عقد ممسوح ضوئيًا تريد اقتباس فقرة منه، فاتورة مصوَّرة يجب نسخ رقمها، كتاب PDF قديم لا يجد فيه Ctrl+F شيئًا: في كل هذه الحالات «النص» مجرد صورة. والتعرّف الضوئي على الحروف (OCR) يحوّله إلى نص حقيقي. هو ليس كاملًا أبدًا، لكنه إذا أُعدّ جيدًا وفّر ساعات من الكتابة.
كيف يعمل OCR في دقيقتين
يقسّم برنامج OCR الصورة إلى أسطر ثم كلمات وحروف، ويقارن كل شكل بما تعلّمه. ويمنح كل كلمة درجة ثقة. حين تكون الصورة حادة ومتباينة ومستقيمة تُعرف معظم الكلمات بيقين؛ وحين تكون ضبابية أو مائلة أو مشوّشة تتكاثر الأخطاء وتنخفض الدرجة.
في MaxyTools يجري التعرّف داخل متصفحك: تُنزَّل نماذج اللغة مرة واحدة، ثم لا تغادر الصورة التي تعالجها جهازك أبدًا. وهذا مهم لمستندات مثل بطاقة الهوية أو الوصفة الطبية أو العقد.
أي أداة لأي حالة
| ملفك | الأداة | ما تحصل عليه |
|---|---|---|
| صورة أو لقطة شاشة أو مسح ضوئي (JPG وPNG وWebP وBMP وGIF وHEIC) | التعرف على النص في الصور | نص قابل للتحرير، مع إبراز الكلمات المشكوك فيها، وتصدير إلى .txt أو PDF قابل للبحث (للنص اللاتيني) أو ZIP. |
تتوافر تسع لغات (العربية والفرنسية والإنجليزية والألمانية والإيطالية والهولندية والنرويجية والدانماركية والسويدية)، ويمكنك تحديد عدة لغات معًا (مثلًا العربية والإنجليزية).
التصوير أو المسح للحصول على نتيجة جيدة
في تسع حالات من عشر تُحسم جودة التعرّف قبل الأداة. بعض النقاط المرجعية:
- ضع الصفحة مسطّحة في مواجهتك، دون ظل من هاتفك. الإضاءة المتجانسة أفضل من فلاش يصنع وهجًا.
- استهدف دقة جيدة. ينبغي ألا يقل ارتفاع الحرف الصغير عن عشرين بكسلًا. وبدقة 300 dpi يحقق النص المطبوع بحجم 10 نقاط ذلك؛ وبدقة 150 dpi يكون على الحد للخط الصغير.
- خلفية متباينة ونص داكن. النص الرمادي الفاتح على خلفية كريمية مشكلة؛ ويساعد الأبيض والأسود التكيفي في الأداة.
- تجنّب الثنيات والأختام فوق النص والصور الملتقطة بزاوية.
تقدّم الأداة إعدادات اختيارية: تقويم الميل، وتكبير ×2 للأحرف الصغيرة، والتدرج الرمادي، والتباين، والأبيض والأسود التكيفي. جرّبها واحدًا تلو الآخر لا دفعة واحدة.
جعل ملف PDF ممسوح ضوئيًا قابلًا للبحث، خطوة بخطوة
- اختر اللغة (أو عدة لغات) والصفحات المراد معالجتها ودقة القراءة (150 أو 200 أو 300 dpi). 200 dpi حل وسط جيد؛ و300 dpi للأحرف الصغيرة.
- ابدأ: التقدم حقيقي، ويمكنك الإلغاء ثم الاستئناف من حيث توقفت. احسب بضع ثوانٍ للصفحة.
- نزّل النص (.txt) وملف PDF القابل للبحث: صفحاتك الأصلية لا تُعدَّل ولا يُعاد ترميزها، ويُدرج النص المتعرَّف عليه فوقها غير مرئي.
- راجع الكلمات المبرزة على أنها مشكوك فيها، خصوصًا الأرقام والأسماء العلم والمبالغ.
إذا كان ملف PDF يحتوي نصًا أصلًا تخبرك الأداة بذلك ويمكنها تخطي تلك الصفحات.
أخطاء شائعة
- الوثوق بـ OCR في الأرقام دون مراجعة: قراءة 5 على أنها 6 في مبلغ لها عواقب.
- نسيان تحديد اللغة الصحيحة: النص العربي المقروء بنموذج إنجليزي يعطي كلمات غريبة.
- معالجة ملف PDF يحتوي نصًا أصلًا: لا فائدة، وقد يثقل الملف.
- انتظار أن يقرأ OCR الخط اليدوي: ليس هذا شغله، ونتائجه ضعيفة.
حدود ينبغي الاعتراف بها
- OCR ليس كاملًا أبدًا: الصفحة الحادة تعطي نتائج ممتازة؛ أما الصورة الضبابية أو الوهج أو الخط اليدوي أو الختم فوق النص فتُضعفها كثيرًا.
- العربية أصعب من الكتابات اللاتينية: نقاط الحروف والحروف المتشابهة وعلامات الترقيم أكثر الأخطاء شيوعًا، ولا تُتعرَّف الحركات (التشكيل). والخطوط الخطية الفنية لا تعمل.
- ملف PDF القابل للبحث لا يحوي إلا النص اللاتيني والأرقام (خطوط PDF القياسية بلا حروف عربية): للعربية استخدم ملف .txt.
- المعالجة بطيئة (بضع ثوانٍ للصفحة) لأنها تجري على جهازك لا على خادم.
الأسئلة الشائعة
هل يُرسل مستندي إلى خادم ليُقرأ؟
لا. يجري التعرّف في متصفحك؛ ولا يُنزَّل إلا نموذج اللغة، أما صورتك فلا.
ما الدقة التي يمكن توقعها؟
على نص مطبوع حاد جيد الإضاءة، جيدة جدًا؛ وعلى صورة ضبابية أو خط يدوي، ضعيفة. لكل كلمة درجة ثقة: راجع الكلمات المبرزة.
هل يمكن قراءة عدة لغات في مستند واحد؟
نعم، حدّدها كلها (مثلًا العربية والإنجليزية) قبل بدء التعرّف.
لماذا لا يحتوي ملف PDF القابل للبحث على العربية؟
لأن خطوط PDF القياسية ليس فيها حروف عربية. أما ملف .txt فيحتوي كل النص المتعرَّف عليه.