Convertire JPG in TXT

Il riconoscimento ottico dei caratteri guarda le forme e decide quali lettere siano. Non sa cosa dica il documento, e non ha modo di dire quanto fosse sicuro, quindi l’output è un testo fluente, dall’aspetto completo, che può contenere errori che nessuno ha segnalato.

Questa è la singola cosa più importante da capire prima di fidarsi di un risultato. Leggerlo control’originale, soprattutto i numeri: una cifra letta male in un prezzo, in un numero di conto o in una data è esattamente l’errore che sopravvive a un’occhiata veloce e causa un problema reale più tardi, ed è il motivo per cui l’OCR non è una scorciatoia per la trascrizione quando la precisione conta. È uno strumento di prima bozza, non uno strumento di verità, e la differenza va capita prima di metterlo in un flusso di lavoro.

Più di qualsiasi impostazione, più di qualsiasi strumento. Testo stampato dritto, ben illuminato, a fuoco e di dimensione ragionevole esce quasi perfetto. Tutto ciò che degrada l’immagine degrada la lettura, nell’ordine che ci si aspetterebbe: prima la messa a fuoco, poi l’ombra sopra il testo, poi l’angolo della pagina, poi la dimensione del tipo nell’inquadratura.

Il che significa che la leva utile è la fotocamera, non il convertitore. Tenere la pagina piatta, scattare dall’alto invece che da una sedia, prendere la luce di lato invece che alle spalle, riempire l’inquadratura con la pagina, e toccare per mettere a fuoco prima di premere il pulsante. Dieci secondi di questo valgono più di qualsiasi quantità di elaborazione successiva, e le applicazioni commerciali di OCR spendono la maggior parte del loro tempo a consigliare esattamente questo prima ancora di guardare l’immagine. Una pagina ben fotografata riduce anche il numero di lingue che vale la pena provare, perché la pulizia aiuta il riconoscitore tanto quanto aiuta l’occhio.

Questa è l’impostazione che conta e quella che la gente salta. Il riconoscitore abbina le forme contro i caratteri e il vocabolario di una lingua particolare, e data quella sbagliata non fallisce: produce nonsenso con sicurezza, perché sta trovando la corrispondenza migliore in un set che non contiene la risposta giusta.

Una pagina tedesca letta come inglese torna con le umlaut storpiate e parole che quasi esistono. Un documento di una lingua di cui non è stato informato produce lo stesso effetto. Se un risultato sembra strano in un modo che non si riesce a spiegare, controllare questo prima di qualsiasi altra cosa, e non fidarsi di un’ipotesi in cui la lingua non era quella giusta. Per un documento misto, dove due lingue si alternano, l’unica opzione realistica è rileggere il risultato a mano: il riconoscitore non sa quando passare da una lingua all’altra.

L’output è testo semplice: niente intestazioni, niente colonne, niente tabelle, niente posizioni. Una lettera a colonna singola torna leggibile e in ordine. Una pagina a due colonne può tornare con le colonne intrecciate, perché il riconoscitore legge attraverso righe che sembrano righe.

Un modulo è il caso più difficile: etichette e valori finiscono adiacenti in modi difficili da ricostruire, e una tabella diventa una sequenza di numeri senza idea di quale colonna venissero. Per quelli, il consiglio onesto è aspettarsi di fare del lavoro sul risultato, o fotografare un campo alla volta, ed è uno di quei casi in cui lo strumento è onesto sui suoi limiti invece di fingere di poterli gestire. Una scansione piana con un’app dedicata è spesso la risposta giusta per i moduli: il JPG di una fotografia è l’ultima risorsa, non la prima.

Il riconoscimento qui è costruito per il tipo stampato, dove una forma di lettera è una di poche migliaia di possibilità. La scrittura a mano non lo è: ogni scrittore produce forme diverse, e lo stesso scrittore produce forme diverse in giorni diversi, anche con la penna identica.

Le maiuscole ordinate e separate a volte tornano utilizzabili. La scrittura corsiva ordinaria in genere no, e l’output sembrerà parole reali invece di un errore, il che è peggio che fallire, perché invita a crederci. Se una nota scritta a mano deve diventare testo, digitarla è più veloce che correggere un riconoscimento di essa, ed è un calcolo che vale la pena fare prima di iniziare. La regola pratica è che più il testo è vicino alla calligrafia di una persona specifica, più è probabile che un servizio di trascrizione umana batta qualunque OCR, anche quello migliore.

Una tabella è una griglia con intestazioni, e il riconoscimento non sa di essere davanti a una tabella. Quello che ottiene è una colonna di numeri seguita da un’altra colonna di numeri, o i numeri di una riga letti di seguito a quelli di un’altra riga. Un estratto conto fotografato e riconosciuto torna con gli importi nell’ordine sbagliato rispetto alle voci, e il totale in basso finisce attaccato all’ultima cifra.

I numeri sono anche il caso in cui gli errori contano di più, perché sono ciò che di solito viene usato per pagare o per verificare una fattura. Ricontrollare le cifre di un importo è la singola abitudine che separa un uso utile dell’OCR da un pasticcio, ed è l’abitudine che chiunque tenga alla precisione sviluppa presto o tardi.

Ricevute, per le note spese. Lettere e moduli arrivati su carta. Pagine di libri e riviste per una citazione. Lavagne dopo una riunione. Numeri di serie ed etichette su attrezzature. Menu, insegne e avvisi in viaggio.

Quasi tutto è personale o commerciale: nomi, indirizzi, importi, dati di conto, informazioni mediche. È il contesto in cui la prossima sezione conta, ed è perché è sulla pagina invece che in un piè di pagina: la conversione di un documento del genere su un servizio ospitato sarebbe un errore di categoria, anche se il servizio è onesto, e vale la pena ricordarlo ogni volta che si estrae testo da una fotografia.

Il riconoscimento gira nella scheda del browser sul proprio processore, sul proprio dispositivo. La fotografia non viene mai caricata, quindi non c’è copia sul server, non c’è periodo di conservazione da chiedere, non c’è account e non c’è tetto giornaliero.

Guardare la scheda di rete mentre lavora è il modo onesto per confermarlo: nessuna richiesta che porta l’immagine esce. Per una fotografia di una ricetta medica, di una lettera della banca o di un contratto firmato, è la differenza sostanziale da un servizio ospitato invece di una riga di funzionalità, e vale la pena verificarla una volta per abitudine invece di fidarsi della parola «privato» su un sito qualunque.