So extrahierst du Text aus einem Bild
- Wähle die Sprache des Textes im Bild. Das ist wichtig: Die Texterkennung nutzt sie, um Umlaute und Wörter zu erkennen, mit der richtigen Sprache wird das Ergebnis deutlich genauer.
- Ziehe ein oder mehrere Bilder auf das Feld, füge einen Screenshot ein oder klicke auf Bilder auswählen. Fotos, Screenshots und Scans als JPG, PNG, WebP oder BMP funktionieren.
- Warte, während der Text gelesen wird. Ein Fortschrittsbalken zeigt jede Phase. Beim ersten Durchlauf werden außerdem die Texterkennung und die Sprachdaten geladen, einige Megabyte von dieser Website; spätere Durchläufe sind schneller.
- Lies das Ergebnis im Feld, kopiere es oder lade es als .txt-Datei herunter. Bei mehreren Bildern kannst du alles auf einmal kopieren oder herunterladen. Hast du die falsche Sprache gewählt, ändere sie und klicke auf Mit dieser Sprache erneut lesen.
Die Erkennung läuft vollständig in deinem Browser. Deine Bilder und der extrahierte Text werden nie hochgeladen, das Werkzeug eignet sich also für Personalausweise, Rechnungen, Verträge und Screenshots privater Chats. Es gibt keine Anmeldung, kein Wasserzeichen und keine Begrenzung der Bildanzahl.
So funktioniert OCR
OCR, optische Zeichenerkennung, verwandelt die Pixel eines Bildes in Zeichen. Die hier genutzte Engine ist das Open-Source-Programm Tesseract, kompiliert für den Browser. Es findet zuerst Textblöcke und Zeilen, liest dann jede Zeile mit einem neuronalen Netz, das auf viele Schriften und Sprachen trainiert wurde, und prüft zuletzt die Wörter anhand des Wörterbuchs der Sprache. Der Sicherheitswert ist die eigene Schätzung der Engine von 0 bis 100, wie sicher sie sich bei dem ist, was sie gelesen hat. Liegt er unter etwa 70, lohnt sich eine genaue Kontrolle des Textes.
Große Bilder werden so skaliert, dass die längere Seite höchstens 3200 Pixel misst. Das reicht für normalen Text völlig und hält das Lesen schnell und den Speicherbedarf vernünftig.
So erzielst du die besten Ergebnisse
- Gerade und flach. Fotografiere eine Seite von direkt oben, mit waagerechtem Text. Schiefe oder gewölbte Zeilen werden deutlich schlechter gelesen.
- Gutes Licht und Kontrast. Dunkler Text auf einfachem hellem Hintergrund ist ideal. Vermeide Schatten, Spiegelungen und Fotos von Bildschirmen.
- Genug Auflösung. Buchstaben sollten mindestens etwa 20 Pixel hoch sein. Gehe bei Kleingedrucktem näher heran oder nutze einen Scan mit 300 DPI.
- Schneide auf den Text zu. Bilder, Logos und Verzierungen rund um den Text können die Layoutanalyse verwirren.
- Wähle die Sprache. Für ein deutsches Dokument wähle Deutsch, damit Umlaute und das ß korrekt erkannt werden. Bei Texten mit vielen englischen Begriffen kann ein erneutes Lesen mit Englisch helfen.
Beispiel
Du fotografierst mit dem Smartphone einen gedruckten Kassenbon und möchtest die Zeilen in einer Tabelle haben. Wähle die Sprache des Bons, ziehe das Foto auf das Feld und warte einige Sekunden. Das Ergebnis könnte „Käsebrötchen 2 × 1,89“ lauten, mit einem Sicherheitswert von 88 %. Prüfe die Zahlen am Foto, denn Ziffern auf Thermopapier werden leicht falsch gelesen, und kopiere dann den Text. Hast du einen Vertrag, der als Scan zehn Seiten lang ist, fügst du alle zehn Bilder auf einmal hinzu: Das Werkzeug liest sie nacheinander und kann dir eine einzige .txt-Datei mit einer Überschrift für jede Seite liefern.
Grenzen, die du kennen solltest
- Handschrift wird meist nicht zuverlässig erkannt.
- Tabellen und Spalten kommen als Textzeilen heraus; das Layout wird nicht wiederhergestellt, du musst es also eventuell in einer Tabellenkalkulation aufräumen.
- Prüfe immer nach. Achte besonders auf Zahlen, Namen und Umlaute, bevor du den Text für etwas Wichtiges nutzt.
- Smartphones brauchen bei sehr großen Fotos womöglich länger und viel Arbeitsspeicher. Schneide die Bilder zu oder verkleinere sie, wenn die Seite hängt.
Häufige Fragen
Werden meine Bilder auf einen Server hochgeladen?
Nein. Die Texterkennung läuft in deinem Browser mit Dateien, die von dieser Website ausgeliefert werden. Deine Bilder und der Text verlassen dein Gerät nie, das Werkzeug eignet sich also auch für Dokumente mit persönlichen Daten.
Welche Sprachen werden unterstützt?
Englisch, Vietnamesisch (allein oder zusammen mit Englisch), Spanisch, Französisch, Deutsch und Portugiesisch. Wähle vor dem Start die Sprache, in der der Text im Bild geschrieben ist; für gemischten vietnamesischen und englischen Text nutze die kombinierte Option.
Wie genau ist die Erkennung?
Bei klarem, geradem, kontrastreichem Drucktext ist sie meist sehr genau, oft über 95 %. Unscharfe Fotos, schlechtes Licht, Handschrift, gewölbte Seiten, Kleingedrucktes und Zierschriften verringern die Genauigkeit, prüfe das Ergebnis also immer sorgfältig. Der Sicherheitswert zeigt, wie sicher sich die Texterkennung ist.
Warum ist der erste Durchlauf langsam?
Beim ersten Mal werden die Texterkennung und die Sprachdaten, einige Megabyte, von dieser Website geladen. Danach speichert dein Browser sie zwischen, und die Erkennung selbst dauert pro Bild nur einige Sekunden.
Kann das Werkzeug Handschrift oder PDFs lesen?
Sauber gedruckter Text funktioniert am besten; Handschrift wird meist nicht gut erkannt. Bei einem gescannten PDF wandelst du die Seiten mit dem Werkzeug „PDF in JPG umwandeln“ in Bilder um und liest sie dann hier. Bei einem PDF, das schon echten Text enthält, nutze stattdessen ein Werkzeug zum Umwandeln von PDF in Text.