Digitalizácia tlačených dokumentov cez Google: presne a zadarmo

Aj v časoch elektronických dokumentov potrebujeme niekedy previesť do elektronickej – textovej podoby tlačený text. Dôvody môžu byť rôzne, od archivovania dokumentov a výstrižkov v textovej podobe po použitie citácií v nejakých prácach. Na túto prísne špecializovanú činnosť, ktorej sa hovorí OCR (optical character recognition, optické rozpoznávanie písmen) nepotrebujeme drahý softvér, úplne nám postačia vlastné prostriedky Google.

Jediné, čo budeme na digitalizáciu potrebovať je samozrejme účet na Google a skener alebo smartfón. V niekoľkých veľmi jednoduchých krokoch si teraz ukážeme ako na to.

Oskenujeme/odfotíme si text. Ak je text vo viacerých stĺpčekoch, musíme odfotiť každý sĺpček zvlášť. Ja som si pre názornosť vybral jednoduchý text z knihy o Petržalke a fotil som iPhonom. Ak fotíme smartfónom, dbáme, aby bola predloha dobre osvetlená, ale pozor na prípadné odlesky (kriedový papier). Pre rozpoznávanie textu je dobré, keď je kontrast čo najvyšší, tak ak máme nejaký zažltnutý starý článok, pohrajme sa v mobile alebo počítači s kontrastom, mne sa osvedčilo aj prehodenie do čiernobielej.

Takto to vyzerá.

Teraz si otvoríme Disk Google. Praktické je vytvoriť si v ňom samostatný adresár na OCR. Nahráme doň obrázok, stačí potiahnuť myšou.

Teraz si klikneme na obrázok pravým tlačidlom myši a zvolíme „open in Google Docs“ – (vidíme, že ďalšou možnosťou je aj Pixlr Editor, kde môžeme obrázok ešte upraviť, napríklad zvýšiť kontrast atď. – viď predchádzajúci krok).

Po chvíli spracovávania to príde. Pod obrázkom sa nám zjaví text. Rozoznávanie dokonca prebehlo korektne aj keď bol obrázok o 90 stupňov “z jeho pohľadu” otočený.

Text teraz môžeme skopírovať a šupnúť do Wordu. Tu je úplne neupravený. Chyba v slove „rozpriestiera“ je preklep v knihe, takže jediná chyba, ktorej sa rozpoznávanie Google dopustilo, je „nova“ namiesto „nová“ (predposledný riadok). Inak perfektný výstup.