Expériences de traduction ...
Blog de Michel Politis, Professeur au Département de Langues Étrangères, de Traduction et d'Interprétation de l'Université ionienne (Corfou - Grèce)

Κυριακή 3 Απριλίου 2011

Οπτική αναγνώριση χαρακτήρων (OCR) αρχείου μέσω Google Docs

Πολύτιμο εργαλείο και για μεταφραστές
 
Ένα πολύτιμο εργαλείο για όσους καλούνται να μεταφράσουν κείμενα σε έντυπη μορφή και επιθυμούν για να δουλέψουν έχοντάς τα σε ψηφιακή μορφή.

Η διαδικασία είναι απλή: στη σελίδα "Μεταφόρτωση αρχείων" του Google Docs επιλέγουμε στο "Ορισμός των επιλογών μετατροπής" το "Μετατροπή κειμένου από αρχεία PDF ή εικόνας σε Έγγραφα Google και στη συνέχεια τη γλώσσα στην οποία έχει συνταχθεί το προς επεξεργασία κείμενο. Κατά τα άλλα ακολουθούμε τη διαδικασία που προβλέπεται όταν ανεβάζουμε αρχεία στο Google Docs.

Μόλις ολοκληρωθεί η διαδικασία της αναγνώρισης, ελέγχουμε το κείμενό μας, το επεξεργαζόμαστε (εφόσον είναι απαραίτητο) και κι από εκει και πέρα το χρησιμοποιούμε όπως επιθυμούμε. Εάν για τον οποιοδήποτε λόγο δεν μπορούμε να αντιγράψουμε το αποτέλεσμα του OCR μπορούμε να επιλέξουμε "Λήψη ως" και να έχουμε το κείμενο αυτό είτε σε μορφή word, είτε σε μορφή txt.


Uploading and exporting: Uploading and converting PDF and image files with text to Google Docs


Optical Character Recognition in a nutshell

    Optical Character Recognition (OCR) lets you convert images with text into text documents using automated computer algorithms. Images can be processed individually (.jpg, .png, and .gif files) or in multi-page PDF documents (.pdf). These are some of the types of files suitable for OCR:
    • Image or PDF files obtained using flatbed scanners
    • Photos taken with digital cameras or mobile phones

Using OCR in Google Docs

In Google Docs, we take your uploaded images or PDF files, scan the file, and use computer algorithms to convert the file into a Google document.
For best results, the image or PDF files need to meet certain requirements:
  • Resolution: High-resolution files work best. As a rule of thumb, we recommend each line of text in the documents to be of at least 10 pixels height.
  • Orientation: Only documents with horizontal left-to-right text are recognized. If you've accidentally scanned or captured a document in a different orientation, please use a program to retouch and edit images to rotate them before uploading to Google Docs.
  • Languages, fonts and character sets: Our OCR engine supports a number of character sets, but support for non-Latin character sets is still experimental. You can select the language of your document from a drop-down menu. You'll get better results if your file includes common fonts such as Arial and Times New Roman.
  • Image quality: Sharp images with even lighting and clear contrasts will work best. Motion blur or bad camera focus will decrease the quality of the detected text.

File size limitations

The maximum size for images (.jpg, .gif, .png) and PDF files (.pdf) is 2 MB. For PDF files, we only look at the first 10 pages when searching for text to extract.

Preservation of text formatting

When processing your document, we attempt to preserve basic text formatting such as bold and italic text, font size and type, and line breaks. However, detecting these elements is difficult and we may not always succeed. Other text formatting and structuring elements such as bulleted and numbered lists, tables, text columns, and footnotes or endnotes are likely to get lost.

Δεν υπάρχουν σχόλια: