OCRとは？わかりやすく解説

OCRを一文で

OCR（光学文字認識）は、画像内のテキストを読み取り、編集、コピー、検索可能なテキストに変換する技術です。これにより、ocrXのような画像テキスト変換ツールがページの写真を撮って実際の単語を返すことができるのです。

どのような問題を解決するのか？

テキストの写真やスキャンは、コンピューターにとっては単なる色付きのドットです。Bと8の区別がつきません。OCRはそれらのドットを調べ、形状を文字や数字として認識し、実際のテキストとして書き出します。それが、ページの画像と操作可能な文書の違いです。

おおまかな仕組み

使用するために詳細を知る必要はありませんが、要点は簡単です。ソフトウェアがテキストを含む領域を見つけ、行と文字を分離し、各形状を特定の言語の文字に関する知識と照合します。最新のOCRは機械学習を使用しているため、異なるフォント、手書き文字、多くの言語を従来のツールよりはるかにうまく処理できます。

すでに目にしたことがある場所

• スマホが写真から電話番号を取得する機能
• スキャナーが検索可能なPDFを作成する機能
• 銀行アプリが小切手を読み取る機能
• 翻訳アプリがカメラを通じて外国のメニューを読む機能

OCRの得意不得意

鮮明な印刷テキストには優れ、整った手書き文字にも対応します。ぼやけ、低照度、複雑な背景、乱雑な筆記体には苦戦します。画像がクリーンであればあるほど、結果は常に良くなります。

自分で試す

OCRを理解する最も簡単な方法は、実際に使ってみることです。テキストが写った写真をocrXにアップロードし、言語を選択して、静止画像がコピー可能な単語に変わるのを見てみてください。