แปลง PDF สแกนเป็น Excel: วิธีตัดสินใจแก้หน้ากระดาษเอียงและเส้นตารางจางก่อนทำ OCR

การแปลง PDF สแกนเป็น Excel จะได้ผลดีกว่าเมื่อจัดหน้ากระดาษก่อนเริ่ม OCR บทความนี้สรุปวิธีแก้หน้ากระดาษเอียง ลดพื้นหลังเทา ช่วยให้เส้นตารางจางอ่านง่ายขึ้น และรู้ว่าเมื่อไรควรหยุดปรับภาพ

แปลง PDF สแกนเป็น Excel: วิธีตัดสินใจแก้หน้ากระดาษเอียงและเส้นตารางจางก่อนทำ OCR

การแปลง PDF สแกนเป็น Excel มักสำเร็จหรือพลาดตั้งแต่ก่อนเริ่มรู้จำตัวอักษร หากหน้ากระดาษเอียงเล็กน้อย เส้นตารางซีด หรือพื้นหลังไม่สม่ำเสมอ ระบบ OCR อาจแยกคอลัมน์ผิด รวมหลายแถวเข้าด้วยกัน หรืออ่านค่าบางช่องหล่นไปทั้งที่คนยังมองออกชัด ดังนั้นคำถามสำคัญจึงไม่ใช่แค่ว่าจะใช้เครื่องมือใด แต่คือควรปรับสภาพหน้ากระดาษอย่างไร และควรหลีกเลี่ยงการปรับแบบไหนก่อนส่งต่อไปยังขั้นตอนสร้างตาราง

บทความนี้เน้นมุมปฏิบัติสำหรับการแก้หน้ากระดาษเอียงและเส้นตารางจางก่อนทำ OCR ลงสเปรดชีต โดยไม่ลงรายละเอียดเรื่องการตรวจสอบยอดรวมทีละแถวหรือการกระทบยอดข้อมูลหลังแปลงเสร็จ หากต้องการดูหน้าข้อมูลเกี่ยวกับเครื่องมือและสถานะการใช้งาน สามารถดูได้ที่ ข้อมูล OCR PDF to Excel

เริ่มจากโครงสร้างของหน้า ไม่ใช่รูปแบบใน Excel

เวลาพูดถึงการแปลง PDF สแกนเป็น Excel หลายคนมักกังวลก่อนเลยว่าไฟล์ปลายทางจะจัดช่องเหมือนต้นฉบับหรือไม่ แต่ในทางปฏิบัติ สิ่งที่สำคัญกว่าคือ หลังสแกนแล้ว หน้ากระดาษนั้นยังมีลักษณะเป็น “ตาราง” ชัดพอให้ระบบตีความหรือไม่

มองกระบวนการแบบสั้น ๆ ได้ดังนี้

  1. OCR อ่านตัวอักษรและตัวเลข
  2. ระบบแยกตารางคาดเดาโครงสร้างแถวและคอลัมน์
  3. ผลลัพธ์ใน Excel ขึ้นกับทั้งสองส่วนพร้อมกัน

ถ้าข้อความยังอ่านออก แต่เส้นตารางอ่อนมาก ระบบอาจอ่านคำได้ถูกแต่ใส่ผิดคอลัมน์ ถ้าเส้นตารางยังพอมองเห็น แต่ทั้งหน้าเอียงเพียงไม่กี่องศา ขอบเขตแถวก็อาจคลาดเคลื่อนได้ จึงควรจัดการเรื่องมุมหน้า ความคม และความต่างระดับของภาพก่อนค่อยคิดถึงการเก็บรายละเอียดในสเปรดชีต

ตัวอย่างเอกสารจริง: ตารางสรุปใบแจ้งหนี้ที่เอียงเล็กน้อย

ลองนึกถึงไฟล์ PDF ที่ได้จากการสแกนใบแจ้งยอดผู้ขาย 2 หน้า โดยตารางสรุปมีปัญหาดังนี้

  • หน้ากระดาษเอียงไปทางขวาเล็กน้อย
  • เอกสารถูกถ่ายสำเนาจากกระดาษอีกชั้น ทำให้พื้นหลังออกเทา
  • เส้นแนวนอนพอมองเห็น แต่เส้นแนวตั้งจางมาก
  • คอลัมน์ยอดเงินคมชัดกว่าคอลัมน์วันที่

ถ้านำไฟล์นี้ไปแปลง PDF สแกนเป็น Excel ทันที มักเกิดผลแบบนี้

  • วันที่กับเลขอ้างอิงถูกจับรวมเป็นคอลัมน์เดียว
  • ช่องว่างถูกตีความเป็นการขึ้นบรรทัดใหม่
  • คอลัมน์ยอดรวมเลื่อนไปทางขวา
  • แถวสุดท้ายถูกรวมกับหมายเหตุด้านล่าง

ปัญหาไม่ได้อยู่ที่การอ่านตัวอักษรอย่างเดียว แต่เกิดจากระบบต้อง “เดา” ขอบเขตตารางจากสัญญาณภาพที่ไม่ชัด ในกรณีลักษณะนี้ การเตรียมหน้ากระดาษอย่างพอดีก่อนทำ OCR มักมีผลมากกว่าการลองเปลี่ยนตัวแปลงหลายตัวกับไฟล์เดิมที่ยังไม่ปรับ

แก้ความเอียงก่อน เพราะมีผลกับทุกคอลัมน์

โดยทั่วไป การปรับหน้ากระดาษให้ตรงควรเป็นขั้นตอนแรก แม้จะเอียงเพียงเล็กน้อย ก็ทำให้แนวคอลัมน์จากด้านบนลงล่างดูไม่สอดคล้องกัน

ลำดับที่ใช้งานได้จริงมีดังนี้

  1. ตรวจว่าขอบกระดาษ แนวตัวอักษร หรือเส้นตารางเอียงหรือไม่
  2. หมุนหรือปรับความเอียงจนแนวข้อความหลักดูขนานกับแนวนอน
  3. เช็กแถวกลางหน้าและแถวล่างว่าคอลัมน์ยังตรงแนวเดียวกัน
  4. เมื่อมุมหน้าเสถียรแล้ว ค่อยไปปรับความต่างระดับหรือเส้นตาราง

เหตุผลที่ควรทำตามลำดับนี้

  • ถ้ายังเอียงอยู่ การเพิ่มความคมอาจไปเน้นขอบผิดตำแหน่ง
  • การตรวจจับเส้นตารางทำได้ดีกว่าเมื่อแถวอยู่ในแนวราบ
  • การครอบเฉพาะส่วนตารางทำได้ง่ายขึ้นเมื่อทราบมุมที่ถูกต้องแล้ว

กฎง่าย ๆ คือ ถ้าตาเปล่ายังเห็นว่าเอียง ก็ควรแก้ก่อนเสมอ แต่ถ้าเอกสารถูกถ่ายจากมือถือแล้วเกิดความโค้งของหน้า ไม่ได้เอียงแบบหมุนทั้งแผ่น การปรับด้วยซอฟต์แวร์อย่างเดียวอาจช่วยได้น้อย การสแกนใหม่หรือถ่ายใหม่ให้หน้าเรียบมักให้ผลดีกว่า

ทำให้เส้นตารางจางอ่านง่ายขึ้น โดยไม่ทำลายตัวเลข

เส้นตารางจางเป็นปัญหาที่แก้ยาก เพราะถ้าดันความเข้มแรงเกินไป อาจทำให้จุดทศนิยม เครื่องหมายจุลภาค หรือเลขเส้นบางหายไปด้วย

เป้าหมายไม่ใช่ทำให้ภาพดูเข้มจัด แต่คือทำให้ขอบเขตตารางชัดขึ้นเล็กน้อยโดยยังรักษารูปร่างของตัวอักษรและตัวเลขไว้

แนวทางที่ควรลองทีละขั้น

  1. เพิ่มความต่างระดับของภาพเพียงเล็กน้อย โดยเฉพาะเมื่อพื้นหลังออกเทา
  2. ปรับความสว่างให้พื้นกระดาษใกล้เคียงสีขาวมากขึ้น
  3. ลดจุดรบกวนเล็ก ๆ จากการถ่ายสำเนาหรือฝุ่นสแกน
  4. เพิ่มความคมแบบอ่อน ๆ เฉพาะเมื่อเลขยังฟุ้ง
  5. ตรวจอีกครั้งว่าเส้นตารางเด่นขึ้นจริง ไม่ใช่แค่ทั้งหน้ามืดขึ้น

สิ่งที่ควรหลีกเลี่ยง

  • เปลี่ยนเป็นขาวดำจัดเร็วเกินไป
  • เพิ่มความคมมากเกินจนเส้นหนาและเลขผิดรูป
  • ลดสัญญาณรบกวนแรงเกินจนจุดทศนิยมหรือเครื่องหมายลบหาย
  • ปรับทั้งหน้า ทั้งที่จริงมีปัญหาเฉพาะบริเวณตาราง

ถ้าเส้นตารางเกือบมองไม่เห็นอยู่แล้ว การครอบเฉพาะส่วนตารางมักช่วยได้มากกว่าการเร่งความเข้มทั้งหน้า เพราะช่วยตัดตราประทับ โลโก้ ขอบกระดาษ และข้อความส่วนอื่นที่รบกวนการตีความโครงสร้าง

ครอบส่วนที่รบกวน และแยกพื้นที่ที่ไม่ใช่ตารางออกจากกัน

สาเหตุที่การแยกตารางล้มเหลวบ่อยครั้ง คือหนึ่งหน้ามีหลายโซนภาพ เช่น หัวเอกสาร ที่อยู่ ตาราง หมายเหตุ และลายเซ็น หากส่งทั้งหมดเข้า OCR รอบเดียว ระบบอาจสับสนว่าตารางเริ่มตรงไหนและจบตรงไหน

ก่อนแปลง PDF สแกนเป็น Excel ควรถามก่อนว่า หน้านี้ควรถูกแยกเป็นส่วน ๆ หรือไม่

กรณีที่เหมาะกับการครอบหรือแยกส่วน ได้แก่

  • ตารางหลักที่อยู่กลางหน้าและมีขอบว่างด้านบนล่างมาก
  • ตารางที่มีตราประทับหรือโน้ตเขียนมือทับอยู่ด้านข้าง
  • รายงานที่มีกราฟวางเหนือข้อมูลตาราง
  • เอกสารที่มีเงื่อนไขหรือหมายเหตุชิดอยู่ใต้แถวสุดท้าย

แนวปฏิบัติที่ใช้ได้จริงคือ เก็บไฟล์ PDF ฉบับเต็มไว้เป็นเอกสารอ้างอิง แต่ตัดเฉพาะส่วนตารางเพื่อใช้ในขั้นตอน OCR ลงสเปรดชีต วิธีนี้ไม่ได้รับประกันผลลัพธ์เสมอไป แต่ช่วยลดการแยกแถวผิดและการรวมคอลัมน์โดยไม่ตั้งใจได้บ่อย

เช็กลิสต์สั้น ๆ ก่อนเริ่ม OCR

จุดตรวจ สิ่งที่ควรสังเกต การตัดสินใจ
มุมหน้า ตัวอักษรหรือแถวเอียงซ้ายขวา ปรับความเอียงก่อน
พื้นหลัง กระดาษอมเทา มีเงา หรือไม่สม่ำเสมอ ปรับความสว่างและความต่างระดับแบบอ่อน
เส้นตาราง เส้นแนวตั้งหรือแนวนอนจางมาก เพิ่มความชัดของเส้นอย่างระมัดระวัง
สิ่งรบกวน โลโก้ ตราประทับ หมายเหตุ ท้ายหน้า ครอบเฉพาะส่วนตาราง
ขอบตัวเลข เลขฟุ้ง แตก หรือบางเกิน หลีกเลี่ยงขาวดำจัด เพิ่มความคมเพียงเล็กน้อย
รูปทรงหน้า หน้ากระดาษโค้งจากการถ่ายภาพ ถ้าเป็นไปได้ให้สแกนหรือถ่ายใหม่

เช็กลิสต์นี้มีประโยชน์เพราะช่วยให้โฟกัสที่ “ความอ่านง่ายเชิงโครงสร้าง” สำหรับระบบ มากกว่าการแต่งภาพให้ดูสวยด้วยตา

รู้ว่าเมื่อไรการปรับภาพช่วย และเมื่อไรยิ่งทำให้แย่ลง

การปรับหลายชั้นไม่ได้หมายความว่าจะดีขึ้นเสมอไป บางหน้ากระดาษยิ่งผ่านการประมวลผลซ้ำยิ่งเสียรายละเอียด ควรหยุดเมื่อเริ่มเห็นอาการเหล่านี้

  • ขอบตัวอักษรสูญเสียรายละเอียดเล็ก ๆ
  • จุดทศนิยมหรือเครื่องหมายวรรคตอนเริ่มจาง
  • เส้นตารางกลายเป็นปื้นหนาแทนที่จะเป็นเส้น
  • ตัวอักษรเกิดขอบฟุ้งหรือหยักมากขึ้น
  • พื้นหลังขาวสะอาดขึ้น แต่คอลัมน์ยังแยกไม่ชัด

ถ้าเกิดอาการเหล่านี้ ข้อจำกัดอาจอยู่ที่ต้นฉบับจริง ๆ เช่น เอกสารแฟกซ์ที่เส้นแนวตั้งหายไปบางส่วน หรือไฟล์สแกนความละเอียดต่ำที่คนยังเดาตัวเลขได้ แต่ระบบแยกได้ยาก ต่อให้ปรับเพิ่มอีกก็อาจไม่สามารถกู้ข้อมูลที่หายไปจากต้นทางได้

นี่จึงเป็นเหตุผลที่ไม่ควรคาดหวังว่าการแปลง PDF สแกนเป็น Excel จะรักษารูปแบบได้สมบูรณ์ทุกครั้ง OCR ช่วยสร้างตารางกลับมาได้ระดับหนึ่ง แต่คุณภาพต้นฉบับ คราบรอยประทับ การไฮไลต์ และความเสียหายของงานพิมพ์ ล้วนมีผลต่อความแม่นยำของโครงสร้าง

ลำดับการทำงานที่นำไปใช้ซ้ำได้

ถ้าต้องทำกับเอกสารยาก ๆ หลายชุด ใช้ลำดับนี้เป็นแนวทางได้

  1. เลือกหนึ่งหน้าที่เป็นตัวแทนของปัญหามาทดลองก่อน
  2. ปรับหน้ากระดาษให้ตรงจนแนวข้อความและแถวอยู่ในระดับเดียวกัน
  3. ครอบเฉพาะส่วนตาราง หากมีเนื้อหาอื่นล้อมรอบมาก
  4. ทำความสะอาดพื้นหลังด้วยการปรับความต่างระดับและลดจุดรบกวนแบบอ่อน
  5. ช่วยให้เส้นตารางจางเห็นชัดขึ้นโดยไม่กดทับรายละเอียดของตัวเลข
  6. ทดสอบ OCR กับตัวอย่างขนาดเล็ก แล้วตรวจว่าคอลัมน์แยกถูกหรือไม่
  7. ถ้าผลดีขึ้น ค่อยใช้การตั้งค่าเดียวกันกับหน้าที่คล้ายกันทั้งชุด
  8. ถ้าไม่ดีขึ้น ให้ลดการปรับภาพลง หรือหาต้นฉบับสแกนที่ดีกว่า แทนการซ้อนตัวกรองเพิ่มไปเรื่อย ๆ

หัวใจสำคัญคือความสม่ำเสมอ หากเอกสารทั้งชุดมาจากเครื่องสแกนเดียวกันและแบบฟอร์มคล้ายกัน การตั้งค่าการเตรียมภาพชุดเดียวอาจใช้ได้กับหลายหน้า แต่ถ้าปะปนทั้งภาพถ่ายมือถือ สำเนาเอกสาร และแฟกซ์ ควรแยกกลุ่มและปรับตามสภาพจริง

ข้อจำกัดที่ควรคำนึงไว้

แม้จะเตรียมหน้ากระดาษอย่างระมัดระวัง การแปลง PDF สแกนเป็น Excel ก็ยังมีข้อจำกัด เช่น

  • เส้นตารางที่จางมากหรือขาดหาย อาจทำให้แยกคอลัมน์ไม่ได้สม่ำเสมอ
  • ช่องที่ถูกรวมกันหรือข้อความหลายบรรทัดในเซลล์เดียว ทำให้ขอบเขตแถวสับสน
  • ลายมือ ตราประทับ และไฮไลต์อาจรบกวนโครงสร้างของตาราง
  • ไฟล์สแกนความละเอียดต่ำอาจทำให้เลขบางตัวดูคล้ายกันเกินไป
  • ภาพถ่ายที่มีมุมเอียงเชิงมิติหรือหน้ากระดาษโค้ง อาจต้องถ่ายใหม่มากกว่าปรับด้วยซอฟต์แวร์

สรุปในทางปฏิบัติคือ เริ่มจากแก้ความเอียงก่อน ปรับพื้นหลังและความต่างระดับอย่างพอดี แยกเฉพาะส่วนตาราง และหยุดทันทีเมื่อการปรับภาพเริ่มทำลายรายละเอียดของข้อความ

คำถามที่พบบ่อย

ถ้าเส้นตารางในไฟล์สแกนจางมาก ยังแปลงเป็น Excel ได้ไหม

บางกรณียังพอทำได้ โดยเฉพาะถ้าปรับความต่างระดับของภาพ ลดพื้นหลังรบกวน และครอบเฉพาะส่วนตารางก่อน แต่ถ้าเส้นเดิมแทบไม่ถูกบันทึกไว้ตั้งแต่ต้น ระบบก็อาจแยกคอลัมน์ได้ไม่เสถียร

ควรแปลงภาพสแกนเป็นขาวดำล้วนก่อนทำ OCR ตารางหรือไม่

ไม่จำเป็นเสมอไป และบางครั้งอาจทำให้ผลแย่ลง การแปลงแบบขาวดำจัดเกินไปอาจทำให้จุดทศนิยม ตัวเลขเส้นบาง หรือเส้นขอบจางหายไป การปรับความต่างระดับอย่างอ่อนมักปลอดภัยกว่า

การแก้หน้ากระดาษเอียงจำเป็นจริงไหม

ส่วนใหญ่จำเป็น เพราะแม้เอียงเพียงเล็กน้อยก็ทำให้แนวแถวและคอลัมน์ไม่สม่ำเสมอ เพิ่มโอกาสที่ผลลัพธ์ใน Excel จะรวมคอลัมน์ผิดหรือแยกแถวเพี้ยน

การครอบเฉพาะบริเวณตารางช่วยให้ OCR ดีขึ้นหรือไม่

มักช่วยได้ โดยเฉพาะเมื่อหน้ากระดาษมีหัวเอกสาร โลโก้ หมายเหตุ หรือตราประทับปะปนอยู่ การตัดส่วนที่ไม่เกี่ยวข้องออกช่วยให้ระบบโฟกัสกับโครงสร้างของตารางมากขึ้น