שירותי סריקה והמרה - OCR

אנו בטקסט רץ מצעים שירותי סריקה והמרה של טקסטים (OCR), כחלק ממכלול השירותים של הוצאה לאור. 

אם יש לכם טקסט מודפס על דף או ספר, אך אין לכם את קובץ המקור הממוחשב (משום שאיבדתם אותו, או משום שהספר ישן מדי) – צרו קשר וכנראה שנוכל לסייע לכם!

מה זה סריקה?

סריקה היא תהליך בו מצלמים דף מודפס והופכים אותו לתמונה ממוחשבת, בפורמט  תמונה של PNG, JPEG וכדומה. 

סריקת ספר היא למעשה צילום של כל עמודי הספר בזה אחר זה, והפיכתם למספר רב של קבצי תמונה. לפעמים מצרפים את כולם יחד בקובץ PDF של אדובי, אך עדיין – מדובר בתמונה. 

המחשב מזהה כעת את הדף כתמונה שטוחה, והוא אינו "מבין" שיש עליה טקסט, ולכן לא נותן אפשרות לערוך את הטקסט. מבחינתו הטקסט הוא 'כתמים שחורים' על רקע לבן. 

כיצד ניתן בכל אופן לערוך את הטקסט? על ידי שירותי המרה – OCR. 

מה זה OCR?

האותיות OCR הן ראשי תיבות של: Optical Character Recognition, שפירושו "זיהוי תווים אופטי". 

עד לפני מספר לא רב של שנים, לא הייתה למחשב שום יכולת לפענח תמונה שמופיע בה טקסט, משום שכאמור – מבחינתו היו אלו כתמים שחורים על רקע לבן (וליתר דיוק – פיקסלים בצבעים שונים) ותו לא. 

בשנים האחרונות החלה להתפתח תעשיית תכנות של כמעט 'בינה מלאכותית', שמאפשרת למחשב לזהות את "הכתמים השחורים" שעל הרקע הבהיר, לאפיין את הצורה שלהם ו"להבין" איזו אות מייצג כל אחד מהם. 

תכנות אלו אפשרו לראשונה לסרוק ולצלם טקסטים, ואז באמצעות תוכנת OCR להמיר אותן לטקסט חי שניתן לעריכה. 

האם אפשר לסרוק ולהמיר כתב יד?

התשובה היא: לסרוק ודאי שכן, להמיר – כרגע עדיין לא. 

מטבע הדברים התכנות הללו מפותחות מאוד בשפה האנגלית, ופחות בשפות אחרות. בשפה העברית אין הרבה משתמשים (יחסית לכלל אוכלוסיית העולם), ולכן היא די נזנחת. 

תוכנות ה-OCR הגיעו אמנם לישראל ולעברית, אך יש עוד דרך ארוכה עד שהן תוכלנה לפענח כתב יד. 

גם באנגלית פענוח כתבי יד הוא חלקי, ועומד על חזקת 9/10 בערך. שזה אומר – אינספור טעויות. אגב, בעברית – גם בהמרת טקסט מודפס אחוז הטעויות עלול להיות גם הוא בשיעור כזה. 

מסתבר שעם השנים הטכנולוגיות תתפתחנה, ומקצוע הקלדנות ייעלם כמעט לגמרי מן העולם.