Technik
OCR
Optische Zeichenerkennung (OCR) wandelt gescannte Bilder in durchsuchbaren Text um und macht eingescannte PDFs auswertbar und barrierefreier.
OCR steht für „Optical Character Recognition“ und bezeichnet Verfahren, mit denen Texte in Bilddateien oder gescannten PDFs automatisch erkannt und in maschinenlesbaren Text umgewandelt werden. Ohne OCR ist ein eingescanntes Dokument für Computer nur ein Bild ohne inhaltliche Struktur.
Moderne OCR-Engines nutzen neuronale Netze und erkennen klare Druckschriften sehr zuverlässig. Handschriften, schlechte Scanqualität oder seltene Schriftarten senken die Genauigkeit erheblich.
Im PDF-Kontext ermöglicht OCR die Volltextsuche, Indexierung und Barrierefreiheit von Dokumenten. Viele PDF-Programme bieten OCR als Funktion an.
Quellen
Verwandte Begriffe
Das Portable Document Format ist ein plattformunabhängiges Dateiformat, das Dokumente auf jedem Gerät einheitlich darstellt.
Komprimierung
Komprimierung verringert die Dateigröße eines PDF-Dokuments, verlustfrei durch Verfahren wie Flate oder verlustbehaftet etwa bei Bildern.
Formularfeld
Ein Formularfeld ist ein interaktives Eingabeelement in einem ausfüllbaren PDF-Formular, etwa ein Textfeld, Kontrollkästchen oder Signaturfeld.
Lesezeichen
Lesezeichen bilden im PDF eine Gliederung zum schnellen Springen zu Kapiteln, Abschnitten und Seiten im Navigationsbereich des Viewers.