OCR

Skenované dokumenty jsou obrázky PDF — grafické snímky fyzických stránek. Text v nich vypadá jako text ale ve skutečnosti jsou to pixely. Nemůžete jej kopírovat, vyhledávat v něm ani editovat. OCR (optické rozpoznávání znaků) analyzuje tyto obrázky a převede je na skutečná textová data, čímž se z skenovaného dokumentu stane prohledávatelný, kopírovatelný a editovatelný PDF. dokk.ai OCR nástroj podporuje přes 100 jazyků včetně češtiny, angličtiny, němčiny, francouzštiny, španělštiny a mnoha dalších. Po OCR zpracování jsou do dokumentu vloženy dvě vrstvy: originální obrázek stránky (zachovávající přesnou vizuální podobu) a neviditelná textová vrstva (umožňující vyhledávání a kopírování). Výsledný soubor vypadá identicky jako originál, ale text je nyní přístupný. Pro dokumenty s špatnou kvalitou skenování nebo nestandardními fonty lze přizpůsobit parametry OCR: úrovně preprocessing, prahování kontrastu a jazyková přezdívka. Deskew (narovnávání nakřivo naskenovaných stránek) je automaticky aplikován kde je to potřeba. OCR vyžaduje zpracovací čas úměrný počtu stránek a složitosti dokumentu. Jednoduché jednojazyčné dokumenty jsou typicky zpracovány do 30 sekund na stránku.