OCR gratuito: estrarre il testo da un'immagine o da un PDF scansionato
Questa pagina riunisce i due modi di usare il riconoscimento ottico dei caratteri (OCR) su Warizma: a partire da una foto o da una scansione in formato immagine, oppure a partire da un PDF già scansionato. In entrambi i casi lo stesso motore trasforma un'immagine di testo in testo realmente utilizzabile — copiabile, modificabile, ricercabile — anziché in un semplice disegno di lettere.
Perché due strumenti per la stessa tecnologia
Una foto di un libro scattata con il telefono e un PDF scansionato da una fotocopiatrice non pongono esattamente le stesse questioni: la prima solleva problemi di inquadratura, inclinazione e illuminazione tipici dello scatto a mano libera, mentre il secondo è spesso già ben allineato ma può contenere diverse decine di pagine, o essere già «segretamente» ricercabile se un software ha incorporato uno strato di testo. Separare le due intenzioni di ricerca in due pagine permette a ciascuna di spiegare ciò che le è proprio, condividendo dietro le quinte lo stesso motore di riconoscimento.
Cosa determina la qualità del risultato
Contrariamente a un'idea diffusa, la qualità di un OCR dipende innanzitutto dall'immagine inviata, non dal motore di riconoscimento in sé: un documento ben piatto, ben illuminato e nitido darà un risultato eccellente anche con un motore ordinario, mentre una foto sfocata e storta metterà in crisi il miglior motore. Per questo questo strumento applica un pretrattamento automatico — raddrizzamento, riduzione del rumore, ridimensionamento — prima di avviare il riconoscimento, e segnala le pagine in cui il risultato resta poco affidabile anziché consegnare in silenzio un testo errato.
Tre formati di uscita
Ogni elaborazione produce il testo semplice (copiabile direttamente), un documento Word (un paragrafo per blocco di testo rilevato) e un PDF ricercabile che conserva l'aspetto dell'immagine originale permettendo al tempo stesso di selezionare e copiare il suo contenuto — utile per archiviare un documento mantenendolo indicizzabile da un lettore PDF. Il file inviato viene eliminato automaticamente 30 minuti dopo l'elaborazione, mai registrato né riutilizzato.