MV Tools

OCR 実践ガイド

スキャン文書を準備して OCR の精度を高める方法

画像とスキャン PDF を対象に、完全な認識を約束するのではなく確認できる精度を重視した実用的なチェックリストです。

MV Tools 編集チーム更新日 約 8 分で読めます

高度な画像 OCR を開く

必要な出力を先に決める

1 枚の画像からテキスト、行ごとの信頼度、JSON が必要なら高度な画像 OCR を使います。検索可能な PDF を作りたい場合は PDF OCR、編集できる DOCX の下書きが必要ならスキャン PDF を Word に変換を使います。名前、金額、番号、法律文書、表などでは、どの方法でも人による確認が必要です。

このガイドでは TXT、構造化 JSON、行数、平均信頼度をまとめて得られる高度な画像 OCR を使います。何が認識され、どこから確認すべきかを把握しやすいためです。

自作スキャンの例です。段落、数字、状態語、表の罫線を含むため、OCR 後に項目ごとに比較できます。
自作スキャンの例です。段落、数字、状態語、表の罫線を含むため、OCR 後に項目ごとに比較できます。

スキャンを認識しやすく整える

できるだけ鮮明な元データを使います。ページを正面にし、影や反射を避け、余白を大きく残さず、小さい文字に十分な解像度を保ちます。大きくてもぼやけた写真より、正面から撮った鮮明なスキャンの方が役立つことが多いです。

この例では中国語、数字、状態語、表の罫線をあえて残し、認識後に一つずつ比較できるようにしています。テストだけのために身分証、契約書、個人写真をアップロードしないでください。

  • スクリーンショットを重ねた画像ではなく、元のスキャンを優先する。
  • スマートフォンで撮影する場合はページを平らにし、均一な光で、遠近のゆがみを避ける。
  • 複数言語のファイルでは最も近い言語を選び、他の言語の部分を手動で確認する。
  • 大量処理の前に、難しいページを代表例として 1 枚テストする。

画像をアップロードし、言語と前処理を選ぶ

上の高度な画像 OCR を開きます。図は実際のデスクトップ画面から取得しています。狭い画面では項目が縦に並びますが、操作順は変わりません。

  1. 画像を 1 枚選ぶ。

    画像入力で mvtools-ocr-scan.png を選択します。選択しただけでは認識は始まりません。

  2. 最も近い OCR 言語を選ぶ。

    この例では日本語を選びます。言語はモデルと文字の解釈に影響するため、他言語の段落は丁寧に確認します。

  3. 撮影条件に応じて前処理を有効にする。

    この例では画像前処理を有効にしています。低コントラスト、照明むら、撮影ページに役立ちますが、元画像にない情報は復元できません。

図 1 · ファイル名を確認し、最も近い言語を選び、前処理を使うか判断します。
図 1 · ファイル名を確認し、最も近い言語を選び、前処理を使うか判断します。

OCR を実行し、結果パネルを読む

「PaddleOCR を実行」をクリックし、処理が終わるまで待ちます。処理中に同じタスクを繰り返し送信しないでください。完了後、TXT や JSON をダウンロードする前に状態、言語、行数、平均信頼度を確認します。

  1. タスクが完了したことを確認する。

    COMPLETED は結果ファイルが作成されたことを示します。すべての文字が正しいという意味ではありません。

  2. 信頼度を確認順の手がかりにする。

    この例の平均は 99.7% です。低コントラストの小さい文字、数字、記号、表の端から確認します。

  3. 2 種類の結果をダウンロードする。

    TXT は読む・編集する用途に便利です。JSON には行ごとの信頼度、box、構造化情報が残るため、詳しい確認に使えます。

図 2 · 163 KB の日本語画像を実際に処理し、18 行、平均信頼度 99.7% となった結果です。
図 2 · 163 KB の日本語画像を実際に処理し、18 行、平均信頼度 99.7% となった結果です。

元画像とテキスト、構造を照合する

TXT を最初から最後まで読み、その後 JSON を開いて各行の confidence、box、polygon を確認します。元画像と出力を並べ、実際の用途に影響しやすい場所から比較します。

ページにはこの例のテキストプレビューを表示しています。完全なファイルの確認の代わりにはなりません。上の例からスキャン、TXT、JSON をダウンロードしてください。

図 3 · TXT のプレビューは読み始めるのに便利ですが、数字、記号、表の関係は元画像と照合します。
図 3 · TXT のプレビューは読み始めるのに便利ですが、数字、記号、表の関係は元画像と照合します。
  • 文字：抜け、重複、置き換わった文字、余分な空白がないか確認する。
  • 数字と記号：番号、日付、小数点、ハイフン、単位を一つずつ確認する。
  • 構造：表の行列、段落の順序、印影、署名、手書き文字を確認する。
  • 目的：編集、検索、保存の目的に合うか確認し、重要な内容は元のスキャンも保管する。
自作スキャンの例です。段落、数字、状態語、表の罫線を含むため、OCR 後に項目ごとに比較できます。
自作スキャンの例です。段落、数字、状態語、表の罫線を含むため、OCR 後に項目ごとに比較できます。
図 3 · TXT のプレビューは読み始めるのに便利ですが、数字、記号、表の関係は元画像と照合します。
図 3 · TXT のプレビューは読み始めるのに便利ですが、数字、記号、表の関係は元画像と照合します。

制限、プライバシー、次のツールを知る

高度な画像 OCR は 25 MB 以下の JPG、PNG、TIFF、BMP、WebP を 1 枚処理でき、標準のタイムアウトは 5 分です。PDF OCR は 100 MB・100 ページまで、スキャン PDF を Word に変換は 100 MB・50 ページまで対応します。暗号化または壊れた PDF は失敗することがあります。

タスクではファイルをサーバーにアップロードします。通常 30 分保持した後に削除されるため、結果は早めに保存してください。タスクのリンクをクラウドストレージや恒久的な共有リンクとして扱わず、処理する権限のあるファイルだけを送ります。

状況次の操作
小さい文字、数字、表が誤っている元画像の鮮明さ、向き、照明を改善し、代表的な 1 ページで再試行する。
PDF に選択可能な文字がある通常は OCR を使わず、既存の文字レイヤーを利用して新しい誤りを避ける。
検索可能な PDF が必要PDF OCR を使い、文字レイヤーが正しいページに重なっているか確認する。
編集できる下書きが必要スキャン PDF を Word に変換し、DOCX を下書きとして段落ごとに確認する。

よくある質問

信頼度が高ければ文字は必ず正しいですか？

いいえ。確認の優先順位を決める目安であり、意味、名前、数字、レイアウトを保証しません。

選択可能な文字がある電子 PDF に OCR は必要ですか？

通常は不要です。OCR はスキャンや画像ページ向けで、既存の文字レイヤーに実行すると誤りが増えることがあります。

表の順序が間違うのはなぜですか？

OCR は元の文書構造ではなく視覚的な領域を読み取ります。列の順序を確認し、実際の表が必要なら表計算向けのツールを使います。