写真の文字をデータ化！画像OCRのご紹介

2018年3月8日

2018年5月3日

WRITER

sQuirly

　

この記事を書いている人 - WRITER -

sQuirly

パソコンに関する最新デバイスやアクセサリーなど集めるのが好きです。興味をもったことは徹底的に調べつくす性格。海外向けの物品販売サイトも運営しています。

詳しいプロフィールはこちら

ども。sQuirlyです。

今回は、自分が副業としてやっている仕事をこなす上で大変お世話になっているツールをご紹介したいと思います。

画像からテキストを抽出するOCR技術がすごい！

現在、自分が副業としてやっている仕事の中で、品番リストが載ったカタログをデータ化する作業があるのですが、何とか手打ちで入力しなくても済む方法はないかなと探っていたところ、「画像OCR」なるものを見つけました！

画像OCRとは

画像から文字を抽出してデータ化してくれるサービスやツールです。無料で使える代表的なサービスとしては、下記の２つがあるようです。

www.onlineocr.net

Free Online OCR - convert PDF to Word or Image to text

https://www.onlineocr.net

Free Online OCR service allows you to convert PDF document to MS Word file, scanned images to editable text formats and extract text from JPEG/TIFF/BMP files

drive.google.com

Meet Google Drive – One place for all your files

https://drive.google.com/drive

Google Drive is a free way to keep your files backed up and easy to reach from any phone, tablet, or computer. Start with 15GB of Google storage – free.

Google Driveを利用する方法は、一度画像をアップロードしてからgoogleドキュメントで開く必要があり、ひと手間かかるので、Online OCRを使用されることをオススメします。

実際につかってみた

下記画像はサンプルとしてスキャンした写真から一部抜粋したものです。これを、Online OCR を使ってデータ化してみました。一部二重に出力されてしまっていますが、軽くチェックして修正を入れる程度で済みそうです。

入力したサンプル画像と実際に出力されたテキストデータ

半角カタカナは難しいようです

ちなみに、半角カタカナは難しいようです。濁点だくてんや半濁点はんだくてんが、「 n 」や「 h 」・「 ◇ 」といったデータで出力されました。また、判断のつけにくい「ソ」や「ン」のデータ化ミスも目立ちます。これらをいちいち手直しするくらいなら、最初から手打ちした方が良さそうです。

入力した半角カタカナのサンプル画像と実際に出力されたテキストデータ

Online OCR の使い方

まとめ

インデックスページなど、膨大な文字が書いてあるページのデータ化に非常に役に立ちそうです。

近代では何でも紙ではなく、データとして持ち歩く時代になってきました。会社のカタログをテキストデータに修正してPDF化したい等思われている方は一度試されてみてはいかがでしょうか？