スキャンされた PDF 文書で OCR を実行し、実際のテキストを提供する

事例 1: Adobe Acrobat 9 Pro を使用して、テキストの画像ではなく実際のテキストを生成する

この事例は Adobe Acrobat Pro の場合を示している。同様の機能を実行するソフトウェアツールは他にも存在する。他のソフトウェアツールのリストについては、「」を参照のこと。

この事例では、テキストをスキャンした、単純な 1 ページの画像を使用している。文書に実際のテキストが確実に格納されるようにするには、以下の手順を実行する。

1. 可能な限り高い解像度で文書をスキャンして、OCR のパフォーマンスを向上させる
2. スキャンされた文書を Acrobat Pro に読み込む。文書構造を使用 > OCR テキスト認識 > OCR を使用して［テキストを認識］を選択する
3. 次のダイアログボックスで、「ページ」(1 ページのみ変換する場合は「現在のページ」) の下の「すべてのページ」ラジオボタンを選択し、［OK］を選択する
4. 「設定」リストで「編集」を選択する。次のダイアログボックスで、「PDF の出力形式」ドロップダウンリストの「テキストとグラフィック」を選択する。これはアクセシビリティを確保するために重要である
5. 解像度とテキストの明瞭度に応じて、OCR が単語や文字のイメージを実際のテキストに変換する。Acrobat Pro で認識されないテキストは、「不明テキスト」と表示される。これは、正しく認識されなかったことが疑われるテキストエレメントである
6. 不明テキストを修正するには、文書構造を使用 > OCR テキスト認識 > 最初の不明テキストを表示を選択する。Acrobat Pro では不明テキストが一つずつ表示され、不明テキストは Acrobat Pro TouchUp ツールを使用して修正できる
7. アドバンスト > アクセシビリティ > 文書にタグを追加を実行する
8. アドバンスト > アクセシビリティ > フルチェックを実行して、アクセシビリティをテストする

次の画像は、Adobe Acrobat Pro に表示されている、スキャンされた 1 ページの文書を示している。

次の画像は、文書にタグを追加した後で変換されたコンテンツを示している。コンテンツに正しくタグ付けし、最終的に意図した文書を得るには、TouchUp 読み上げ順序ツールとタグパネルを使用する必要があると考えられる。この事例では、らせん綴じの本の画像がタグ付けされ変換されている。TouchUp 読み上げ順序ツールを使用することで、画像が (装飾的な) 背景画像として非表示になっている。レシピのタイトルは、第 1 レベルのヘッダーとしてタグ付けされている。

注記: Acrobat Pro では、ファイルに対して OCR を実行すると自動的にタグが追加される場合がある。

この事例のサンプルとして、実際のテキストを生成するサンプル (PDF ファイル) と OCR の実行結果サンプル (PDF ファイル) がある。