Text aus Bild extrahieren

OCR für Fotos, Screenshots und Scans. Kostenlos, ohne Upload. max. 1 GB · Bis zu 1 GB · Lokal verarbeitet, nie an einen Server gesendet.

Ein Foto einer Seite, aufgenommen in einer Besprechung, ein Bildschirmfoto einer Fehlermeldung, ein eingescannter Beleg, eine aus der letzten Reihe abfotografierte Folie: lauter Text, der gut sichtbar und trotzdem nicht markierbar ist. Diese Seite liest ihn zurück und gibt Ihnen eine herunterladbare Textdatei, benannt nach Ihrem Bild mit angehängtem „-texte.txt“ — die Endung stammt aus der ursprünglichen französischen Fassung und bleibt in allen Sprachen gleich.

Die Erkennung übernimmt Tesseract, in der JavaScript-Fassung 5.0.5, von dieser Website selbst ausgeliefert, mit einem nach WebAssembly übersetzten Rechenkern. Gewählt ist der rein neuronale Modus: Der ältere, auf Formvergleich beruhende Motor, der bei modernen Schriftarten ungenauer arbeitet, wird nie aufgerufen. Ihr Bild wird vom Browser gelesen und an einen abgeschotteten Arbeitsprozess übergeben, der beendet wird, sobald der Text vorliegt — auch dann, wenn der Lauf mit einem Fehler endet. Von allen Werkzeugen dieser Rubrik ist dies das einzige, das tatsächlich ein trainiertes Modell ausführt, und es tut es auf Ihrem eigenen Gerät.

Der Unterschied zur Texterkennung an PDF-Dateien verändert die Ratschläge, die sich lohnen. Hier findet keine Zwischendarstellung statt: Das Bild geht in seiner ursprünglichen Auflösung in die Analyse, ohne Geradedrehen, ohne Umwandlung in Schwarzweiß, ohne Zuschnitt und ohne Kontrastkorrektur. Ein Foto mit 12 Megapixeln wird über seine gesamte Fläche untersucht. Es ist also Ihre Aufnahme, und nur sie, die über das Ergebnis entscheidet.

So funktioniert es

  1. Legen Sie ein Bild ab Eine Datei auf einmal, über „Datei hier ablegen“ oder „Datei auswählen“, bis 1 GB je Datei. Jedes Format, das Ihr Browser anzeigen kann, ist geeignet — JPEG, PNG, WebP, GIF, BMP; eine HEIC-Datei vom iPhone braucht meist erst einen Umweg über die Umwandlung nach JPG.
  2. Geben Sie die Sprache des Textes an Sechs Einstellungen: Französisch, Englisch, Französisch + Englisch, Deutsch, Spanisch, Italienisch. Die Wahl bestimmt, welches Modell heruntergeladen wird und welche Zeichen erwartet werden, Umlaute und ß eingeschlossen. Eine kombinierte Einstellung Deutsch + Englisch gibt es nicht.
  3. Klicken Sie auf „Starten“ Der Balken meldet zuerst das Herunterladen der OCR-Engine, danach die eigentliche Texterkennung. Der allererste Lauf verlangt eine Verbindung und kann gut eine Minute dauern, bevor überhaupt etwas erscheint.
  4. Prüfen Sie die Zahl der erkannten Wörter Die Ergebniszeile nennt eine Zählung, zum Beispiel „213 Wörter erkannt“. Eine Zahl weit unterhalb dessen, was im Bild zu sehen ist, deutet auf eine schiefe oder unscharfe Aufnahme hin — oder auf die falsche Spracheinstellung.
  5. Laden Sie die Textdatei herunter Die .txt-Datei ist UTF-8-kodiert und enthält ausschließlich Zeichen: keine Schriftart, keine Farbe, keine Position. „Neu beginnen“ führt direkt zum nächsten Bild, ohne die Seite neu zu laden.

Die vier Faktoren, die über das Ergebnis entscheiden

Die Schärfe steht an erster Stelle. Eine aus der Hand aufgenommene Aufnahme aus dreißig Zentimetern Abstand ist meist leicht weich, und Unschärfe löst die Striche der Buchstaben auf: „rn“ wird als „m“ gelesen, „cl“ als „d“. Im Deutschen trifft es zuerst die beiden Punkte über den Umlauten und das ß, weshalb beim Gegenlesen „für“, „größer“ und „Maß“ die ersten Stellen sind, auf die man schaut. Der zuverlässigste Test besteht darin, das Bild auf 100 % anzuzeigen: Wenn Sie die Augen zusammenkneifen müssen, scheitert der Motor an derselben Zeile.

Es folgt die Geometrie, und sie ist der häufigste Mangel an Fotos. Der Motor setzt waagerechte Textzeilen voraus; eine schräg aufgenommene Seite erzeugt fluchtende Zeilen, die hier nichts geraderückt. Fotografieren Sie senkrecht über dem Blatt, nicht von Ihrem Stuhl aus. Der Kontrast wiegt ebenso schwer: hellgrauer Text auf cremefarbenem Papier, ein Bildschirmfoto mit seinen Spiegelungen oder eine Seite, über die der Schatten des eigenen Telefons fällt, ergeben durchweg mäßige Ergebnisse.

Der Hintergrund schließlich erzeugt Rauschen, das der Motor für Striche hält: ein farbiger Stempel, ein Sicherheitsmuster, eine Textmarkerfläche, das Gewebe einer Tischdecke. Ein Zuschnitt auf den reinen Textblock vor dem Hochladen entfernt einen Teil dieser Störungen und verkürzt zugleich die Analyse.

Was beim ersten Start über das Netz geht

Der Weg verläuft umgekehrt zu dem, was die meisten annehmen: Der Leser reist zum Bild, nicht das Bild zum Leser. Drei Ressourcen werden beim ersten Aufruf geholt:

Ihr Browser legt alle drei im Zwischenspeicher ab, weshalb spätere Extraktionen ohne Verbindung auskommen. Ihr Bild hat an diesem Austausch keinen Anteil: Es wird lokal gelesen und an den Erkennungsprozess übergeben, der in Ihrem Browsertab läuft. Ein Sprachwechsel löst dagegen das Herunterladen eines neuen Modells aus, während die bisherigen im Zwischenspeicher bleiben. Ist der Motor nach zwei Minuten nicht geladen, wird der Lauf abgebrochen, mit einem Hinweis, die Verbindung zu prüfen.

Die Form des zurückgegebenen Textes

Die Datei folgt den Zeilen des Bildes, nicht den Absätzen der Verfasserin. Ein eingescannter Blocksatz kommt mit einem Zeilenumbruch nach jeder gedruckten Zeile zurück, den Sie von Hand oder per Suchen und Ersetzen wieder zusammenfügen. Wörter, die am Zeilenende durch einen Bindestrich getrennt sind, bleiben getrennt — und das trifft deutsche Texte härter als französische oder englische, weil lange Komposita am Zeilenende weit häufiger umbrochen werden. Ein einziger Fachbegriff kommt dann als zwei Teile an und ist in einer Suche über die Datei nicht mehr auffindbar.

Mehrspaltige Layouts und Tabellen sind die Schwachstelle. Die Zellen erscheinen nacheinander, und die Ausrichtung verschwindet vollständig: Aus einem Bildschirmfoto einer Tabellenkalkulation wird eine Werteliste, deren Struktur Sie aus dem Gedächtnis wiederherstellen müssen, und ein Bildschirmfoto von Quelltext verliert seine Einrückung. Findet der Motor überhaupt kein Wort, wird keine leere Datei erzeugt: Stattdessen meldet eine Nachricht den Fehlschlag und verweist auf Schärfe und Sprachwahl als die beiden Dinge, die zu prüfen sind.

Wann diese Seite nicht die richtige ist

Handelt es sich um ein PDF, verarbeitet die eigens dafür vorgesehene Erkennungsseite mehrere Seiten in einem Lauf und trennt die Ergebnisse Seite für Seite, was Ihnen den Umweg über exportierte Bilder erspart. Ist der Text auf dem Bildschirm bereits markierbar, kopieren Sie ihn: Eine optische Erkennung kann exakte Zeichen nur verschlechtern.

Handschrift liegt außer Reichweite. Keines der sechs angebotenen Modelle ist darauf trainiert, weshalb eine handschriftliche Notiz, ein Rezept oder eine Randbemerkung als Folge zusammenhangloser Zeichen zurückkommt. Ebenso wenig ist ein Modell für gebrochene Schrift dabei: Ein in Fraktur gesetztes Buch, ein altes Kirchenbuch oder ein Dokument aus der Vorkriegszeit wird von der Einstellung „Deutsch“ nicht abgedeckt und ergibt Zeichenfolgen ohne Bezug zum Original. Und das Werkzeug nimmt jeweils ein Bild: Eine Serie von dreißig Fotos bedeutet dreißig Durchläufe, mit durchgehend geöffnetem Browsertab.

Häufige Fragen

Reicht ein Foto vom Telefon?

Oft ja, sofern das Blatt flach liegt, das Objektiv parallel zur Seite steht und die Ausleuchtung gleichmäßig ist. Der Fehlschlag kommt selten von der Auflösung des Sensors. Er kommt fast immer von der Neigung der Aufnahme oder vom Schatten, den das Gerät selbst über die Seite wirft.

Warum „Kein Text erkannt“, obwohl ich den Text mühelos lese?

Der Motor ist durchgelaufen, ohne ein einziges Wort zu isolieren, und weigert sich, Ihnen eine leere Datei auszuhändigen. Die üblichen Ursachen sind ein um eine Vierteldrehung gekipptes Bild, ein abfotografierter Bildschirm, ein sehr blasses Dokument oder eine Spracheinstellung, die nicht zum Text passt.

Mein Dokument mischt Deutsch und Englisch, was wähle ich?

Eine kombinierte Einstellung gibt es nur für Französisch + Englisch, nicht für Deutsch + Englisch. Wählen Sie also die Sprache, die den größeren Teil des Textes trägt, und rechnen Sie bei der anderen mit Verlusten. Bei einem Dokument, in dem beide Sprachen gleich stark vertreten sind, führt der Umweg über zwei Durchläufe mit anschließendem Zusammenführen von Hand zum besseren Ergebnis.

Wird mein Bild zur Analyse irgendwohin gesendet?

Nein. Was beim ersten Gebrauch über das Netz geht, ist das Leseprogramm samt der Trainingsdatei für die gewählte Sprache. Das Bild selbst bleibt im Browsertab. Genau deshalb verlangt die erste Extraktion eine Verbindung und die folgenden nicht mehr.

Kann ich das ursprüngliche Layout zurückbekommen?

Nein, die Ausgabe ist reiner Text. Erhalten bleibt allein die Reihenfolge der Zeilen. Fettung, Kursivierung, Schriftgrade, Spalten und Bilder haben in einer .txt-Datei keine Entsprechung und fallen weg.

Wie lange dauert eine Extraktion?

Wenige Sekunden für ein Bildschirmfoto, sobald der Motor im Zwischenspeicher liegt, länger für ein Foto von mehreren Megapixeln, dessen gesamte Fläche untersucht werden muss. Ein Zuschnitt auf den benötigten Bereich verkürzt die Wartezeit spürbar.

Ähnliche Werkzeuge

Weitere Werkzeuge entdecken

Kategorien