診断について相談

文書の設定と表現

OCR(光学文字認識)

読み: おーしーあーる

画像内の文字を認識してテキスト化する技術。スキャンPDFの救済に使う。

画像内の文字を認識してテキストデータに変換する技術です。Optical Character Recognition の略。スキャンしただけのPDF(画像のみのPDF)にテキスト層を付与するのに使います。

OCRは万能ではありません。誤認識が残るため、処理後も内容の突合が必要です。可能であれば、元の電子データ(Word等)から作り直す方が確実です。

OCRでテキスト層を付けた後も、タグ付け・読み上げ順・代替テキストの整備は別途必要です。

  • スキャンPDF(画像のみのPDF)

    すきゃんぴーでぃーえふ

    紙をスキャンした画像だけのPDF。文字が画像なので読み上げもコピーもできない。

  • タグ付きPDF

    たぐつきぴーでぃーえふ

    見出し・段落・図・表などの文書構造を、内部のタグとして持たせたPDF。