ToolDolfen

OCR: Wie die optische Zeichenerkennung Text aus Bildern und PDFs extrahiert

Bilal Ahmad Aktualisiert am 2. Nov. 2026 3 Min. Lesezeit

OCR (Optical Character Recognition) analysiert Bilder Pixel für Pixel, um Textzeichen zu identifizieren und zu rekonstruieren und wandelt nicht bearbeitbaren Bildtext in auswählbaren, durchsuchbaren und kopierbaren Klartext um.

OCR algorithm recognizing and extracting text characters from a scanned document image

So funktioniert die OCR-Technologie

Digital vector PDF with native text stream versus scanned image PDF requiring OCR

Four-stage neural OCR pipeline showing binarization, segmentation, inference, and correction

Die optische Zeichenerkennung nutzt Computer Vision, um Textzeichen in Bildern zu identifizieren. Die moderne OCR-Pipeline:

1. Bildvorverarbeitung Vor der Zeichenerkennung wird das Bild bereinigt:

  • Graustufenkonvertierung (entfernt Farbrauschen)
  • Binarisierung (konvertiert in Schwarzweiß)
  • Entzerrung (richtet geneigte Dokumente gerade)
  • Rauschunterdrückung (entfernt den Scanner Artefakte und Flecken)
  • Linienerkennung (identifiziert Textzeilen)

2. Zeichensegmentierung Das vorverarbeitete Bild wird in einzelne Zeichenbereiche unterteilt. Bei lateinischen Schriften geht es darum, Wortgrenzen und dann einzelne Zeichenfelder zu identifizieren.

3. Merkmalsextraktion Die Merkmale jedes Zeichens werden extrahiert: Strichbreite, Kurven, Schnittpunkte, Seitenverhältnis, Pixeldichtemuster.

4. Mustervergleich Extrahierte Merkmale werden mit trainierten Charaktermodellen verglichen. Herkömmliche OCR verwendet Vorlagenabgleich; Moderne OCR nutzt Deep Learning (konvolutionelle neuronale Netze), die Zeichen als ganzheitliche Muster erkennen und Schriftartvariationen und -verschlechterungen zuverlässig verarbeiten.

5. Kontextbezogene Nachbearbeitung Ein Sprachmodell vergleicht die erkannten Zeichen mit einem Wörterbuch und Grammatikregeln und korrigiert „1earn“ in „learn“ und „rn“ im Kontext fälschlicherweise als „m“.

Was beeinflusst die OCR-Genauigkeit?

Client-side WebAssembly OCR engine architecture running neural models in browser memory

FaktorAuswirkung auf Genauigkeit
Scanauflösung (DPI)Sehr hoch – 300+ DPI für Zuverlässigkeit erforderlich Ergebnisse
BildschärfeSehr hoch – verschwommener Text verursacht Fehler
Schriftart GrößeHoch – Schriftarten unter 8pt sind eine Herausforderung
SchriftartMittel – Serifen und Sans-Serif funktionieren gut; Dekorative Schriftarten sind schwierig
DokumentensauberkeitHoch – Kaffeeflecken, Falten, Bleistiftstriche verursachen Fehler
SprachauswahlHoch – die Auswahl des falschen Sprachmodells verringert die Genauigkeit
Textfarbe KontrastMäßig – Schwarz auf Weiß ist optimal

OCR auf ToolDolfen verwenden

Raw scanned invoice image versus clean extracted editable plaintext comparison

ToolDolfen in-browser OCR character recognition workflow pipeline

  1. Öffnen Sie das Tool Bild zu Text (OCR).
  2. Laden Sie Ihr gescanntes Dokument oder Textfoto hoch.
  3. Wählen Sie die Textsprache aus (Englisch ist Standard; weitere Sprachen). verfügbar) Zwischenablage.

Best Practices für hohe Genauigkeit:

  • Scannen Sie mit mindestens 300 DPI.
  • Stellen Sie beim Fotografieren eines Dokuments eine gute Beleuchtung sicher (vermeiden Sie Schatten und Blendung).
  • Bücher und Dokumente glätten, um Seitenkrümmungen zu vermeiden.
  • Wählen Sie die richtige Sprache für aus Dokument

Empfohlene Begleithandbücher

Entdecken Sie ergänzende Tutorials und Dienstprogramme aus diesem Themencluster, um Ihren digitalen Workflow zu verbessern:

So extrahieren Sie Klartext aus PDF-Dokumenten: Auswählbar vs.Gescannte PDFsPraktische Schritt-für-Schritt-Anleitung mit verifizierten Standards und In-Browser-Workflows.So konvertieren Sie PDF in bearbeitbares Word (DOCX): Genauigkeit und Format AufbewahrungPraktische Schritt-für-Schritt-Anleitung mit verifizierten Standards und In-Browser-Workflows.PDF-Metadatensicherheit: So bereinigen Sie Dokumente vor dem TeilenPraktisch Schritt-für-Schritt-Anleitung mit verifizierten Standards und browserinternen Workflows.HTML-Entitäten und Escaping: Wie richtige Kodierung XSS-Angriffe verhindertKomplementärer formatübergreifender Workflow, der verwandte Daten und Medien verbindet Werkzeuge.
Empfohlenes Dienstprogramm: Bild zu Text (OCR)Führen Sie diesen Workflow live in Ihrem Browser aus, ohne Server-Uploads und mit 100 % clientseitigem Datenschutz.
Bild zu Text (OCR)
Bild zu Text (OCR)

Häufig Gestellte Fragen (FAQ)

Finden Sie schnelle, verifizierte Antworten auf häufige Fragen zu diesem Arbeitsablauf.

Kann OCR Text aus handschriftlichen Dokumenten extrahieren?

Moderne OCR mit Deep-Learning-Modellen kann viele Handschriftstile erkennen, die Genauigkeit ist jedoch deutlich geringer als die OCR für gedruckten Text. Bei sauberen Dokumenten erreicht die Druck-OCR in der Regel eine Genauigkeit von 95–99 %. Die Genauigkeit der Handschrift-OCR variiert stark: 70–90 % für saubere, normale Handschrift; viel niedriger bei kursiven oder qualitativ minderwertigen Scans.

Welchen DPI-Wert sollte mein gescanntes Dokument haben, um die besten OCR-Ergebnisse zu erzielen?

300 DPI ist das empfohlene Minimum für OCR. Bei 300 DPI sind die meisten Schriftarten in Standarddokumentgrößen scharf genug für eine zuverlässige Zeichenerkennung. 400–600 DPI verbessert die Ergebnisse bei kleinen Schriftarten (8pt und darunter). 150 DPI oder weniger verringern die OCR-Genauigkeit erheblich.

Bilal Ahmad