استخرج النص من الصورة

كيف تُقرأ الصورة

يُقاس المقاس الذي يريده القارئ من الحبر لا من الملف. يُقدَّر ارتفاع سطر النص من الصورة نفسها، ويُعاد تحجيم كل شيء بحيث يبلغ السطر نحو أربعة وثلاثين بكسلًا — فتُكبَّر لقطة الشاشة الصغيرة حتى أربعة أضعاف، وتُصغَّر الصورة الضخمة، مع وضع حد أقصى لأطول ضلع في الحالتين. ولهذا لا تكون صورة قائمة طعام بدقة تسعة ميغابكسل أدق من صورة صغيرة حادة، ولهذا أيضًا تتخطى الصورة التي يقل أقصر أضلاعها عن نحو ثلاثمئة بكسل اكتشاف اللغة كليًا وتُقرأ على أنها بالخط اللاتيني. وقبل كل ذلك، يُقدَّر لون الورق خلف الحبر على شكل رقع ويُقسَم عليه لتوحيد الإضاءة، ويُقاس ميل الصفحة على امتداد ارتفاعها كله وتُدار لتستقيم، ثم تُحوَّل النتيجة إلى أبيض وأسود بعتبة عامة واحدة.

اختيار اللغة اختبار أداء لا بحث في قائمة، لأن المكتشف المعتاد لا يكتشف اللغات. فالمرور الأول لا يُبلغ إلا عن نظام الكتابة والدوران، ولا شيء غير ذلك؛ ونظام الكتابة يضيّق الخيارات، وإعدادات اللغة في متصفحك تحسم التعادل بين اللغات التي تشترك فيه، ثم تُستخدم كل لغة مرشحة فعلًا لقراءة نسخة مصغرة من الصورة وتُقيَّم بعدد الكلمات الواثقة التي أنتجتها. والفائزة تقرأ الصفحة الحقيقية، ثم يُفحص النص المستخرج من جديد — بحثًا عن علامات التشكيل، وأزواج الحروف المميزة، والكلمات القصيرة الشائعة — لمعرفة ما إذا كانت لغة أخرى ستؤدي أفضل. وهذه هي الآلية وراء عبارة «تحديد لغة خاطئة يعطيك صفحة فارغة بثقة»: فاختبار الأداء موجود تحديدًا حتى يُختبر التخمين على صورتك بدل أن يُفرض فرضًا.

وهناك أمر يستحق المعرفة بشأن ما يصل إلى النتيجة. الفقرة التي لم يكن القارئ واثقًا منها تُحذف بدل أن تُعرض، لذا قد يغيب عن النتيجة كليًا نص تراه في الصورة بدل أن يظهر كلامًا بلا معنى. وينطبق الأمر نفسه على الكتل التي صنّفها القارئ صورةً أو تشويشًا، وعلى العلامات المعزولة التي لا تحوي حرفًا ولا رقمًا. ولا يُطبَّق أي حد على الكلمات العادية منخفضة الثقة، لذا تبقى الأخطاء داخل الفقرة وعليك أنت التقاطها. فإن كان رقم الثقة جيدًا وجزء من الصفحة غائب ببساطة، فهذا ما حدث.

عندما تحتاج إلى شيء آخر

لا يُخزَّن أي شيء، لكن هذه هي الأداة الوحيدة في الموقع التي لا يكون تشغيلها الأول بلا كلفة: فالقارئ نفسه بضعة ميغابايتات، وكل حزمة لغة من ميغابايت إلى خمسة أخرى، تُنزَّل من هذا الموقع ثم تُحفظ للمرة القادمة. الصفحة الواحدة تستحق الانتظار، أما ألفا مستند ممسوح وفق جدول زمني فلا — فهذه مهمة أداة OCR مكتبية مثل OCRmyPDF، التي تضيف طبقة نصية إلى مجلد كامل بأمر واحد، دون تنزيل ودون نقر.

ثلاثة أشياء لا تُجرَّب هنا أصلًا، ومعرفتها أسرع من اكتشافها. تصحيح المنظور لا يتم — تُقاس الصفحة لمعرفة دورانها وتُعدَّل استقامتها، لكن الصورة الملتقطة من الجانب تحتفظ بشكلها شبه المنحرف، لذا يستحق التصوير من الأعلى مباشرة الثانية الإضافية. والعتبة التي تفصل الحبر عن الورق قيمة واحدة للصورة كلها لا قيمة لكل منطقة، لذا فالصفحة التي نصفها في الظل ستفقد النصف الأغمق حتى بعد توحيد الإضاءة؛ صوّرها من جديد في إضاءة متساوية بدل أن تصارعها. والجدول المنسَّق بالمسافات لا بالخطوط لا يحوي خطوطًا يُعثر عليها، لذا يُقرأ أعمدةً من النثر، ونجاة لصقه في جدول بيانات مسألة حظ.