Beschreibung

<Bild>

Image Added

Die OCR-Erkennung (Optical Character Recognition) versucht, Bildinformationen in einen Text zu wandeln. Dies ist ein sehr komplexer Vorgang und kann je nach Scanqualität (Kontrast, Bildrauschen, Verzerrung etc.) mal mehr oder weniger gute Ergebnisse liefern. Die ABBYY-OCR bietet hierzu viele Einstellmöglichkeiten, um die Erkennungsqualität zu optimieren. Deshalb werden je nach Szenario unterschiedliche Einstellungen vorgeschlagen, welche in verschiedenen OCR-Vorlagen vordefiniert sind. Wenn für einzelne Dokumente schlechtere Ergebnisse geliefert werden, können für dieses Dokument andere OCR-Vorlagen ausprobiert werden. Eine OCR-Vorlage wird bei der Analyseregel im Tab OCR ausgewählt.

Für die Tesseract-OCR ist die Standard-Konfiguration in allen OCR-Vorlagen enthalten, so dass die Tesseract-OCR grundsätzlich mit allen OCR-Vorlagen funktioniert. Sollten jedoch nicht die gewünschten Ergebnisse erzielt werden, so kann die OCR-Analyse mit einer der speziell für die Tesseract-OCR erstellten Vorlagen durchgeführt werden. Aktuell stehen folgende Vorlagen für die Tesseract-OCR zur Verfügung:

• 07) Tesseract (200dpi, deu)
  Es wird der bei der OCR ermittelte Text übernommen, unabhängig davon, ob es sich um ein textlesbares PDF-Dokument handelt oder nicht.

• 09) Tesseract (200dpi, deu, Text bevorzugen)
  Bei textlesbaren PDF-Dokumenten wird keine OCR durchgeführt, sondern der im Dokument enthaltene Text direkt aus dem PDF ausgelesen. Lediglich bei PDF-Dokumenten ohne vorhandenem Text (z.B. eingescannte Dokumente) wird die OCR angewandt.

• 10) Tesseract (200dpi, deu, Nur OCR-Ergebnis)
  Auch bei textlesbaren PDF-Dokumenten wird die OCR durchgeführt. In diesem Falle wird nur das Ergebnis der OCR-Erkennung übernommen, nicht jedoch der bereits im Dokument enthaltene Text.

Verwandte Themen