Aby rozpoznać znaki i cały tekst w pliku graficznym o postaci rastrowej, należy zastosować oprogramowanie typu

Wybrałeś OCR, czyli technikę rozpoznawania znaków optycznych, i to właśnie jest rozwiązanie stosowane do odczytywania tekstu z plików rastrowych, takich jak skany dokumentów czy zdjęcia stron książek. OCR (Optical Character Recognition) to narzędzia i algorytmy, które analizują obraz zawierający tekst, „odnajdują” litery, cyfry czy nawet całe akapity i zamieniają je na edytowalny oraz przeszukiwalny tekst cyfrowy. Jest to powszechna praktyka w archiwizacji dokumentów papierowych, digitalizacji książek czy faktur. Wystarczy zeskanować dokument, wrzucić plik do programu OCR i po chwili otrzymujesz gotowy tekst, który można dalej kopiować czy edytować na komputerze. Najpopularniejsze programy OCR to ABBYY FineReader, Tesseract czy Adobe Acrobat (moduł OCR). W branży IT i biurowej, a także np. w bibliotekach cyfrowych, bez tej technologii automatyczne zarządzanie dużą ilością papierowych dokumentów byłoby praktycznie niemożliwe. Co ciekawe, dobry OCR rozpoznaje także różne czcionki i języki, a nowsze narzędzia radzą sobie nawet z niską jakością skanów. Moim zdaniem opanowanie podstaw pracy z OCR to taka trochę „must-have” umiejętność każdego, kto pracuje z dokumentami elektronicznymi – po prostu oszczędza mnóstwo czasu i nerwów.