Kategoriler
Adobe

Adobe Acrobat İle Taranmış Belgeleri Düzenlenebilir Metin Formatına Dönüştürün.

Adobe Acrobat OCR

Merhaba sevgili okurlar.
Elinizde bilgisayar ortamında bulunmayan evraklar veya vektörel bir tasarım programı ile oluşturulmuş fakat path’e dönüştürülmüş (convert edilmiş) bazı belgeleriniz var. Ne yazık ki bu belgelerin orijinal düzenlenebilir versiyonlarına ulaşamıyorsunuz.
Bu belgelerdeki metinler üzerinde arama yapmak veya bu metinleri tekrar düzenlenebilir hale getirerek başka programlara aktarmak ister miydiniz
?

Günümüzde metin içerikli basılmış materyalleri düzenlenebilir metin formatına dönüştürmek için OCR (Optical Character Recognition – Optik Karakter Tanıma) teknolojisi kullanılılıyor. Piyasada bu teknolojiyi kullanan yazılımların başında Abby Fine Reader, OmniPage ve Readiris geliyor. Ayrıca bazı tarayıcı üreticileri de, sattıkları ürünler ile birlikte verilen tarama yazılımının içerisine OCR modülü ekliyorlar.

OCR uygulamaları, bir karakteri tanımak için genel olarak 3 yöntemi kullanırlar:

Matrix Matching (Matris Eşleme):

Bu yöntemde OCR yazılımı, karşılaşması muhtemel tüm karakterlerin görüntüsünü içeriğinde tutar. Sonra taranmış dokümandaki karakterler ile içeriğini karşılaştırır ve tanımlama işlemini gerçekleştirir.

Feature Analysis (İçerik Analizi):

Bu yöntemde ise yazılım, karakterlerin görüntüsünü değil, tanımlarını aklında tutar. Yani karakteri tanımak için birçok özelliğine bakar; kaç tane düz çizgi var, bunların kaçı dikey kaçı yatay, yuvarlak köşelerin konumları neler, karakterde delikler var mı vb. gibi.
Daha sonra dokümandaki karakterler ile içeriğini karşılaştırarak tanımlama işlemini gerçekleştirir.

Self Assertion (Özgün Tanımlama):

Bu yöntem de, yukarıda bahsedilen iki yöntemin birleştirilmesidir. Önce doküman içerik analizi yöntemiyle taranarak genel bir tablo oluşturulur. Bu sayede kesinliği yüksek karakterler bir kenara ayrılarak bunlardan bir matris oluşturulur. Daha sonra emin olunmayan karakterler bu yeni elde edilen matristeki karakter tablolarıyla karşılaştırılarak “benzetilmeye” çalışılır. Kısaca sistem önce içerik analiziyle kesinlikle “a” olduğuna emin olduğu bir “a” yakalayarak bunun fotoğrafını çeker. Daha sonra da bu “a” harfinin görüntüsünü “a” olduğundan emin olmadığı, fakat “a”ya benzediğini düşündüğü karakterlerle karşılaştırarak ortak noktalarına bakar ve gerçekten a olup oldmadığına karar verir. (kaynak: pcmag)

OCR teknolojisinin bir uygulaması da “plaka tanıma” projesidir. Yoldan geçen araçların plaka fotoğrafları çekilir ve anında OCR uygulamasından geçirilerek sisteme girilir.

Bu teknik giriş bölümünden sonra asıl konumuza dönecek olursak; elinizde Adobe Acrobat Standart veya Adobe Acrobat Professional uygulamaları varsa, başka hiçbir yazılıma ihtiyaç duymaksızın basılı belgelerinizi metin formatına dönüştürebilirsiniz. Acrobat Standart veya Professional 4 ile 9 arasında bir versiyona sahip iseniz OCR teknolojisini kullanabilirsiniz. 8.1 ve üstü bir versiyon kullanmanız çoklu dil desteği ve karakter tanıma yetenekleri bakımından daha verimli olacaktır.

Yazıda, işlemler Acrobat Professional 9 versiyonu kullanılarak yapılmıştır. Daha düşük sürümlerde arayüzlerde ufak tefek farklılıklar olabilir.

Kağıt üzerindeki yazı içerikli bir dokümanı düzenlenebilir metin formatına dönüştürmek:

Elinizde yazı içerikli evraklar bulunduğunu ve bu evraklar içerisinde metin araması yapmak veya metni tamamiyle kopyalayarak bir kelime işlem yazılımında tekrar düzenlemek isterseniz öncelikle bir tarayıcıya ihtiyacınız olacaktır.

Bazı tarayıcılar direk olarak PDF formatında tarama yapabilmekte. Dilerseniz tarayıcınızda evrakları PDF veya bir resim formatında tarayarak Acrobat’a aktarabilir, dilerseniz tarama işlemini direkt olarak Acrobat içerisinden yapabilirsiniz. Acrobat, Twain sürücüsü bulunan birçok tarayıcı ile uyumluluk sağlıyor. Eğer tarayıcınızın kullandığınız işletim sistemine uygun Twain sürücü yazılımı ile ilgili bir problem yaşıyorsanız (varsa) ilgili markanın Twain sürücüsünü buradan bulmanız mümkün olacaktır.

Tarayıcınızı bilgisayarınıza bağladıktan ve çalışırlığını test ettikten sonra Acrobat içerisinden tarama işlemine başlayabilirsiniz. Tarama işlemi için Acrobat’ın File > Create PDF > From Scanner menüsünden tarama arayüzüne ulaşabilirsiniz.

Create PDF from scanner

Karşınıza çıkan arayüzden tarayıcınızın modelini seçtikten sonra tarama ayarlarını yapabilirsiniz.

Sides: Eğer tarayıcınız önlü arkalı tarama işlemini destekliyorsa Front Sides seçeneği ile ön yüzlerini, Both Sides seçeneği ile de her iki yüzünü tarayabilirsiniz.

Acrobat Scan

Promt for scanning more pages seçeneğini akitf hale getirerek (tarayıcınız destekliyorsa) kağıt yükleme tepsisi bulunan tarayıcılarda belgelerin tamamını tek seferde tarayabilirsiniz.

Multiple File Options

Output: Multiple Files seçeneği ile çoklu sayfa taramalarında her sayfayı farklı bir PDF belgesi olarak kaydedebilirsiniz. Dilerseniz Create a PDF portfolio seçeneği ile taranmış PDF belgeleri bir portfolya paketine dönüştürebilirsiniz.

Ayrıca Append  to extising file or portfolio seçeneğini kullanarak taranacak belgeleri haihazırda mevcut bulunan bir belge veya portfolyo içerisine ilave etmeniz mümkün.

Document: Bu bölüm, OCR işlemi için asıl önemli olan ayarları içeriyor.   Öncelikle tarama kalitesinin Small Size – High Quality sürgüsünü kullanarak ayarlanması gerekiyor. Taranacak belge temiz durumda ise orta kalite yeterli olacaktır. Faks gibi düşük kalitedeki evraklar için High Quality seçeneğini kullanmak dosya boyutunu büyütse de OCR işleminin daha sağlıklı yapılmasını sağlayacaktır. Dilerseniz OCR işleminden sonra belgenizin boyutunu Advanced > PDF optimizer menüsünü kullanarak düşürebilirsiniz. Tarama işleminde daha detaylı ayarlar yapmak için sağ bölümde bulunan Options düğmesine basarak birçok resim iyileştirme opsiyonunu manuel olarak denetlemeniz mümkün.

Optimization Options

OCR özelliğini kullanabilmek için anahtar seçenek ”Make Searchable (Run OCR)”.

Acrobat Scan 2

Bu seçeneği işaretledikten sonra sıra geldi dil ayarlarını yapmaya. Eğer Türkçe bir metin tanımlama işlemi yaptıracaksanız Make Searchable seçeneğinin yanında bulunan Options düğmesine tıklayarak açılacak olan Recognize Text Settings penceresinden Primary OCR Language olarak Turkish seçeneğini işaretlemeniz gerekiyor. Farklı dildeki evraklar için uygun dil tercihini listeden yapabilirsiniz.

Acrobat ile Türkçe dahil Çince ve Japoncadan tutun da Rusçaya kadar 42 farklı dilde metin tanımlaması yapılabiliyor.

PDF output Style seçeneğini Searchable Image, Downsample Images seçeneğini de Lowest (600 dpi) şeklinde ayarladıktan sonra pencereyi OK düğmesine basarak kapatabilirsiniz.

Son olarak yapılması gereken işlem Acrobat Scan penceresinin sağ alt köşesinde bulunan Scan düğmesine basmak. Dokümanınızın tarama işlemi başlayacak ve tarama işlemi tamamlanınca taradığınız doküman ekranda bir PDF belgesi olarak açılacaktır.

Taranmış Sayfa

Aslında Acrobat’ın iddiası resim formatındaki belgeleri metin belgesine dönüştürmekten ziyade, bu belgedeki metinlere arama yapma yeteneğini kazandırmak yönünde. Fakat biraz uyanık davranarak arama yeteneği kazandırılmış belgelerde bulunan metinleri kopyala-yapıştır yöntemi ile dilediğiniz programa aktarmanız mümkün olacaktır 🙂

Bir resim olarak taranan PDF belgesi içerisinde arama yapmak isterseniz Edit > Find menüsünü kullanabilirsiniz. Tarama esnasında dokümanınıza OCR işlemi de uygulandığı için aradığınız kelime otomatik olarak belge içerisinde bulunacaktır.

Arama yapmak

Elbette bu fonksiyonun sağlıklı bir şekilde çalışması, taradığınız dokümanın kalitesi ile doğru orantılı. Doküman ne kadar kaliteli olursa metin tanıma seçeneği de o derece sağlıklı çalışacaktır. Faks gibi görüntü kalitesi bozulmuş dokümanlarda harf hataları elbette olabilir. Buna rağmen oluşabilecek harf hatalarını düzeltmek, ilgili metni baştan oturup yazmaktan her zaman daha pratik olacaktır 🙂

Select Tool

Peki metni bir kelime işlem programında düzenlemek isterseniz ne yapmanız gerekiyor? Oldukça basit.  Pencere üstünde bulunan araçlardan Select Tool ile metin parçasını seçtikten sonra Edit > Copy komutu kullanarak kopyalamak ve istediğiniz programa Edit > Paste komutu yapıştırmak.

Kopyala - Yapıştır

Mevcut bir resim veya yazıları path’e dönüştürülmüş vektörel bir çalışmayı metne dönüştürmek:

Elinizde halihazırda yazı içerikli bir dokümanın taranmış bir resim versiyonu veya yazıları path’e dönüştürülmüş (convert edilmiş) vektörel bir çalışma var. Bu belgeler içerisindeki metinleri düzenlenebilir formata sokmak istiyorsunuz. Bu işlem için öncelikle elinizdeki malzemeyi bir resim formatına dönüştürmeniz gerekiyor.

Tiff formatında kayıt

Daha önceden taranmış bir resim dokümanını Photoshop’ta açarak Image > Mode > Grayscale formatına (renkli yazılar için OCR kalitesini artıracaktır) dönüştürün. Daha sonra gerekiyorsa Levels, Curves veya Brightness/Contrast araçlarını kullanarak resimde iyileştirme yapın ve resmi TIFF formatında kaydedin.

Yazıları path’e dönüştürülmüş belge için de (mesela FreeHand, Illustrator, Corel Draw vs.) çalışmayı ilgili program üzerinden EPS formatında dışa aktararak Photoshop’da 300 pixel/inch çözünürlükte açın ve resmi siyah beyaz yaptıktan sonra TIFF formatında kaydedin.

İkinci aşamada Acrobat üzerinden File > Create PDF > From File menüsünü kullanarak kaydettiğiniz TIFF dokümanını seçin ve resimleri PDF belgesine dönüştürün. Dilerseniz File > Combine > Merge File into a Single PDF menüsünü kullanarak birden fazla resmi aynı anda tek bir PDF belgesine dönüştürebilirsiniz.

Create PDF from File

PDF belgenizi oluşturduktan sonra, belge ekranda açıkken Document > OCR Text Recognition > Recognize Text Using OCR… menüsünü kullaranak OCR işlemini başlatın.

Recognize Text Using OCR...

Açılacak olan Recognize Text penceresinde çok sayfalı bir PDF belge üzerinde çalışıyorsanız OCR işlemi için istediğiniz sayfa aralığını tanımlayabilirsiniz.

OCR ayarları

Pencerenin sağ altında bulunan Edit düğmesine basarak Recognize Text – Settings ayarlarını tanımlamanız gerekiyor. Tarama seçeneklerinde yer alan ayarlar ile aynı olan bu seçenelerde, Primary OCR Language olarak elinizdeki belgede yer alan metnin dilini, PDF output Style olarak Searchable Image, Downsample Images olarak da Lowest (600 dpi) şeklinde tanımlayarak sırasıyla açık olan her iki pencereyi de onaylayın. OCR işlemi başlayacaktır.

Find

OCR işlemi tamamlandıktan sonra dilerseniz Edit > Find menüsünü kullanarak belge üzerinde arama yapabilir, dilerseniz Select Tool’u kullanarak metinleri seçebilir ve kopyala – yapıştır yöntemi ile diğer programlara aktarabilirsiniz.

Select Tool

Eğer elinizde çok miktarda resim belgesi varsa alternatif olarak bu belgeleri Document > OCR Text Recognition > Recognize Text in Multiple Files Using OCR… seçeneğini kullanarak da toplu bir şekilde OCR işlemine tabi tutabilirsiniz.  Açılacak olan Paper Capture Multiple Files arayüzünden dilerseniz Add Files düğmesi ile belgeleri tek tek seçebilir, dilerseniz aynı düğmenin altında bulunan Add Folders seçeneği ile bir klasörü tanımlayarak içerisinde bulunan tüm belgelerin işlenmesini sağlayabilirsiniz.

Kopyala - Yapıştır 2

Son Olarak…

Acrobat’ın sunduğu OCR seçeneği, gerek dijital, gerek basılı kağıt formatında bulunan materyaller için ideal bir karakter tanıma özelliği sunuyor. Kullanım esnasında basit 2 dezavantajdan da bahsetmek istiyorum.

Çok sütünlu yazılarda paragraf birleştirme özelliği bulunmuyor. Resimde gördüğünüz her satır, başka bir programa kopyala-yapıştır işlemi sonrasında bağımsız bir satır olarak yapıştırılıyor. Bunun yanında bazı kelimelerin arasında da ufak tefek espas hataları bulunabiliyor.

Bunlara rağmen metni kullanacağınız program içerisinde basit bir  Bul/Değiştir komutu uygulayarak paragraf boşluklarını ve espas aralıklarını birleştirmeniz mümkün olacaktır.
Uzun bir metni sil baştan yazmaktan her zaman daha pratik bir yöntem.

Keyifli çalışmalar…

Photoshop Magazin Eylül 2009 sayısında yayımlanmıştır.

“Adobe Acrobat İle Taranmış Belgeleri Düzenlenebilir Metin Formatına Dönüştürün.” için 6 yanıt

hocam bu bilgi için çok teşekkür ederim. o kadar büyük iş yaptınız ki. anlatamam…

Hocam bende bir pdf var üzerine sonradan baska programlarla yazılar yazılmış sonradan yazılan yazıları nasıl kaldırabilirim.isterseniz pdf yi size mail olarak atabilrimde

İyi Günler . Elimde .png formatında resimler var . resimlerde ki yazıları metin belgesi formatına dönüştürmek mümkün mü ( tarayıcı kullanmadan ). veya resimde ki yazıları metin belgesi formatına dönüştüren bir program mevcut mu . OCR ile bu mümkünmüdür .

Denedim oluyor . Peki .png , .jpeg formatında ki resimleri daha küçük boyutlara çevirebilir miyiz? . Eğer mümkünse format türü ne olmalı . Örneğin 430 kb bir resmi 5-6 kb çevirmek gibi . Nasıl yapabilirim .

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir