スキャン PDF に OCR をかけて検索・コピーできるようにする方法

スキャン PDF は写真の束です。OCR（光学文字認識）なしでは検索もコピーも引用もできません。OCR は画像内の文字の形状を読み取り、上に見えない本物のテキスト層を重ねます。

手順 1：まず手持ちのものを確認

ファイルを開いて単語を選択してみてください。カーソルが文字をつかめれば、その PDF には既にテキスト層があり、OCR は不要です。写真を囲む選択枠しか出なければスキャンであり、OCR が正解です。

手順 2：OCR ツールで言語を選ぶ

OCR ツールを開き、スキャンを投入して文書の言語を選びます。言語データは重要で、英語モデルで日本語スキャンを処理しても「自信満々のデタラメ」が出来上がるだけです。認識は端末上で実行されるため、スキャンした契約書がどこかへアップロードされることはありません。

手順 3：元画像と照合する

OCR は確率エンジンであってタイピストではありません。特に重要な書類では、氏名・数値・金額をページ画像と突き合わせて抽查してください。きれいな印刷物の正面スキャンはほぼ完璧に近く、コントラストの低いレシートや手書きメモはそうはいきません。

精度を高めるポイント

• 解像度を上げる：300 DPI が最適点。150 DPI 未満では精度が急落します。
• ページを真っ直ぐに：斜めスキャンは OCR の前に回転補正を。
• 1 パス 1 言語：バイリンガル文書は混合モデル 1 回より、単一言語 2 回の方がうまくいきます。

OCR 後に得られるもの

出力は、どのリーダーでも検索できる検索可能 PDF、または好きなところに貼れるプレーンテキストです。数百ページから「請求書 1042」を検索できるのは、テキスト層が存在するからこそ。それこそが OCR の全意味です。