Tekst in gescande PDF niet selecteerbaar - Zo lost u het op met OCR

Waarom kunt u tekst in een gescande PDF niet selecteren?

Wanneer een document fysiek wordt gescand en opgeslagen als PDF, maakt de scanner een platte afbeelding van de pagina - net als een foto nemen. Het resulterende bestand bevat geen echte teksttekens, alleen pixels die op letters lijken. Daarom selecteert klikken ergens in het document niets: er is geen tekstlaag voor uw cursor om vast te pakken.

Dit is een van de meest voorkomende PDF-frustraties. Het document ziet er op het scherm perfect leesbaar uit, maar het is in wezen een foto ingebed in een PDF-wrapper. U kunt het niet doorzoeken, er niet uit kopiëren, of een schermlezer het laten verwerken.

Wat is OCR en hoe lost het dit op?

OCR (Optical Character Recognition) is een technologie die de afbeelding van tekst analyseert en omzet in echte, machineleesbare tekens. De software bekijkt de vormen van letters, vergelijkt ze met bekende patronen en produceert een tekstlaag die terug in de PDF wordt ingebed.

Na OCR-verwerking krijgt u een doorzoekbare, selecteerbare PDF - visueel identiek aan het origineel, maar nu kan uw cursor woorden markeren, kan Ctrl+F zinnen vinden en werkt kopiëren en plakken normaal. Schermlezers en toegankelijkheidstools kunnen het ook lezen.

OCR toepassen op een gescande PDF

Er zijn verschillende manieren om OCR toe te voegen aan een gescande PDF, variërend van gratis browsertools tot desktopsoftware:

• Converteren naar Word, dan opslaan als PDF: Onze PDF naar Word-converter extraheert de visuele inhoud en converteert deze naar een bewerkbaar Word-document. Eenmaal in Word is de tekst volledig selecteerbaar. U kunt het vervolgens re-exporteren naar PDF met een correcte tekstlaag.
• Adobe Acrobat (betaald): De industriestandaard tool. Open de PDF, ga naar Hulpmiddelen → Scannen & OCR → Tekst herkennen, en Acrobat voegt direct een tekstlaag toe. Duur maar zeer nauwkeurig.
• Google Drive (gratis): Upload uw gescande PDF naar Google Drive, klik er met de rechtermuisknop op en kies "Openen met Google Docs." Google voert automatisch OCR uit en opent de tekst in een Docs-document. Werkt verrassend goed voor schone scans.
• Tesseract OCR (gratis, open-source): Een krachtige OCR-engine voor de opdrachtregel die door veel apps wordt gebruikt. Het beste voor ontwikkelaars of technische gebruikers die een gratis zelfgehoste oplossing willen.
• Adobe Acrobat online (beperkt gratis): Adobe biedt beperkte gratis OCR-verwerking via hun online tools voor gebruikers zonder abonnement.

Tips voor betere OCR-nauwkeurigheid

OCR-kwaliteit hangt sterk af van de kwaliteit van de originele scan. Volg deze tips om de nauwkeurigheid te maximaliseren:

• Scan op 300 DPI of hoger: Scans met een lagere resolutie produceren wazige tekens die OCR-engines verkeerd lezen. 300 DPI is het minimum; 600 DPI is ideaal voor kleine tekst of gedetailleerde documenten.
• Gebruik zwart-wit voor tekstdocumenten: Kleurenscans voegen bestandsgrootte toe zonder de OCR-nauwkeurigheid voor platte tekst te verbeteren. Zwart-wit of grijswaarden zijn voldoende voor de meeste documenten.
• Houd pagina’s recht: Gekantelde of scheve pagina’s verwarren OCR-software. De meeste moderne tools kunnen automatisch rechtzetten, maar recht beginnen helpt.
• Vermijd koffievlekken en vegen: Fysieke markeringen op het document worden verkeerd gelezen als tekens. Reinig het origineel indien mogelijk.
• Controleer de uitvoer: OCR is niet 100% nauwkeurig. Controleer het resultaat altijd, vooral voor cijfers, interpunctie en handgeschreven secties.

Na OCR: bestandsgrootte verkleinen indien nodig

OCR-verwerking kan soms de PDF-bestandsgrootte vergroten omdat het een verborgen tekstlaag toevoegt bovenop de bestaande afbeeldingslaag. Als uw resulterende bestand te groot is, gebruik dan onze PDF-compressor om de grootte te verkleinen zonder visuele kwaliteit te verliezen.

Wat als OCR de tekst niet correct herkent?

OCR-nauwkeurigheid hangt af van de kwaliteit van de originele scan. Slechte resultaten zijn gebruikelijk bij: zeer kleine lettertypen (onder 8pt), handgeschreven tekst, decoratieve of ongebruikelijke lettertypen, vervaagde inkt of slechte kwaliteitsscans onder 200 DPI. In deze gevallen kan handmatig overtypen nodig zijn - of het originele document opnieuw scannen met hogere kwaliteit voordat OCR opnieuw wordt uitgevoerd.