PDFのOCRを無料で：スキャンしたPDFを検索できるようにする
PDFのOCRを無料で行えば、スキャンしただけの書類でも文字を検索し、コピーできるようになります。この記事では、OCRが何をしているのか、認識精度を左右するスキャンの条件、パソコンの中だけで処理する手順を説明します。最後に、認識結果のどこを確認すべきかもまとめます。
スキャンしたPDFで文字を検索できない理由
スキャナーやスマホで作ったPDFは、見た目は書類でも中身はページごとの写真です。PDFリーダーにとっては画像が1枚貼ってあるだけなので、Ctrl+F（Macは⌘F）で検索しても何も見つからず、文字を選択してコピーすることもできません。
OCR（光学文字認識）は、その画像から文字を読み取り、見えないテキストレイヤーとして同じ位置に重ねる処理です。表示されるのは元の画像のままなので、印影や手書きのメモ、レイアウトは一切変わりません。変わるのは、検索・選択・コピーができるようになる点だけです。PDFを検索可能にする作業とは、このレイヤーを足すことを指します。
スキャンしたPDFをテキスト化する前に：精度はスキャンで決まる
OCRの結果は、ソフトよりも元の画像の質で大きく変わります。これからスキャンするなら、次の条件をそろえてください。
- 解像度は300dpi。200dpiでも本文は読めますが、小さな文字や細い書体で取りこぼしが増えます。600dpiにしても精度はほとんど上がらず、ファイルが重くなるだけです。
- ページをまっすぐ置く。斜めの行は認識が崩れる原因になります。
- 白い紙に黒い文字がはっきり出る明るさ。カラーモードより、グレースケールのほうがきれいに出ることもあります。
- 本の綴じ目の影を避ける。厚い本は綴じ目側の行が湾曲して暗くなり、その行だけ誤認識が集中します。ページを軽く押さえるか、見開きを1ページずつ取り込みます。
苦手なのは、8ポイント以下の小さな文字と表です。表は文字自体は読めても、セルの区切りが正しく再現されないことがあります。スマホで撮った写真からPDFを作る場合は、先にJPGをPDFに変換してからOCRにかけてください。
PDFのOCRをパソコンだけで行う：対応する文字と注意点
Airpic PDFはMacとWindowsで動くデスクトップアプリで、アカウント登録は不要、無料で使えます。OCRもパソコンの中で処理するため、書類はどこにもアップロードされません。契約書や身分証のコピーなど、外に出したくない書類にも向いています。
使う認識エンジンはOSによって違います。Macではシステムに組み込まれた文字認識を使い、Windowsではラテン文字用のオープンソースの認識エンジンを使います。
ここは正直にお伝えします。現時点で対象としているのは、英語、スペイン語、フランス語、ドイツ語、ポルトガル語、イタリア語など、ラテン文字（アクセント記号を含む）の書類です。日本語の書類は対象外なので、和文の契約書や役所の書類を検索可能にしたい場合は、このOCRでは期待した結果になりません。英文の論文、海外の請求書、欧文マニュアルのスキャンなどで使ってください。
スキャンPDFの文字認識結果は、ここを確認する
きれいなスキャンでも、OCRは完璧ではありません。誤認識が起きやすいのは決まった場所です。
- 固有名詞：人名、社名、地名。辞書にない単語は似た綴りに置き換わることがあります。
- 数字：0とO、1とlとI、5とSの取り違え。金額や口座番号は必ず目で確認します。
- 日付：区切りのスラッシュやピリオドが消えたり、別の記号になったりします。
手早く確かめるには、書類に確実にある単語で検索します。たとえば表紙の社名や、本文で何度も出てくる用語です。全ページで見つかれば認識はおおむね成功しています。特定のページだけ見つからない場合は、そのページのスキャンが傾いているか、暗すぎる可能性が高いので、そのページだけスキャンし直してください。
大事な書類では、検索で見つけた箇所の前後をコピーしてメモ帳に貼り、元の画像と1行ずつ見比べるのが確実です。特に金額と日付は、検索できたことだけで正しいと判断しないでください。
Airpic PDFでOCRをかける手順とWordへの書き出し
手順は次のとおりです。
- Airpic PDFでスキャンしたPDFを開きます。
- ツールバーの「OCR」を押します。確認すると全ページが処理されます。一部のページだけでよい場合は、先にサムネイルでページを選んでおきます。
- 処理が終わったら保存します。見た目は元のままです。
- 保存したPDFを任意のPDFリーダーで開き、Ctrl+F（⌘F）で知っている単語を検索して、文字レイヤーが入ったことを確認します。
文章を書き直したい場合は、OCR済みのPDFをPDFをWordに変換で書き出します。スキャン画像のままWordに変換しても編集できる文字は出てこないので、必ずOCRを先にかけてください。メールで送るには重い場合は、PDFを圧縮でサイズを落とせます。OCRの詳細や対応環境は、PDFのOCR（文字認識）のページにまとめています。
FAQ
PDFのOCRは無料でできますか
はい。Airpic PDFは無料のデスクトップアプリで、アカウント登録もいりません。OCRはパソコンの中で処理されるので、書類をアップロードする必要もありません。
日本語のPDFもOCRできますか
現時点では対象外です。対応しているのは英語、スペイン語、フランス語、ドイツ語、ポルトガル語、イタリア語などのラテン文字の書類です。
OCRをかけるとPDFの見た目は変わりますか
変わりません。元のスキャン画像はそのまま残り、認識した文字は見えないレイヤーとして重なるだけです。検索とコピーにだけ使われます。
スキャンは何dpiがいいですか
300dpiが目安です。200dpiでも本文は読めますが、小さな文字で誤認識が増えます。600dpiにしても精度はほぼ変わらず、ファイルが重くなるだけです。
あわせて読みたい
PDFを圧縮してメールで送る方法
PDFを圧縮してメールで送る方法。重さの原因は画像です。画質を保って容量を小さくするコツと、アップロードせずにパソコンで無料圧縮する手順を解説します。
iLovePDFの代わりに、PDFをパソコンの中だけで処理する
iLovePDFの代わりを探している方へ。PDFの結合・分割・圧縮・OCR・署名を、ファイルをアップロードせずパソコン内で行う無料アプリAirpic PDFの使い方。