Lớp văn bản searchable hoạt động như thế nào?

Về bản chất, một tệp PDF quét là một chuỗi các hình ảnh được đóng gói lại, khiến máy tính không thể hiểu được các ký tự bên trong. Công nghệ OCR (Optical Character Recognition) của chúng tôi sẽ quét qua từng pixel, 'đọc' các chữ cái và sau đó tạo ra một lớp văn bản vô hình nằm chính xác phía dưới hình ảnh gốc. Nhờ đó, bạn vẫn thấy giao diện tài liệu như cũ, nhưng giờ đây có thể sử dụng Ctrl+F để tìm từ khóa hoặc bôi đen để copy nội dung một cách dễ dàng.

Khi nào nên chọn 'Bỏ qua văn bản' (Skip Text)?

Trong thực tế, nhiều tài liệu PDF được tạo ra theo kiểu hỗn hợp: một số trang có văn bản 'thật' (digital text), một số trang lại là ảnh quét. Chế độ Bỏ qua văn bản có sẵn là lựa chọn thông minh nhất giúp giữ nguyên độ sắc nét và chính xác của các trang văn bản gốc, đồng thời chỉ áp dụng OCR cho các trang ảnh. Ngược lại, Force OCR chỉ nên dùng khi lớp văn bản cũ của bạn bị lỗi font hoặc bị sai lệch hoàn toàn cần làm lại từ đầu.

Yếu tố nào quyết định độ chính xác của OCR?

Chìa khóa của một bản OCR hoàn hảo nằm ở chất lượng hình ảnh đầu vào. Những tài liệu được quét ở độ phân giải 300 DPI trở lên, chữ không bị mất nét, giấy không quá nhàu nát sẽ giúp máy nhận diện chính xác gần như 100%. Nếu bản quét của bạn bị mờ hoặc hơi nghiêng, hãy tận dụng tính năng Tự động căn chỉnh và Lọc nhiễu trong phần thiết lập để hệ thống tối ưu hóa hình ảnh trước khi 'đọc' chữ. Nếu bạn có ý định chuyển PDF sang Word, việc thực hiện OCR trước sẽ giúp kết quả chuyển đổi sang Word đẹp và ít lỗi định dạng hơn rất nhiều.