Главная → Статьи → Распознать текст с фото
Как распознать текст с фотографии документа
Сфотографировали страницу договора, разворот книги или накладную — а нужен текст, который можно искать и править. Разбираем, чем это делают, где подвох и что доступно бесплатно.

О чём статья
Как это называется и что умеет
Распознавание текста с картинки называют OCR — от английского optical character recognition. Программа смотрит на изображение и выдаёт буквы, которые на нём видит.
Задача кажется простой, пока не столкнёшься. Печатная страница с ровным светом распознаётся почти без ошибок. Фотография договора под углом, с тенью от руки и штампом поверх текста — уже совсем другая история.
Современные программы умеют больше, чем просто буквы:
- Сохранять разметку — абзацы, заголовки, колонки. Без этого двухколоночная страница превращается в кашу из перемешанных строк.
- Распознавать таблицы — отдельная и самая трудная часть работы.
- Выпрямлять снимок — компенсировать угол съёмки и кривизну разворота книги.
- Делать PDF с текстовым слоем — внешне тот же скан, но по нему работает поиск и выделение.
- Читать рукописное — хуже печатного, но уже не безнадёжно.
Чем распознают: четыре способа
1. Встроенное в телефон. И в Android, и в iPhone распознавание есть прямо в камере и галерее: наводите, выделяете текст, копируете. Бесплатно, мгновенно, работает на удивление прилично. Подходит для короткого фрагмента: адрес с вывески, абзац из книги, номер с визитки.
Минус один, зато важный: разметку такое распознавание не держит. Многостраничный договор так не обработать.
2. Онлайн-сервисы. Загрузили файл — получили документ Word. Удобно, часто бесплатно до какого-то числа страниц. Что при этом происходит с вашим документом, разбираем ниже.
3. Платные программы. Классика жанра для организаций: пакетная обработка, таблицы, проверка результата. Стоят ощутимо, зато умеют то, чего не умеют остальные.
4. Открытые программы на своём компьютере. Их много, и за последние пару лет они сильно подтянулись — особенно те, что построены на нейросетях, а не на старом посимвольном подходе.
Честно про сложность: большинство открытых проектов устанавливается не в одно нажатие. Нужны Python, командная строка, скачивание моделей вручную. Это вечер работы для человека, которому такое в принципе интересно, и непроходимое препятствие для всех остальных. Ровно этот разрыв мы и пытаемся закрыть.
Почему таблицы и печати всё портят
Если распознавание вдруг выдаёт ерунду, причина почти всегда в одном из трёх.
Таблицы. Программе мало прочитать цифры — надо понять, какая цифра в какой ячейке. Границы бывают невидимыми, ячейки объединёнными, строки переносятся на следующую страницу. Это самая частая причина, по которой «вроде всё распозналось, а пользоваться нельзя».
Печати и подписи. Круглый штамп поверх текста перекрывает буквы, и программа честно пытается прочитать то, что видит, — получается смесь. Текст под печатью почти всегда приходится вводить руками.
Две колонки. Если программа не распознала структуру страницы, она читает строки подряд через обе колонки. Текст получается чередующимся и бессмысленным.
Как снять, чтобы распозналось
Качество исходника решает больше, чем выбор программы. Четыре правила, которые дают основную разницу:
- Ровный свет без тени. Главное. Тень от собственной руки или головы портит результат сильнее, чем дешёвая камера.
- Прямо сверху. Снимок под углом программа выпрямит, но с потерями. Проще сразу встать над документом.
- Страница целиком в кадре. Обрезанные поля мешают определить структуру.
- Не экономить на разрешении. Мелкий шрифт на сжатом снимке не прочитает никто.
И отдельно: если есть выбор между фотографией и сканом — всегда скан. Даже скан на дешёвом МФУ лучше хорошей фотографии.
Что происходит с документом в онлайн-сервисе
Вопрос, который стоит задать до того, как перетаскивать файл в окно браузера.
Загрузка документа на чужой сервер — это передача его третьему лицу. Для фотографии страницы учебника это безразлично. Для договора с условиями сделки, медицинской выписки, скана паспорта или кадровых документов — уже нет.
Что стоит выяснить, прежде чем загружать рабочие документы:
- Где физически находится сервер.
- Сколько файл хранится после обработки и удаляется ли вообще.
- Что написано в пользовательском соглашении про использование загруженного для обучения моделей.
Ответы на эти вопросы обычно есть, но не на главной странице. Если задача разовая и документ не чувствительный — пользуйтесь на здоровье. Если документы рабочие и их много, разумнее поставить что-то себе.
Коротко
- Для короткого фрагмента достаточно камеры телефона — бесплатно и сразу.
- Для многостраничных документов нужна программа, которая держит разметку.
- Таблицы и печати — главная причина плохого результата, а не качество программы.
- Ровный свет и съёмка прямо сверху дают больше, чем смена программы.
- Рабочие документы с чужими персональными данными в онлайн-сервисы лучше не загружать.
«Капсай» делает такие задачи прямо на вашем компьютере. Без интернета, без подписки, без отправки файлов на чужие серверы.
Скачать и проверить на своём железе можно бесплатно, до покупки.