateinischer Schrift wurden diese Modelle mit rund 400.000 Textzeilen in rund 4.500 Schriftarten trainiert.
Vor dem Lesen wird jedes Bild vorbereitet. Die von der Kamera gespeicherte Ausrichtung (EXIF) wird übernommen. Bilder unter 1 Megapixel werden bis zu 3-fach in Richtung 2 Megapixel vergrößert, weil winzige Buchstaben schwer zu trennen sind. Ein Screenshot mit 800 × 600 Pixeln wird zum Beispiel um den Faktor 2,04 auf 1633 × 1225 Pixel vergrößert. In unseren Tests wurden bei 9 Pixel hohem Text in einem JPEG-Screenshot ohne Vergrößerung 46 % der Wörter richtig erkannt, nach 2-facher Vergrößerung 94 %. Fotos über 12 Megapixel werden auf 12 Megapixel verkleinert: Auf unserem Testrechner dauerte ein 53-Megapixel-Bild dadurch 2,2 statt 7,1 Sekunden, mit demselben Ergebnis. Findet die automatische Seitenaufteilung keinen Text oder liegt ihre Konfidenz unter 60 %, wird das Bild ein zweites Mal als ein einziger Textblock gelesen. Dieser zweite Durchgang rettet Seiten, die einige Grad schief fotografiert wurden.
Wovon die Genauigkeit abhängt
- Schriftgröße. Die Tesseract-Dokumentation empfiehlt mindestens 300 DPI. Bei 300 DPI hat 10-Punkt-Text eine x-Höhe (die Höhe eines kleinen x) von etwa 20 Pixeln, und unter 10 Pixeln sind genaue Ergebnisse unwahrscheinlich.
- Kontrast. Dunkler Text auf hellem Grund funktioniert am besten. Schatten, Knicke und gemusterte Hintergründe senken die Genauigkeit.
- Gerade Zeilen. Eine schiefe Seite macht es schwer, die Zeilen zu trennen.
- Gedruckter Text. Handschrift wird schlecht erkannt.
Tipps zum Fotografieren von Dokumenten
- Legen Sie das Blatt auf eine ebene Fläche mit gleichmäßigem Licht. Schalten Sie den Blitz aus, damit nichts spiegelt.
- Halten Sie das Handy parallel zum Blatt, sodass die Seitenränder gerade wirken und die Seite den Bildschirm fast ausfüllt.
- Tippen Sie zum Scharfstellen auf den Text und warten Sie, bis er scharf ist.
- Eine Seite pro Foto. Ein Foto mit 4032 × 3024 Pixeln, das ein A4-Blatt ganz ausfüllt, entspricht etwa 340 DPI.
Grenzen
Das Ergebnis ist reiner Text. Tabellen, Spalten und Formatierung bleiben nicht erhalten, und Text aus benachbarten Spalten kann in einer Zeile landen. PDF-Dateien werden noch nicht unterstützt. Weil alles auf Ihrem Gerät läuft, brauchen große Fotos auf dem Handy Zeit, und sehr große Bilder können scheitern, wenn der Speicher nicht reicht. Lesen Sie OCR-Text vor der Verwendung immer Korrektur, besonders Zahlen wie IBAN oder Rechnungsnummern.