Wovon genaue OCR mit der Smartphone-Kamera abhängt

Texterkennung funktioniert, indem sie Buchstabenformen abgleicht. Auf einer gewölbten Seite ist derselbe Buchstabe am äußeren Rand hoch und zum Bund hin gestaucht, und ein Modell, das raten muss, welcher Buchstabe welcher ist, macht Fehler. Glätten Sie die Seite zuerst, und jeder Buchstabe in der Zeile hat wieder dieselben Proportionen. Das ist der mit Abstand wichtigste Hebel – und deshalb glättet vFlat die Seite vor der Erkennung, nicht danach.

Eine moderne Smartphone-Kamera hat weit mehr Auflösung, als die Erkennung braucht. Was ihr fehlt, ist Kontrolle über das Licht im Raum. Gleichmäßiges, diffuses Licht von der Seite ergibt saubere Striche; eine einzelne grelle Lampe sorgt für Spiegelungen auf glänzendem Papier und einen Schatten Ihrer Hand oder des Smartphones auf dem Text. Wird ein Scan schlecht erkannt, stellen Sie das Buch um, nicht die Einstellungen.

Die Perspektive wird automatisch korrigiert, aber eine Seite, die das Bild ausfüllt, hat schlicht mehr Pixel pro Buchstabe als eine, die nur eine Ecke davon einnimmt. Gehen Sie näher heran, halten Sie das Smartphone ungefähr parallel zur Seite und lassen Sie die automatische Erkennung die Ränder finden.

Die Erkennung deckt mehr als 100 Sprachen ab, und gemischte Seiten – Koreanisch mit englischen Begriffen, Japanisch mit Ziffern – werden problemlos gelesen. Trotzdem hilft es, die richtigen Sprachen auszuwählen: Das Modell konzentriert sich dann auf die Schriften, die Sie tatsächlich verwenden, statt auf alle, die es kennt.

Suchen Sie im erkannten Scan nach ein paar Wörtern, von denen Sie wissen, dass sie auf der Seite stehen – oben, am Bund und am unteren Rand. Werden alle gefunden, ist die Seite in Ordnung. Fehlen einige, liegt das Problem fast immer bei der Aufnahme – ein Schatten, eine Spiegelung oder eine Seite, die nicht flach lag –, und eine neue Aufnahme behebt es schneller als jede nachträgliche Korrektur.