Text aus einem Foto oder Bild extrahieren (OCR)

Ein Foto einer Buchseite, ein Screenshot mit Text, ein auf Reisen fotografiertes Schild: Dieses Tool verwandelt jedes Bild mit gedrucktem Text in wirklich verwertbaren Text – kopierbar in eine E-Mail, bearbeitbar in einer Textverarbeitung oder durchsuchbar in einem PDF-Reader. Sieben Sprachen werden unterstützt, darunter Yoruba, ein seltenes Unterscheidungsmerkmal unter den kostenlosen OCR-Tools.

Was zwischen dem Senden des Fotos und dem Ergebnis geschieht

Vor jeder Zeichenerkennung durchläuft das Bild mehrere automatische Vorbereitungsschritte, die für Sie unsichtbar, aber entscheidend für die Qualität des Ergebnisses sind. Die Neigung des Textes wird gemessen und dann korrigiert: Ein leicht schief aufgenommenes Foto, was aus der Hand fast immer vorkommt, wird gerade gerichtet, bevor es weitergeht. Steht die ganze Seite auf dem Kopf oder ist um eine Vierteldrehung gedreht – ein häufiger Fehler beim Fotografieren eines Buches –, erkennt das Tool das und dreht sie in die richtige Richtung. Das Bild wird anschließend in Graustufen umgewandelt, leicht entrauscht und dann per Schwellenwert so binarisiert, dass sich der Text klar vom Hintergrund abhebt. Wirken die Zeichen für eine zuverlässige Erkennung zu klein, wird das Bild vor dem letzten Schritt automatisch vergrößert.

Warum die Qualität des Fotos wichtiger ist als die Engine

Die optische Zeichenerkennung hat in den letzten Jahren enorme Fortschritte gemacht, bleibt aber grundsätzlich durch das begrenzt, was sie als Eingabe erhält: Eine Engine, so leistungsfähig sie auch sei, kann einen völlig unscharfen oder in einer Spiegelung untergegangenen Buchstaben nicht erraten. Deshalb zeigt dieses Tool nach der Verarbeitung einen durchschnittlichen Konfidenzwert an, statt universelle Zuverlässigkeit vorzugeben. Unter 60 % weist Sie eine konkrete Meldung auf die nützlichsten Korrekturen hin: das Foto mit gut flach liegendem Dokument wiederholen (ein schräg aufgeschlagenes Buch verzerrt die Textzeilen zu den Rändern hin), mit frontaler statt streifender Beleuchtung (um Schattenwurf auf der Seite zu vermeiden) und ohne Verwacklung (eine Auflage oder ausreichend Helligkeit für eine kurze Belichtungszeit bevorzugen).

Drei Ergebnisse für drei Zwecke

Der reine Text wird direkt in einem Feld angezeigt, das Sie mit einem Klick kopieren können – am schnellsten, um ein Zitat oder eine kurze Passage zu übernehmen. Das Word-Dokument bildet pro erkanntem Textblock einen Absatz nach, bereit zur Nachbearbeitung oder Ergänzung. Das durchsuchbare PDF bewahrt das genaue Aussehen Ihres Originalfotos und legt eine unsichtbare Textebene darüber: ideal, um ein Dokument zu archivieren und es später per Stichwort durchsuchen zu können, ohne sein ursprüngliches Erscheinungsbild (Stempel, Unterschrift, Layout) zu verlieren.

Grenzen, die man kennen sollte

Dieses Tool erkennt gedruckten Text in einem relativ einfachen Layout: Absätze, Überschriften, Listen. Eine komplexe Tabelle mit vielen Spalten, Handschrift oder eine stark stilisierte Schrift (Kalligrafie, Zierschrift) führen zu einem teilweisen oder fehlerhaften Ergebnis. Ein Bild mit mehr als 50 Megapixeln wird aus Gründen der Verarbeitungszeit abgelehnt; verkleinern Sie es in diesem Fall zuerst mit dem Tool zur Bildgrößenänderung.

Häufig gestellte Fragen

Mein Foto ist leicht schief, ist das schlimm?
Nein: Das Tool erkennt die Neigung des Textes automatisch und korrigiert sie vor der Erkennung, bis zu einem gewissen Grad. Ein aus der Hand aufgenommenes Foto mit einigen Grad Neigung ist in der Regel unproblematisch; ein zu starker Aufnahmewinkel (Foto sehr schräg statt frontal aufgenommen) lässt sich dagegen automatisch nur schwer korrigieren.
Warum ist das Ergebnis manchmal von schlechter Qualität?
Die Erkennungsqualität hängt fast vollständig vom Ausgangsbild ab: ein unscharfer Text, ein Foto bei Dämmerlicht, eine Spiegelung auf der Seite oder eine zu geringe Auflösung verschlechtern das Ergebnis stark, unabhängig von der verwendeten Erkennungs-Engine. Nach der Verarbeitung wird ein durchschnittlicher Konfidenzwert angezeigt; unter 60 % fordert das Tool Sie auf, das Foto unter besseren Bedingungen zu wiederholen.
Kann ich mehrere Sprachen kombinieren, zum Beispiel Deutsch und Englisch?
Ja: Haken Sie alle in Ihrem Dokument vorkommenden Sprachen an, bevor Sie die Erkennung starten. Die Engine nutzt sie gleichzeitig, was die Genauigkeit bei einem zweisprachigen Dokument gegenüber der Angabe nur einer Sprache verbessert.
Wird Handschrift erkannt?
Nein, oder nur sehr schlecht: Dieses Tool ist für gedruckten Text konzipiert (Buch, Behördendokument, Screenshot, Schild). Handschrift folgt ganz anderen Erkennungsregeln, die diese Engine nicht abdeckt.
Was passiert, wenn mein Foto eine Tabelle enthält?
Der Text wird Zelle für Zelle in der von der Engine erkannten Lesereihenfolge extrahiert, die Formatierung der Tabelle (ausgerichtete Spalten, Rahmen) wird aber nicht rekonstruiert: Bei einer komplexen Tabelle erfordert das Ergebnis in Word eine manuelle Neuformatierung.
Werden meine Fotos nach der Verarbeitung aufbewahrt?
Nein: Die hochgeladene Datei und die erzeugten Dokumente werden 30 Minuten nach der Verarbeitung automatisch gelöscht, nie protokolliert und nie wiederverwendet. Sie können auch auf „Jetzt löschen“ klicken, sobald Sie Ihr Ergebnis abgeholt haben.
Warum kann ich keine Sprache wählen, die nicht in der Liste steht?
Es werden nur Sprachen angeboten, deren Erkennungsdaten tatsächlich auf dem Server installiert sind: Eine kürzere, aber verlässliche Liste ist besser als eine Option, die stillschweigend scheitern würde.