Gescande PDF naar Word via OCR werkt het best wanneer de scan eerst goed wordt voorbereid. Als een PDF gedraaide pagina's, fletse tekst, meerdere talen, stempels of ongelijk licht bevat, daalt de herkenningskwaliteit vaak al vóór er iets naar Word wordt omgezet. De praktische vraag is dus niet alleen welk hulpmiddel je gebruikt, maar vooral hoe je het document eerst beter leesbaar maakt voor OCR.
Denk aan een eenvoudig voorbeeld: een leveranciersdossier van 24 pagina's dat van papier is gescand. Sommige pagina's staan rechtop, twee liggen gedraaid, meerdere hebben een grijze achtergrond en de laatste pagina's bevatten zowel Engels als een andere taal. Als je zo'n bestand meteen door gescande PDF naar Word laat lopen, kun je gebroken regels, gemiste tekens of verkeerd geplaatste alinea's krijgen. Een betere aanpak begint met controle en opschoning.
Beoordeel eerst de scan, niet het uitvoerformaat
Veel mensen zien OCR als een omzetstap, maar in de praktijk is het eerst een leesstap. Het Word-resultaat hangt af van de vraag of de bronpagina's duidelijk genoeg zijn zodat software letters, woorden en paginaverdeling kan herkennen.
Controleer vóór verwerking in elk geval deze punten:
- Staan alle pagina's recht, of zijn sommige negentig of honderdtachtig graden gedraaid?
- Is de tekst donker genoeg ten opzichte van de achtergrond?
- Zijn er schaduwen bij de rug of de paginaranden?
- Gaat het om één taal of meerdere talen?
- Liggen handgeschreven notities, stempels, zegels of handtekeningen over getypte tekst heen?
- Is de scan scherp, of oogt die wazig wanneer je inzoomt?
Als meerdere van deze problemen tegelijk voorkomen, nemen OCR-fouten meestal snel toe. In dat geval is voorbereiding belangrijker dan zomaar een andere exportoptie kiezen.
Corrigeer de paginarichting vóór OCR
Draaiing is een van de meest voorkomende vermijdbare problemen. Een menselijke lezer kan een scheve pagina nog wel begrijpen, maar OCR kan tekst op z'n zij of ondersteboven verkeerd lezen, zeker wanneer er ook tabellen, stempels of laag contrast aanwezig zijn.
Een praktische volgorde is:
- Blader alle pagina's door in miniatuurweergave.
- Corrigeer pagina's die gedraaid of ondersteboven staan.
- Splits pagina's af die een andere leesrichting of opmaak gebruiken.
- Controleer gemengde sets opnieuw, vooral wanneer een scanner sommige pagina's automatisch wel en andere niet heeft gedraaid.
Dit is extra belangrijk bij meertalige dossiers, waar het ene deel staand kan zijn en een ander deel liggend is gescand. Heb je eerst achtergrondinformatie nodig over deze aanpak en de huidige beschikbaarheid, bekijk dan de informatiepagina over OCR PDF naar Word.
Verbeter contrast en leesbaarheid bij zwakke scans
Scans met weinig contrast lijken op het scherm soms nog acceptabel, maar presteren vaak zwak bij OCR. Dat zie je bijvoorbeeld bij vervaagde kopieën, grijs papier en PDF's die met een telefoon zijn gefotografeerd. In zulke bestanden lopen letters visueel in de achtergrond over, waardoor OCR moet gokken waar een teken begint en eindigt.
Nuttige voorbereidende keuzes zijn onder meer:
- Verhoog het contrast zodat tekst duidelijker loskomt van de achtergrond.
- Verminder schaduwen bij vouwen, rug of paginaranden.
- Zet kleurenpagina's om naar schoner grijswaardenbeeld of zwart-wit als kleur vooral ruis toevoegt.
- Vermijd te sterke verscherping, want daardoor kunnen rafelige letters en valse randen ontstaan.
- Scan belangrijke pagina's opnieuw als het bronbeeld zichtbaar onscherp is.
Het doel is niet om de pagina er opvallend uit te laten zien. Het doel is om lettervormen duidelijker te maken. Zelfs beperkte opschoning kan OCR helpen om vergelijkbare tekens beter uit elkaar te houden.
Behandel meertalige documenten als aparte leesproblemen
Een meertalige PDF is in de praktijk niet één OCR-taak. Verschillende talen, leestekens en spatiëringspatronen kunnen de herkenning beïnvloeden. Zelfs wanneer een pagina vooral Engels bevat, kunnen namen, adressen of standaardvelden in een andere taal de herkenning minder stabiel maken.
Voor een praktische voorbereiding kun je dit doen:
- Groepeer pagina's waar mogelijk per hoofdtaal.
- Houd formulieren, brieven, facturen en bijlagen apart als de opmaak sterk verschilt.
- Let op pagina's waar een tweede taal alleen in stempels, kopteksten of voetteksten voorkomt.
- Behandel eigennamen, codes en referentienummers als punten voor handmatige controle na OCR.
Deze tekst gaat bewust over voorbereiding en niet over nabewerking in Word. De kern is dat meertalige OCR vaak beter werkt wanneer je het hele bestand niet als één uniform document behandelt.
Weet wanneer opnieuw scannen slimmer is dan opnieuw proberen
Soms is nog een OCR-poging niet de snelste route. Een betere bronscan levert dan meer op. Als de scan scheef staat, te sterk is gecomprimeerd, onder een hoek is gefotografeerd of door schittering is aangetast, wordt het lastig om er nog betrouwbare Word-tekst van te maken.
Overweeg opnieuw te scannen wanneer:
- Kleine tekst onleesbaar blijft bij inzoomen.
- Paginaranden krom naar binnen lopen door een foto-opname.
- Regels golvend of vervormd zijn, vooral dicht bij de rug.
- Donkere schaduwen door tekstblokken heen lopen.
- De PDF zelf al een scan van een eerdere scan lijkt te zijn.
Een opnieuw gescand contract van tien pagina's kost vaak minder tijd dan later honderden OCR-fouten herstellen. In echte documentprocessen is opnieuw scannen daarom vaak de praktische keuze, niet een mislukking.
Gebruik een korte controlelijst vóór OCR
Loop vóór omzetting deze korte controlelijst door.
| Onderdeel | Wat je controleert | Actie als het niet goed is |
|---|---|---|
| Richting | Alle pagina's staan goed | Pagina's eerst draaien |
| Contrast | Tekst is duidelijk donkerder dan de achtergrond | Contrast verbeteren of opnieuw scannen |
| Scherpte | Letters blijven leesbaar bij inzoomen | Wazige pagina's opnieuw scannen |
| Taalindeling | Meertalige delen zijn herkend | Splitsen of per deel verwerken |
| Ruis | Schaduwen, vlekken en achtergrondstructuur zijn beperkt | Beeld opschonen waar mogelijk |
| Toestemming | Je mag het document openen en verwerken | Stoppen en toestemming bevestigen |
Zo'n lijst voorkomt vermijdbare fouten voordat gescande PDF naar Word echt begint.
Een eenvoudige werkwijze stap voor stap
Wil je een herhaalbare aanpak, gebruik dan deze volgorde:
- Controleer de PDF pagina voor pagina.
- Corrigeer gedraaide en ondersteboven staande pagina's.
- Verminder duidelijke beeldproblemen zoals zware schaduwen of zwak contrast.
- Splits delen met verschillende talen of sterk afwijkende opmaak.
- Bepaal of bepaalde pagina's beter opnieuw kunnen worden gescand.
- Pas OCR pas toe wanneer het bestand visueel schoner is.
- Controleer daarna enkele representatieve pagina's om te beoordelen of de bronkwaliteit voldoende was.
Deze werkwijze is bewust eenvoudig. Er wordt geen perfecte opmaak beloofd, en ook niet verondersteld dat elk document zonder voorbereiding direct van scan naar Word moet gaan.
Beperkingen om rekening mee te houden
Voorbereiding helpt OCR, maar lost niet alles op. Sommige documenten blijven lastig door de kwaliteit van het origineel.
Veelvoorkomende beperkingen zijn:
- Zeer kleine letters of sterk versleten kopieën
- Tekst die wordt bedekt door zegels, handtekeningen of handgeschreven notities
- Gebogen pagina's uit boekscans
- Dichte juridische of technische opmaak met voetnoten en zijlabels
- Gemengde schriftsystemen op dezelfde regel
Ook toegang tot documenten blijft belangrijk. Als een PDF is beveiligd, mag een stap voor ontgrendelen of wachtwoordverwijdering alleen worden toegepast op documenten waarvoor je bevoegd bent. Dat betekent niet dat een onbekend wachtwoord mag worden omzeild.
Voor Sanreader geldt bovendien dat informatiepagina's documentprocessen kunnen beschrijven, maar dat je daaruit niet moet afleiden dat online uploaden, directe omzetting of downloadintegratie nu al beschikbaar is waar die voorzieningen nog niet zijn ingericht.
Wat in de praktijk het meeste verschil maakt
Wie zoekt op gescande PDF naar Word verwacht vaak dat de belangrijkste keuze het hulpmiddel is. In veel echte situaties is de grotere beslissing echter of de scan er klaar voor is. Draaiing, contrast, wazigheid en taalvermenging bepalen meestal of OCR van een leesbare bron start of van een beschadigde.
Bereid je het bestand eerst goed voor, dan verklein je vermijdbare herkenningsfouten en wordt latere controle overzichtelijker. Dat is het praktische voordeel: betere invoer, minder verrassingen.