Como corrigir erros de OCR e melhorar o resultado
Se o texto reconhecido tiver palavras em falta ou caracteres inesperados, compare-o primeiro com a imagem. O OCR pode ter interpretado mal uma letra, mas a gralha também pode existir no original. O corretor ajuda a editar o resultado; não reconstrói automaticamente a fonte.
Começar com um parágrafo legível
Abra o reconhecimento de texto em imagens, selecione o idioma realmente impresso na imagem e experimente um parágrafo curto. Assim, será mais fácil perceber se o problema afeta toda a fotografia ou apenas uma zona.
Altere uma condição de cada vez: primeiro o idioma, depois o enquadramento ou a qualidade. Caso contrário, será difícil perceber o que ajudou. Use a imagem como referência, mesmo quando um resultado incorreto parece uma frase plausível.
Problemas frequentes e o que experimentar
- Letras de outro alfabeto. Verifique o idioma selecionado. O idioma da interface e o do reconhecimento são definições independentes.
- Letras ou terminações em falta. Amplie o original. Se não conseguir distinguir os caracteres, tire uma fotografia mais nítida.
- Palavras de colunas diferentes aparecem misturadas. Recorte uma coluna num editor de imagens externo e carregue-a separadamente.
- Surgem caracteres junto às margens. Exclua molduras escuras, dedos e objetos ao lado da página.
- Não é encontrado texto. Verifique o ficheiro, o idioma e a legibilidade; depois, experimente um pequeno bloco de texto impresso comum.
Tirar uma fotografia melhor
Mantenha a câmara paralela à página, foque as letras e use iluminação uniforme. Evite reflexos que escondam linhas. Numa página muito curva, duas fotografias de zonas menores podem ser mais legíveis do que uma imagem de toda a página dupla.
Endireite linhas visivelmente inclinadas. Recorte o fundo desnecessário, mas deixe uma pequena margem clara à volta do texto. Estes passos seguem as recomendações de preparação de imagens do Tesseract.
Porque uma imagem maior nem sempre é melhor
O tamanho e a nitidez das letras importam mais do que o tamanho do ficheiro. Uma placa pequena numa fotografia grande de uma sala continua a ter poucos detalhes legíveis. Recortar a página pode ajudar mais do que ampliar toda a imagem.
O Istio prepara as imagens antes do reconhecimento e limita as dimensões para as processar no navegador. Se uma página grande tiver letras muito pequenas, experimente parágrafos individuais. Ampliar uma imagem desfocada não recupera detalhes que não foram captados.
Capturas de ecrã, fotografias e disposições complexas
Se o texto já estiver num ecrã, utilize a captura original em vez de fotografar o monitor. Quando possível, aumente a letra na aplicação de origem antes de fazer a captura. Preserve a imagem original e evite cópias que perderam qualidade após várias compressões.
JPG/JPEG e PNG são bons formatos para começar. A página OCR não aceita diretamente PDF ou HEIC: guarde primeiro a página ou fotografia num formato de imagem compatível. Tabelas, escrita à mão e letras decorativas exigem revisão manual cuidadosa. Não é garantida a preservação da disposição original.
Comparar antes e depois
- Escolha um trecho curto que consiga ler.
- Reconheça a imagem original e copie o resultado para uma nota.
- Altere um fator, como eliminar um reflexo ou isolar uma coluna.
- Repita o reconhecimento com o mesmo idioma e compare omissões, substituições e ordem das linhas.
- Guarde a versão mais fiel e corrija manualmente as diferenças restantes.
Por exemplo, o OCR pode confundir o algarismo «1» com a letra «I» na linha de treino «Documento 15». É uma possível confusão, não um resultado medido do Istio. Compare sempre nomes, datas, valores e códigos com a fonte.
Verificar a ortografia depois de rever a imagem
Edite o texto no campo do resultado e use a verificação do texto reconhecido, se estiver disponível para o idioma escolhido. Avalie as sugestões no contexto. Uma palavra correta pode não ser a palavra da fotografia: a revisão ortográfica não substitui a comparação com o original.
Se uma nova tentativa falhar ou não encontrar texto, o resultado anterior permanece no editor e pode pertencer à imagem anterior. Leia o aviso acima do formulário antes de tratar o texto visível como um novo resultado.
Se o reconhecimento não começar
A primeira execução descarrega um modelo de idioma. Um problema de rede ou um recurso bloqueado pode impedir a conclusão. Verifique a ligação e tente novamente depois de resolver a causa. Esperar sem obter resultado não demonstra que o reconhecimento tenha funcionado.
A documentação do Tesseract.js explica o motor utilizado no navegador. A interface do Istio disponibiliza apenas parte das suas definições.