【PDF】古い資料(かすれた文字・黄ばんだ紙)のPDFをOCRにかける前の「背景の白飛び・コントラスト」調整

古い資料をスキャンしてPDF化した際、文字がかすれて読みにくい、背景が黄ばんでOCRの精度が低い、といった状況でお困りではありませんか。このような古いPDFは、背景の白飛びやコントラストを適切に調整することで、文字を鮮明にし、OCRの認識精度を大幅に向上できます。この記事では、Acrobat Readerやその他のツールを使って、古いPDFをOCRにかける前に調整する方法を詳しく解説します。

OCR認識精度を左右するPDF調整の重要性

古い資料のPDFは、スキャン時の光のムラ、紙の劣化による黄ばみ、文字のかすれなど、さまざまな要因で品質が低下している場合があります。これらの問題は、そのままOCRテキスト認識にかけると、誤認識や認識漏れの原因となります。特に、背景と文字のコントラストが低い、背景にノイズが多い、文字が薄いといった状態では、OCRエンジンが文字と背景を区別することが困難です。

OCRにかける前に、PDFの背景を白く飛ばしたり、コントラストを調整したりすることで、文字部分を際立たせ、認識しやすい画像に変換できます。この事前調整は、OCRの精度を向上させるだけでなく、人間の目にとっても読みやすい文書を作成するために不可欠です。

古い資料のPDFが抱える問題点

古い資料をスキャンしたPDFは、一般的に以下の問題点を含んでいます。これらの問題はOCRの精度に直接影響します。

• 背景の黄ばみや汚れ: 紙の経年劣化や保管状態により、背景が均一ではない色味や汚れを持つことがあります。
• 文字のかすれや薄さ: インクの劣化や印刷品質の低さから、文字が薄くなったり、一部がかすれたりします。
• 低コントラスト: 文字の色と背景の色の差が小さく、文字が背景に埋もれて見えることがあります。
• ノイズの混入: スキャン時のホコリやスキャナーの影、紙の繊維などがノイズとして画像に含まれる場合があります。

Acrobat Readerで古いPDFの背景とコントラストを調整する手順

Acrobat Readerには、スキャンしたPDFを最適化し、画像品質を向上させる機能が搭載されています。この機能を使って、背景の白飛びやコントラストを調整し、OCR認識に適したPDFを作成します。

1. PDFを開く
   Acrobat Readerで調整したい古い資料のPDFを開きます。
2. 「ツール」パネルにアクセスする
   画面左側のツールパネルから「PDFを編集」を選択します。もし見当たらない場合は、上部の「ツール」タブをクリックし、「PDFを編集」を見つけて開きます。
3. 「スキャンした文書を最適化」を選択する
   「PDFを編集」ツールバーが表示されたら、右側の「スキャンした文書を最適化」をクリックします。
4. 最適化オプションを設定する
   「最適化」ダイアログボックスが表示されます。ここで以下の設定を行います。
   • フィルター: 「適応型二値化」を選択すると、白黒のコントラストが強調され、文字が際立ちやすくなります。カラー文書の場合は「グレー」や「カラー」も検討します。
   • 背景の除去: スライダーを調整して、背景の黄ばみや汚れをどの程度除去するかを設定します。除去しすぎると文字の一部が消える場合があるので注意が必要です。
   • テキストの鮮明化: スライダーを調整して、文字の輪郭をどの程度鮮明にするかを設定します。かすれた文字を読みやすくする効果があります。
   • 画像の品質: 「低」「中」「高」から選択します。OCR精度を重視するなら「高」を選択し、ファイルサイズを抑えたい場合は「中」を選択します。
5. プレビューで確認し調整する
   設定を調整するたびに、文書のプレビューが更新されます。最適な状態になるまでスライダーやオプションを微調整します。文字が鮮明になり、背景が均一に白くなった状態を目指します。
6. 「OK」をクリックして適用する
   調整が完了したら、「OK」ボタンをクリックして変更を適用します。
7. PDFを保存する
   調整後のPDFを上書き保存するか、別名で保存します。元のPDFを残しておきたい場合は、別名で保存することをおすすめします。

PDF調整時の注意点と失敗を避けるポイント

PDFの背景やコントラストを調整する際には、いくつかの注意点があります。これらを理解しておくことで、失敗を避け、より良い結果を得られます。

調整しすぎると文字が潰れてしまう

コントラストを上げすぎたり、背景の除去を強くしすぎたりすると、文字の輪郭が失われたり、細い線が消えたりする場合があります。特に、手書きの文字や細いフォントの文字は、調整によって潰れてしまう可能性があります。調整は控えめに始め、プレビューを見ながら少しずつ加減することが重要です。

元の画像品質には限界がある

どんなに強力な調整ツールを使っても、元のスキャン画像の品質が極端に低い場合、劇的な改善は見込めません。例えば、元々文字が読めないほどかすれていたり、画像がぼやけていたりするPDFでは、調整の効果は限定的です。可能な限り高解像度でスキャンし直すことが最善の解決策となる場合もあります。

カラー情報が失われる可能性がある

「適応型二値化」などのフィルターを使用すると、文書内のカラー情報が失われ、白黒の画像に変換されます。もし文書に重要なカラー情報が含まれている場合は、この設定に注意が必要です。カラー情報を保持したい場合は、「グレー」や「カラー」フィルターを選択し、代わりにコントラストや明るさのスライダーで調整することを検討してください。

調整後のOCR処理を忘れない

PDFの調整はOCRの精度を向上させるための準備段階です。調整が完了したら、必ずOCRテキスト認識を実行してください。Acrobat Readerでは、「ツール」タブから「テキスト認識」を選択し、OCR処理を実行できます。これにより、PDF内の画像テキストが検索可能なテキストデータに変換されます。

Acrobat Reader、Edge、スマホアプリのPDF機能比較

古い資料のPDFで文字がかすれて読みにくい、OCRがうまくかからないといった問題は、Acrobat Readerの「PDFを編集」機能による背景とコントラストの調整で解決できます。この記事で解説した手順に従って、背景の黄ばみ除去や文字の鮮明化を行い、OCR認識に最適な状態にPDFを改善しましょう。調整後のPDFに対してOCR処理を実行することで、検索可能なテキスト情報を効率的に抽出できるようになります。