استخراج النص من صورة

كيفية الاستخدام استخراج النص من صورة

1. اسحب صورة أو لقطة شاشة تحتوي على نص. يُنزَّل نموذج اللغة عند أول استخدام.
2. اختر لغة النص — العربية، أو العربية والإنجليزية معًا للنصوص المختلطة.
3. انسخ النص المستخرج أو نزّله كملف نصي.

لماذا التعرّف على العربية أصعب؟

ليس لأن المحرّك أقل عناية بها، بل لأن الخط العربي يطرح مشكلات لا وجود لها في اللاتيني.

الأول أن الحروف متصلة. في اللاتينية يُفصل كل حرف عن جاره، فيسهل تقطيع الكلمة إلى حروف. أما في العربية فالكلمة خط واحد متصل، وتحديد أين ينتهي حرف ويبدأ آخر مسألة تخمين — وهي أول مصدر للخطأ.

والثاني أن للحرف الواحد أربع صور بحسب موضعه: أول الكلمة ووسطها وآخرها ومنفردًا. أي أن على النموذج أن يتعلّم أربعة أشكال لكل حرف بدل شكلين.

والثالث، وهو الأخطر، أن النقاط هي ما يميّز الحروف. فـ ب وت وث ون وي تشترك في الهيكل نفسه ولا تختلف إلا في عدد النقاط وموضعها. ونقطة واحدة ضائعة في مسح رديء لا تنتج حرفًا مشوّهًا، بل حرفًا آخر صحيح الشكل.

وهذه هي النقطة العملية: خطأ التعرّف في اللاتينية ينتج غالبًا كلمة مشوّهة يلاحظها القارئ فورًا. أما في العربية فينتج كلمة سليمة الشكل وخاطئة المعنى — «بيت» تصير «نيت»، و«ثم» تصير «تم». النص يبقى سلسًا، والخطأ يمرّ في المراجعة.

الدقة المتوقّعة

تعتمد على المصدر أكثر من اعتمادها على البرنامج.

السطر الرابع يستحق انتباهًا خاصًا: التشكيل يخفض الدقة بدل أن يرفعها. فالحركات نقاط صغيرة فوق الحروف وتحتها، والمحرّك قد يقرؤها نقاطًا مميِّزة للحرف أو يتجاهلها ويتجاهل معها نقاطًا حقيقية. فإن كان النص المصدر مشكّلًا وكنت لا تحتاج التشكيل، فالتقاطه غير مشكّل — إن أمكن — يعطي نتيجة أفضل.

كيف تتحسّن النتائج؟

المصدر هو الفيصل. خمس دقائق في تحسين المسح تفوق أي معالجة لاحقة.

1. امسح بدقة 300 dpi. دون 200 تنزل النقاط تحت الحدّ الذي يميّزها المحرّك، وهذا أخطر في العربية منه في اللاتينية.
2. اضبط استقامة الصفحة. ميل بثلاث درجات يُضعف تقطيع الأسطر بوضوح.
3. وزّع الإضاءة. ظل عابر على الصفحة أسوأ من إضاءة خافتة متساوية.
4. امسح بتدرّج الرمادي لا بالألوان. ضوضاء الألوان تصعّب فصل النص عن الخلفية.
5. اختر اللغة الصحيحة. وللنصوص المختلطة اختر العربية والإنجليزية معًا، وإلا قرأ المحرّك أحدهما بنموذج الآخر.
6. تجنّب الخطوط الزخرفية. النسخ والأميري وما شابههما تُقرأ جيدًا؛ الخطوط الحرة والديواني لا.

ماذا عن ترتيب النص واتجاهه؟

يُخرج المحرّك النص بالترتيب المنطقي، أي بترتيب القراءة، وهو الصحيح للنسخ واللصق.

لكن التخطيط لا يبقى. الأعمدة المتعددة تتداخل، والجداول تفقد بنيتها، والنص الملتفّ حول صورة يظهر مقطّعًا. وهذا ينطبق على كل اللغات، وأثره في الصفحات العربية المصمّمة بأعمدة أوضح.

وفي الصفحات المختلطة — عربية مع أرقام أو مصطلحات لاتينية — قد تظهر الأرقام في غير مواضعها عند اللصق في محرّر لا يتعامل جيدًا مع النص ثنائي الاتجاه. النص سليم في الترميز، والعرض هو المشكلة؛ لصقه في محرّر يدعم الاتجاهين يحلّها.

وبعد الاستخراج ينفع تمرير الناتج على أداة تنظيف النص: فهي توحّد صور الألف والياء وتزيل ما علق من محارف غير مرئية، وهو ما يجعل النص قابلًا للبحث فعلًا.

الأسئلة الشائعة