Wie Sie Text aus einem Bild oder gescannten PDF auslesen (Texterkennung, die funktioniert)
Die Genauigkeit der Texterkennung entscheidet sich, bevor Sie sie starten. So verändern Auflösung, Kontrast und Ausrichtung das Ergebnis — und so bekommen Sie sauberen Text aus einer abfotografierten Seite.
Aktualisiert am 11. August 20264 Min. Lesezeit
Die optische Zeichenerkennung ist still und leise sehr gut geworden — gut genug, dass die Ursache eines Fehlschlags fast immer die Vorlage ist und nicht die Erkennung. Ein schräg und bei schlechtem Licht aufgenommenes Foto liefert von jedem Erkennungssystem der Welt Müll. Fünf Minuten, die Sie vorher in das Bild stecken, heben die Genauigkeit regelmäßig von rund 70 % auf deutlich über 95 % — das ist der Unterschied zwischen Text, den Sie nutzen können, und Text, den Sie abtippen müssen.
Was die Texterkennung tut
Die Erkennung arbeitet in Stufen: Sie findet die Bildbereiche, die Text enthalten, ermittelt die Zeilen- und Wortgrenzen, zerlegt einzelne Zeichen und ordnet jede Form einem Modell davon zu, wie Buchstaben aussehen. Ein Sprachmodell räumt das Ergebnis anschließend auf, weshalb aus rn in einem echten Wort korrekt ein m wird, in einer Seriennummer aber nicht.
Jede Stufe hängt von der vorherigen ab. Scheitert die Zeilenerkennung, weil die Seite schief liegt, bekommt die Zeichenzerlegung Unsinn zu verarbeiten, und keine noch so kluge Klassifikation holt das zurück. Deshalb dominiert die Qualität der Vorlage.
Die vier Dinge, die über die Genauigkeit entscheiden
| Faktor | Anzustreben | Warum |
|---|---|---|
| Auflösung | 300 DPI — etwa 2500 px über eine A4-Seite | Darunter haben Zeichen zu wenige Pixel, um unterscheidbar zu sein |
| Ausrichtung | Innerhalb von 1–2° zur Waagerechten | Die Zeilenerkennung verschlechtert sich mit Schräglage rasch |
| Kontrast | Dunkler Text, heller gleichmäßiger Grund | Geringer Kontrast verwischt die Zeichengrenze |
| Ebenheit | Keine Wölbung, keine stürzenden Linien | Gebogene Zeilen brechen die Stufe der Zeilenerkennung |
Die Auflösung ist das, was am häufigsten falsch gemacht wird. Ein Handy-Screenshot eines Dokuments mit 800 px Breite enthält schlicht nicht genug Pixel pro Zeichen für eine verlässliche Erkennung, so scharf er auch aussieht. Wenn möglich, nehmen Sie mit höherer Auflösung neu auf, statt zu retten, was Sie haben.
Ein Bild für die Texterkennung vorbereiten
Ausrichten
Schon wenige Grad Schräglage schaden. Das Werkzeug zum Geraderichten erkennt den Winkel automatisch oder lässt Sie ihn von Hand einstellen.
Die Perspektive korrigieren
Eine schräg von oben fotografierte Seite ist ein Trapez und kein Rechteck, und die Textzeilen laufen zusammen. Die Perspektivkorrektur zieht die vier Ecken wieder zu einem Rechteck.
Auf den Text zuschneiden
Entfernen Sie den Schreibtisch, die Finger, die die Seite halten, und den Schatten am Rand. Alles, was kein Text ist, muss die Bereichserkennung erst ausschließen.
Den Kontrast anheben, wenn er flau ist
Ein blasser Scan oder ein bei wenig Licht aufgenommenes Foto profitiert von etwas mehr Kontrast im Bildverbesserer. Gehen Sie nicht so weit, dass dünne Striche aufbrechen.
Dann die Erkennung starten
Geben Sie das gesäuberte Bild in Bild zu Text. Der Vergleich mit Ihrem ersten Versuch ist meist auffällig deutlich.
Die Erkennung läuft auf Ihrem eigenen Gerät — Rechnungen, Verträge und Ausweisdokumente werden nie hochgeladen.
Text aus einem Bild auslesenGescannte PDFs sind eine andere Aufgabe
Prüfen Sie zuerst, ob eine Erkennung überhaupt nötig ist. Öffnen Sie das PDF und versuchen Sie, eine Textzeile zu markieren. Lässt sie sich hervorheben, existiert die Textebene bereits, und Sie sollten sie direkt auslesen, statt Bilder davon neu zu erkennen — Auslesen ist exakt, Erkennung ist geraten.
Zieht der Zeiger stattdessen einen Kasten über ein Bild, ist jede Seite eine Abbildung, und PDF zu Text lässt die Erkennung darüber laufen. Mehrseitige Dokumente dauern entsprechend länger, testen Sie also zuerst an einer einzelnen Seite (trennen Sie eine ab), bevor Sie sich auf zweihundert festlegen.
Eine Eigenheit lohnt sich zu kennen: Manche PDFs haben eine Textebene, die selbst das Ergebnis einer schlechten Erkennung von vor Jahren ist. Der Text lässt sich markieren, ist aber falsch. Dann liefert es ein besseres Ergebnis, die Seiten mit PDF zu Bild bei 300 DPI neu zu rendern und die Erkennung erneut laufen zu lassen, als dem Vorhandenen zu vertrauen.
Womit die Texterkennung weiterhin ringt
- Handschrift. Erkennung gedruckter Schrift und Handschriftenerkennung sind verschiedene Probleme. Erwarten Sie bei Schreibschrift schlechte und bei sauberen Druckbuchstaben gemischte Ergebnisse.
- Komplexe Tabellen. Die Zeichen werden meist korrekt gelesen, die Struktur nicht. Spaltengrenzen und verbundene Zellen kommen häufig durcheinander, rechnen Sie also damit, das Layout von Hand wieder aufzubauen.
- Mehrspaltige Layouts. Zeitungen und wissenschaftliche Aufsätze werden oft quer über die Spalten gelesen, sodass zwei zusammenhanglose Sätze ineinandergeschoben werden.
- Stilisierte und dekorative Schrift. Logos, Schreibschriften und stark gesperrte Überschriften liegen außerhalb dessen, was das Zeichenmodell erwartet.
- Kontrastarme Dokumente. Verblasste Thermobelege, Durchschläge und blasse Fotokopien verlieren die Zeichengrenze, die die Zerlegung braucht.
Was auch immer die Vorlage ist: Lesen Sie das Ergebnis Korrektur. Selbst bei 98 % Zeichengenauigkeit trägt eine Seite mit 2.000 Zeichen rund vierzig Fehler — und Erkennungsfehler häufen sich genau dort, wo sie zählen, etwa bei Ziffern in Aktenzeichen und Kontodaten.
Da die Erkennung vollständig auf Ihrem eigenen Gerät läuft, gelangt nichts davon auf einen Server. Das zählt für genau die Dokumente, die Menschen am häufigsten umwandeln wollen: Rechnungen, Kontoauszüge, Arztbriefe und Ausweispapiere.
Häufige Fragen
Wie genau ist die Texterkennung?
Bei einem sauberen 300-DPI-Scan gedruckten Textes deutlich über 98 % Zeichengenauigkeit. Bei einem schrägen Handyfoto in schlechtem Licht kann sie unter 70 % fallen. Der Unterschied liegt fast vollständig an der Vorlage — Geraderichten, Zuschneiden und höher auflösendes Aufnehmen wiegen schwerer als die Wahl der Erkennung.
Kann Texterkennung Handschrift lesen?
Nicht zuverlässig. Erkennung gedruckter Schrift und Handschriftenerkennung sind verschiedene Probleme, und allgemeine Texterkennung ist für Ersteres gebaut. Saubere Druckbuchstaben funktionieren manchmal; Schreibschrift in der Regel nicht.
Warum besteht meine Erkennung aus lauter unsinnigen Zeichen?
Meist wegen Auflösung oder Schräglage. Liegt das Bild deutlich unter 300 DPI — etwa 2500 px über eine A4-Seite —, haben die Zeichen zu wenige Pixel, um unterscheidbar zu sein. Ist es mehr als ein paar Grad geneigt, scheitert die Zeilenerkennung, und alles Nachfolgende erbt diesen Fehler.
Ist es sicher, vertrauliche Dokumente online zu erkennen?
Nur wenn das Werkzeug lokal läuft. Unseres führt die Erkennung auf Ihrem eigenen Gerät durch, Rechnungen, Verträge und Ausweisdokumente werden also nie übertragen — und genau diese Art von Datei müssen Menschen am häufigsten umwandeln.