Taranmış PDF'e OCR Nasıl Yapılır?

Dosyayı araca ekleyin, belgenin ağırlıklı dilini seçin ve işlemi başlatın. Belge hem Türkçe hem İngilizce metin içeriyorsa karma seçenek daha güvenlidir; tek dilli belgelerde o dili seçmek doğruluğu artırır.

İşlem bitince çıktının gerçekten işe yaradığını doğrulamanın en hızlı yolu, sayfada gözünüzle gördüğünüz belirgin bir kelimeyi PDF okuyucunun arama kutusuna yazmaktır. Kelime bulunuyorsa metin katmanı oluşmuş demektir. Sayfanın görünümü değişmez; metin görüntünün arkasına eklenir.

Sonucu en çok etkileyen unsur tarama kalitesidir. Sayfanın düz durması, yeterli çözünürlük ve gölgesiz eşit aydınlatma, kullanılan yazılımdan daha belirleyicidir. Çok düşük çözünürlüklü bir taramada hiçbir ayar iyi sonuç vermez.

Belge dilini doğru seçmek de doğrudan etkilidir: Türkçedeki ğ, ş, ı ve İ harfleri yanlış dil modelinde daha sık hatalı okunur. Telefonla çekilmiş belgelerde önce perspektifi düzeltip sayfayı temizlemek, doğrudan fotoğrafa OCR uygulamaktan belirgin biçimde daha iyi sonuç verir.

OCR bir kolaylıktır, noter tasdiki değil. İsim, tarih, tutar, IBAN ve kimlik numarası gibi kritik alanları sayfa görüntüsüyle karşılaştırın. En sık karışan karakterler bellidir: sıfır ile büyük O, bir ile küçük l, beş ile S, sekiz ile B.

Bu yüzden tutar içeren belgelerde tek tek hücre okumak yerine toplamı yeniden hesaplayıp kaynakla karşılaştırmak çok daha hızlı bir doğrulama yöntemidir. Düşük kaliteli taramalarda insan kontrolünün yerini tutan bir ayar yoktur.

Metin katmanı oluştuktan sonra belge yalnızca aranabilir olmaz; başka araçların da girdisi hâline gelir. Word veya Excel'e dönüştürme, başka dile çeviri, iki sürümü karşılaştırma ve metin karartma işlemlerinin hepsi metin katmanı gerektirir.

Arşivlenecek taramalarda OCR uygulayıp ardından belgeyi PDF/A biçimine dönüştürmek, yıllar sonra hem açılabilen hem içinde arama yapılabilen bir kopya bırakır. Bu, yalnızca sayfa görüntüsü saklamaktan çok daha değerlidir.