O que é um PDF de imagem?
Um PDF de imagem é um documento cujas páginas são fotografias do papel, e não texto de verdade. Em geral ele vem de um scanner ou da câmara do telemóvel. Para os olhos, parece qualquer outro documento, mas o computador enxerga apenas uma grelha de pontos coloridos e não sabe que há letras ali. Por isso não é possível pesquisar nele, selecionar uma frase ou copiar um número, e um leitor de ecrã não tem nada para ler em voz alta.
Como reconhecer
Tente clicar e arrastar sobre uma linha de texto. Se a página inteira ficar destacada como um bloco só, ou se nada for destacado, o ficheiro provavelmente é feito de imagens. Outro sinal é o tamanho: um documento curto, de poucas páginas, que pesa muitos megabytes costuma conter figuras de página inteira. Uma busca por uma palavra que enxerga claramente na página e que não retorna resultado confirma a suspeita.
Como torná-lo utilizável
O reconhecimento ótico de caracteres, o OCR, lê as imagens e acrescenta uma camada invisível de texto real por trás delas. A página fica com a mesma aparência, mas agora pode ser pesquisada e copiada. A qualidade depende do digitalização: páginas nítidas, retas e com bom contraste dão resultados muito melhores que páginas borradas ou tortas. Como os digitalizações são grandes, também ajuda comprimir o ficheiro depois, desde que o texto continue legível.
Como fazer no AuraDoc
A ferramenta de OCR do AuraDoc deixa um PDF digitalizado pesquisável, a ferramenta para copiar texto de um digitalização devolve as palavras em si, e a de compressão de PDF digitalizado deixa o ficheiro mais leve. Cada etapa cria um ficheiro novo.
Ferramentas que usam este termo
Guias que põem o termo em prática
Perguntas frequentes
- PDF de imagem é o mesmo que PDF digitalizado?
- Na maioria das vezes, sim. Scanners e aplicações de telemóvel costumam gerar páginas que são figuras, embora alguns gerem também texto. O teste é simplesmente saber se consegue selecionar as palavras.
- O reconhecimento muda a aparência da página?
- Não. A imagem continua por cima e o texto reconhecido fica invisível por trás, então a página tem exatamente a mesma aparência de antes.
- Por que o reconhecimento às vezes erra?
- Digitalizações ruins são a causa principal. Impressão fraca, dobras, letra manuscrita e páginas tortas confundem a leitura, então confira números e nomes importantes a olho.