Batch-OCR

OCR voor meerdere afbeeldingen in één browsertabblad

Batch-OCR bespaart tijd als je meerdere screenshots, gescande pagina's, bonnetjes of foto's hebt waarvan je bewerkbare tekst nodig hebt. In plaats van bestanden naar een server te uploaden of afbeeldingen één voor één handmatig te verwerken, selecteer je een groep en laat je deze tool ze na elkaar in je browser verwerken. Elk resultaat verschijnt op de pagina zodra die afbeelding klaar is, en de gecombineerde download bevat bestandsnaamkoppen, zodat de uitgelezen tekst makkelijk terug te voeren is op het originele bestand.

De werkwijze is van nature privé. Tesseract.js voert optische tekenherkenning lokaal uit met WebAssembly, dus de afbeeldingen blijven op je apparaat. Er is geen wachtrij op een backend, geen account en geen uploadstap. Sequentiële verwerking maakt de status ook duidelijker: de voortgangsbalk toont het huidige bestand en het herkenningspercentage, terwijl voltooide bestanden eronder zichtbaar blijven. Zo verwerk je kleine dagelijkse batches praktisch zonder desktop-OCR-software te installeren.

Bestanden voorbereiden voor een schonere batch

Voor de beste resultaten groepeer je afbeeldingen met dezelfde taal en een vergelijkbare kwaliteit. Heldere screenshots en rechte scans geven meestal betere tekst dan wazige foto's. Bij foto's van je telefoon snij je de achtergrond weg, voorkom je schaduwen en houd je de pagina recht voor de camera. OCR kan moeite hebben met handschrift, tabellen, sierlijke lettertypen en heel kleine tekst, dus controleer elk resultaat voordat je erop vertrouwt voor belangrijke gegevens.

Het eerste bestand kan langer duren omdat de browser de OCR-engine en het gekozen taalmodel downloadt. Daarna zijn dezelfde run en toekomstige bezoeken meestal sneller omdat het model in de cache staat. Grote afbeeldingen gebruiken meer geheugen en kosten meer tijd, dus verklein extreem hoge-resolutiefoto's als snelheid belangrijker is dan detail. Houd het tabblad open terwijl de batch draait en sluit de browser niet voordat het gecombineerde tekstbestand is gedownload.

De gecombineerde OCR-tekst gebruiken

Als de batch klaar is, download je het gecombineerde .txt-bestand voor notities, archieven, zoekindexen of handmatige controle. Elke sectie begint met de oorspronkelijke bestandsnaam, gevolgd door de herkende tekst van die afbeelding. Dit formaat is eenvoudig in documenten te plakken, later te splitsen of te vergelijken met de bronafbeeldingen. Levert één bestand een slecht resultaat op, maak dan alleen van die afbeelding een nieuwe foto of scan en voer haar opnieuw uit met de tool voor losse afbeeldingen. Gebruik voor gescande pdf's de pdf-OCR-tool, zodat paginavolgorde en paginascheidingen automatisch worden afgehandeld.