Imagem para Texto (OCR)

O reconhecimento óptico de caracteres (OCR) transforma as letras de uma imagem em texto que você pode copiar, pesquisar e editar — um recibo, um slide, o print de uma mensagem de erro, a página de um livro. Esta ferramenta lê imagens em português, inglês, coreano, japonês, chinês e outros sete idiomas direto no navegador, com o motor de código aberto Tesseract, então as imagens ficam no seu dispositivo.

Como usar esta ferramenta

1. Escolha uma ou mais imagens. Fotos retas, bem iluminadas e com bom contraste dão os melhores resultados.
2. Selecione o idioma do texto; para páginas com coreano e inglês misturados, escolha “Inglês + coreano”.
3. Deixe o layout em “Uma única coluna” para prints e documentos; use Automático em páginas com várias colunas, ou uma única linha, um bloco ou texto espalhado quando partes do texto forem ignoradas.
4. Para digitalizações fracas, marque “preto e branco”; para texto branco em tela escura, marque “texto claro em fundo escuro”.
5. Clique no botão e copie o texto extraído. Na primeira vez, o motor e os dados do idioma são baixados.

Fórmula

Confiança média = média da confiança do motor por palavra (0–100%) na imagem

Antes do reconhecimento, a imagem pode ser ampliada 2× (texto com menos de cerca de 20 px de altura é difícil de ler) e convertida em preto e branco puro pelo método de Otsu, que escolhe o nível de cinza que melhor separa os dois grupos de pixels (maximiza a variância entre as classes). Em chinês e japonês, os espaços que o Tesseract insere entre os caracteres são removidos.

Exemplo

O print de um celular com uma mensagem de erro de duas linhas em português, com 1170 px de largura, lido com Português e o layout padrão de uma coluna, costuma devolver as duas linhas palavra por palavra, com confiança média alta. O mesmo texto fotografado de lado sob uma lâmpada tem nota menor e pode precisar de algumas correções — confiança abaixo de cerca de 70% é o sinal para revisar todas as linhas.

Limites que vale conhecer

Texto impresso funciona muito melhor que letra de mão, que quase nunca é reconhecida. Tabelas saem como linhas de texto, sem a grade. Texto muito pequeno, borrado, curvo ou de baixo contraste gera erros; por isso, recorte só o trecho com texto e fotografe de frente. O motor (alguns megabytes) e os dados de cada idioma (cerca de 1,5 a 3 MB) são baixados na primeira vez e ficam no cache depois.