Met OCR (optical character recognition, oftewel tekstherkenning) haal je tekst uit een afbeelding: de tool leest de letters en maakt er echte tekst van. Zo hoef je een geprinte brief, een bon, een bladzijde uit een boek, een screenshot van een bericht of een gescand contract niet over te typen.
Welke talen worden ondersteund?
Engels, Nederlands, Duits, Frans en Spaans, elk met een eigen getraind model in Tesseract, de open-source OCR-engine achter deze tool. Kies de taal van de tekst voordat je begint. Het juiste model kent de letters met accenten en de gangbare woorden van die taal. Lees je Nederlandse of Duitse tekst met het Engelse model, dan worden letters als ë, é en ü veel vaker verkeerd gelezen.
Hoe nauwkeurig is het?
Dat hangt bijna helemaal af van de afbeelding. Schone, gedrukte tekst die recht van voren is gescand of gefotografeerd in goed licht, wordt heel goed herkend. De nauwkeurigheid daalt bij onscherpte, een lage resolutie, sterke schaduwen, gebogen boekpagina's, schuine tekst, sierlijke lettertypen, tekst op een drukke achtergrond en handschrift. Daar is Tesseract niet voor gemaakt.
Voor het beste resultaat scan je op 300 dpi als dat kan. Met een telefoon hou je die evenwijdig aan de pagina, vul je het beeld met de tekst en vermijd je schaduwen. Lees de uitkomst altijd na voordat je erop vertrouwt, vooral cijfers en namen.
Hoe ziet het resultaat eruit?
Een gewoon UTF-8-tekstbestand. De woorden en regeleinden blijven in leesvolgorde. Lettertypen, vetgedrukt, kolommen en tabellen blijven niet behouden. Pagina's met meerdere kolommen kunnen er kolom voor kolom uitkomen, of met regels van de kolommen door elkaar, afhankelijk van de ruimte ertussen.
Welke bestanden kan ik gebruiken?
Afbeeldingen in JPG, PNG, TIFF, BMP, GIF en WebP, en gescande PDF's. Elke PDF-pagina wordt eerst op 300 DPI in grijstinten weergegeven en dan gelezen. De tekst van alle pagina's krijg je terug in één bestand, gescheiden door pagina-einden. Heeft je PDF al selecteerbare tekst? Dan is Tekst uit een PDF halen sneller en exact.
Is het privé?
OCR draait op onze server. Je afbeelding wordt via een versleutelde verbinding geüpload, in Duitsland verwerkt en binnen twee uur automatisch verwijderd, samen met het tekstbestand.
Hoe groot mag het bestand zijn?
Bestanden tot 50 MB zijn gratis zonder account, binnen een daglimiet van 20 servertaken (50 met een gratis account). Pro werkt met bestanden tot 500 MB. Een la vol gescande papieren is een klus voor de pipeline-bouwer: de preset Scans opschonen comprimeert elke PDF en haalt de tekst eruit, in één keer. Je kunt het gratis proberen op maximaal 3 bestanden.
Zo haal je tekst uit een afbeelding
- Sleep je afbeelding of gescande PDF naar het vak.
- Kies de taal van de tekst.
- Klik op Tekst herkennen (OCR).
- Download het .txt-bestand en lees het na.
Veelgestelde vragen
Kan het handschrift lezen?
Alleen heel nette blokletters, en ook dan niet betrouwbaar. De tool is gemaakt voor gedrukte tekst.
Kan ik OCR gebruiken op een document met twee talen?
Kies de hoofdtaal. Woorden in de andere taal worden meestal toch gelezen, met iets meer fouten.
Kan ik een doorzoekbare PDF krijgen in plaats van een tekstbestand?
Nog niet. Je krijgt gewone tekst.
Waarom staan er zoveel vreemde tekens in het resultaat?
De afbeelding is waarschijnlijk onscherp, gedraaid of heeft een lage resolutie. Zet hem recht met Afbeelding draaien en probeer een scherpere scan.