Jika anda perlu menukar foto halaman bercetak kepada dokumen yang boleh disunting, imej ke Word biasanya ialah aliran kerja yang paling sesuai. OCR, atau pengecaman aksara optik, membaca aksara yang kelihatan dalam imej dan menukarkannya kepada teks yang boleh dipilih untuk dimasukkan ke dalam fail Word. Matlamatnya bukan sekadar menyalin teks, tetapi menghasilkan dokumen yang boleh anda sunting, cari, ulas dan guna semula.
Contoh yang biasa ialah agenda mesyuarat bercetak yang difoto pada dinding. Anda mungkin hanya mempunyai gambar telefon, tetapi masih memerlukan versi Word yang kemas untuk dikemas kini dan dikongsi. Dalam keadaan ini, laluan paling cepat biasanya ialah: kumpulkan imej yang paling jelas, jalankan OCR, pindahkan teks yang diekstrak ke Word, kemudian semak tajuk, senarai, jadual dan pemisah halaman.
Jika anda mahu melihat halaman maklumat Sanreader tentang topik ini dan status ketersediaan semasa, lihat imej ke Word.
Bila aliran kerja ini sesuai digunakan
Aliran kerja ini paling sesuai apabila sumber mengandungi teks bercetak, bukannya tulisan tangan yang padat atau huruf bergaya yang sukar dibaca. Ia berguna untuk bahan seperti:
- notis yang difoto
- laporan yang diimbas
- halaman buku untuk penyuntingan peribadi atau petikan apabila dibenarkan
- borang bercetak yang perlu ditulis semula dalam Word
- imej kamera bagi invois, surat atau agenda
Kelebihan utamanya ialah kebolehsuntingan. Setelah kandungan berada dalam Word, anda boleh membetulkan ayat, menggunakan gaya, menambah ulasan dan menggunakan semula bahagian dokumen dalam fail lain.
Apa yang boleh dan tidak boleh dikekalkan oleh imej ke Word
Imej ke Word biasanya menangkap teks dengan lebih baik berbanding reka letak halaman. Ini bermaksud perkataan mungkin dipindahkan dengan baik, tetapi susun atur asal selalunya tidak kekal dengan tepat.
Perkara yang sering dapat dikekalkan dengan agak baik:
- perenggan
- pemisah baris asas
- tajuk ringkas
- senarai bernombor atau bertanda
- sesetengah jadual dengan sempadan yang jelas
Perkara yang sering perlu dibaiki secara manual dalam Word:
- lajur
- sel jadual yang digabungkan
- nota kaki
- pengepala dan pengaki
- fon yang luar biasa
- teks di atas latar berwarna
- cop, tandatangan dan nota tepi
Sebab itu aliran kerja yang praktikal perlu merangkumi semakan akhir dalam Word, dan bukannya menganggap hasil OCR pertama sudah sedia untuk digunakan terus.
Langkah demi langkah yang mudah diikuti
-
Kumpulkan imej yang terbaik
Gunakan foto atau imbasan yang paling tajam. Jika beberapa imej mewakili satu dokumen, susunkannya mengikut turutan bacaan yang betul sebelum anda bermula. -
Semak kebolehbacaan setiap halaman
Pastikan teks bercetak jelas kelihatan pada paparan biasa. Jika halaman terlalu kabur untuk dibaca dengan mata anda sendiri, OCR juga akan menghadapi kesukaran. -
Jalankan OCR pada imej
Gunakan alat OCR untuk mengekstrak teks daripada setiap imej. Jika dokumen mempunyai banyak halaman, pastikan hasil setiap halaman kekal mengikut urutan asal. -
Eksport atau salin teks yang dikenal pasti ke Word
Bergantung pada alat yang digunakan, anda mungkin menerima teks biasa, fail dokumen, atau teks yang boleh ditampal ke dalam Word. Simpan satu salinan asal hasil OCR sebelum anda mula menyunting. -
Bina semula struktur dalam Word
Gunakan gaya tajuk, pulihkan jarak perenggan, bina semula senarai dan susun semula jadual jika perlu. Pada peringkat ini, teks OCR yang mentah ditukar menjadi dokumen yang benar-benar berguna. -
Bandingkan dengan imej asal
Semak nama, tarikh, nombor, rujukan dan mana-mana teks yang dicetak kecil. Bahagian seperti inilah yang paling kerap mengandungi kesilapan penting. -
Simpan versi kerja dan versi yang telah disemak
Simpan satu fail untuk penyuntingan dan satu lagi versi yang lebih kemas untuk perkongsian dalaman. Cara ini memudahkan pembetulan pada kemudian hari.
Contoh: menukar agenda yang difoto kepada fail Word
Bayangkan anda menerima tiga foto telefon bagi agenda bercetak yang ditampal pada pintu bilik acara. Anda memerlukan versi Word yang boleh disunting untuk mengemas kini masa dan menambah nama pembentang.
Proses yang praktikal boleh kelihatan seperti ini:
- Susun tiga foto mengikut turutan.
- Baca setiap foto sekali untuk memastikan setiap baris kelihatan.
- Jalankan OCR pada ketiga-tiga imej.
- Tampal atau buka teks yang dikenal pasti dalam satu dokumen Word.
- Tukar tajuk acara kepada gaya Tajuk.
- Bina semula senarai sesi yang bernombor.
- Betulkan julat masa, nama bilik dan nama khas dengan membandingkan semula pada foto.
- Tambah jadual yang kemas jika jadual asal menggunakan jarak yang tidak sekata dan tidak dapat dikekalkan oleh OCR.
Dalam contoh ini, OCR menjimatkan masa menaip semula teks, tetapi Word ialah tempat anda menjadikan dokumen itu benar-benar boleh digunakan.
Senarai semak ringkas sebelum dimuktamadkan
| Perkara untuk disemak | Apa yang perlu dipastikan dalam Word |
|---|---|
| Urutan halaman | Bahagian mengikut susunan imej asal |
| Nama dan tempat | Nama khas sepadan tepat dengan sumber |
| Nombor dan tarikh | Masa, jumlah dan tarikh tidak tersalah baca |
| Senarai dan tajuk | Struktur jelas dan konsisten |
| Jadual | Baris dan lajur masih masuk akal |
| Pemisah baris | Perenggan tidak terputus di tempat yang salah |
| Kebolehbacaan akhir | Dokumen boleh disunting tanpa kekeliruan susun atur |
Cara memperkemas dokumen Word selepas OCR
Setelah teks boleh disunting, peningkatan terbesar biasanya datang daripada kerja mengemas, bukannya daripada menukar semula fail.
Tumpukan pada penambahbaikan ini:
- gunakan gaya Word untuk tajuk dan bukannya teks tebal secara manual
- gantikan ruang kosong berulang dengan pemformatan perenggan atau tab yang betul
- bina semula jadual yang rumit daripada cuba membaiki teks sel yang rosak satu demi satu
- seragamkan fon dan jarak di seluruh dokumen
- jalankan semakan ejaan dan tatabahasa, kemudian bandingkan sekali lagi dengan imej sumber
Peraturan mudahnya ialah anggap hasil OCR sebagai draf pertama dokumen, bukan fail akhir yang sudah siap.
Batasan yang perlu dijangka dalam dokumen sebenar
Walaupun aliran kerja imej ke Word yang baik sangat membantu, tetap ada batasannya.
- Kontras yang rendah boleh menyebabkan huruf hilang atau perkataan bercantum.
- Foto halaman yang melengkung boleh mengganggu urutan baris.
- Reka letak hiasan mungkin diratakan menjadi teks biasa.
- Cetakan kecil dan aksara superskrip mudah disalah baca.
- Halaman berbilang lajur boleh keluar dalam urutan bacaan yang salah.
- Cop, logo dan tanda tulisan tangan boleh mengganggu pengecaman.
Atas sebab itu, OCR paling tepat difahami sebagai cara untuk mempercepat penciptaan dokumen, bukannya pengganti semakan manusia. Jika kandungan bersifat undang-undang, kewangan, akademik atau sensitif dari segi operasi, semakan teliti amat penting.
Hasil praktikal yang patut disasarkan
Hasil terbaik bukanlah salinan visual yang sempurna bagi halaman asal. Hasil yang lebih berguna ialah dokumen Word yang kemas, dengan teks yang tepat, struktur yang jelas dan pemformatan yang mencukupi untuk penyuntingan serta penggunaan semula. Bagi kebanyakan kerja, itu lebih bernilai daripada mengekalkan setiap butiran visual daripada foto asal.
Apabila anda mendekati imej ke Word dengan cara ini, prosesnya menjadi lebih mudah: ekstrak teks, bina semula struktur, sahkan butiran penting dan simpan versi yang benar-benar boleh digunakan oleh orang lain.