Digitale pdf versus gescande pdf
Een digitale pdf (geëxporteerd vanuit Word, een website of een boekhoudsysteem) bevat de daadwerkelijke tekens en hun posities. Je kunt de tekst selecteren en kopiëren, en elke samenvattings-tool kan hem direct uitlezen.
Een gescande pdf (afkomstig van een scanner, kopieerapparaat of telefoonscan-app) bevat uitsluitend afbeeldingen. Er zijn geen tekens — alleen pixels die op letters lijken. Kopiëren levert niets op, en een samenvattings-tool die enkel de tekstlaag leest, ziet een leeg document.
Sommige pdf's zijn hybride: een gescande afbeelding met een onzichtbare OCR-tekstlaag die door de scannnersoftware is toegevoegd. Deze gedragen zich als digitale pdf's, afhankelijk van de nauwkeurigheid van de gebruikte OCR.
Zo controleer je of je pdf is gescand
- Probeer een woord te selecteren. Als de hele pagina oplicht als een foto, of als er helemaal niets selecteert, is het een scan.
- Zoek naar een woord dat je kunt zien (Ctrl/Cmd + F). Geen resultaat? Dan is het een scan.
- Zoom flink in: gescande tekst wordt wazig of pixelachtig; digitale tekst blijft haarscherp.
Hoe OCR werkt (in het kort)
OCR-software schoont de pagina-afbeelding op (rechtzetten, contrast), detecteert tekstregels, deelt deze op in tekens of woorden en herkent ze met behulp van een taalmodel. Moderne systemen zoals Tesseract gebruiken neurale netwerken die hele regels herkennen voor een hogere nauwkeurigheid, maar de kwaliteit van de invoer blijft het allerbelangrijkst.
Nauwkeurige OCR verkrijgen
- Resolutie: 300 dpi voor kleine lettertypen, 200 dpi is voldoende voor normale tekst. Onder de 150 dpi nemen de fouten flink toe.
- Vlakke en rechte pagina's: gebruik een flatbedscanner of scan-app die pagina's rechtzet en bijsnijdt; vermijd gekromde boekpagina's.
- Contrast: zwart op wit is ideaal; vervaagde thermische bonnen en gekleurde achtergronden zijn lastig.
- Taal: OCR maakt gebruik van taalmodellen — documenten in het Nederlands, Engels, Frans, Duits, Spaans, Italiaans of Portugees worden door onze tool het best herkend.
- Geen handgeschreven tekst: handgeschreven notities worden zelden betrouwbaar herkend.
Een gescande pdf samenvatten in één stap
- Upload de gescande pdfnaar de tool voor gescande pdf's of de tool op de homepage.
- Wacht op de OCRde voortgang geeft aan “Gescande pdf: OCR uitvoeren”; reken op enkele seconden per pagina.
- Kies het resultaatSamenvatting, Kernpunten, Stel vragen of de herkende tekst als .txt.
- Controleer kritieke detailsvergelijk namen, bedragen en data met de originele afbeelding.
Veelvoorkomende OCR-fouten om op te letten
- 0 en O, 1 en l en I, 5 en S, 8 en B in cijfers en codes.
- Ontbrekende decimaaltekens of duizendtalseparators in bedragen.
- Samengevoegde kolommen bij lay-outs met meerdere kolommen.
- Kopteksten, stempels en handtekeningen die als willekeurige tekens worden gelezen.
Een samenvatting op basis van OCR-tekst neemt deze fouten over; daarom is het belangrijk om paginareferenties te controleren en belangrijke cijfers even na te lopen.
Veelgestelde vragen
Kan ik een foto van een document samenvatten?
Ja, mits deze is opgeslagen als pdf en de pagina vlak, scherp en goed verlicht is. Scan-apps die documenten bijsnijden en rechtmaken geven veel betere resultaten dan gewone foto's.
Waarom duurt OCR langer?
Elke pagina moet als afbeelding worden geanalyseerd. Reken op ongeveer 2 tot 4 seconden per pagina, in vergelijking met het vrijwel direct inlezen van digitale pdf's.
Is er een paginalimiet voor gescande pdf's?
De gratis tool verwerkt de eerste 40 pagina's van een gescande pdf. Digitale pdf's mogen maximaal 300 pagina's bevatten.
Kan ik de OCR-tekst exporteren?
Ja, gebruik het tabblad Tekst extraheren of de PDF naar tekst-tool om het .txt-bestand te downloaden.