Een gescande PDF vertalen: OCR-problemen en praktische oplossingen
Leer hoe je gescande PDF's kunt OCR'en en vertalen, veelvoorkomende herkenningsfouten kunt diagnosticeren en de lay-out kunt behouden met een documentbewuste workflow.
Snel antwoord: een gescande PDF heeft OCR nodig vóór vertaling
Om een gescande PDF te vertalen, voer je eerst OCR uit om de pagina-afbeeldingen om te zetten in selecteerbare tekst. Vertaal vervolgens de OCR-bewerkte PDF met een documentvertaler zoals PDF Translator. Als je OCR overslaat, zullen veel vertaaltools het originele bestand ongewijzigd retourneren, pagina's missen of alleen de delen vertalen die al een tekstlaag bevatten.
Gebruik deze workflow:
- Open de PDF en probeer een zin te selecteren.
- Als je geen tekst kunt selecteren, voer dan OCR uit.
- Controleer de OCR-tekst voordat je vertaalt.
- Upload de OCR-bewerkte PDF naar PDF Translator.
- Vergelijk de vertaalde uitvoer met de originele scan.
Als je PDF al selecteerbare tekst heeft en het probleem het behoud van de lay-out is, gebruik dan de gids om een PDF te vertalen zonder de opmaak te verliezen.
Waarom gescande PDF's mislukken in vertaaltools
Een gescande PDF is vaak slechts een verzameling pagina-afbeeldingen in een PDF-container. De pagina kan woorden tonen aan een mens, maar het bestand bevat mogelijk geen daadwerkelijke tekst die software kan extraheren.
Dat veroorzaakt een eenvoudige fout:
| Bestandstype | Wat de vertaler ziet | Wat er gebeurt |
|---|---|---|
| Tekstgebaseerde PDF | Tekst plus lay-outgegevens | Vertaling kan onmiddellijk beginnen. |
| Alleen afbeeldingen bevattende gescande PDF | Afbeeldingen van pagina's | OCR is eerst vereist. |
| PDF met tekst over afbeelding | Scanafbeelding plus verborgen OCR-tekstlaag | Vertaling kan werken, maar OCR-fouten beïnvloeden de kwaliteit. |
De nuttigste test is niet technisch:
- Open de PDF.
- Probeer afzonderlijke woorden te markeren.
- Kopieer een zin.
- Plak deze in een teksteditor.
Als de zin correct wordt geplakt, heeft de PDF een tekstlaag. Als er niets wordt geplakt, of de hele pagina zich als één afbeelding gedraagt, heeft de PDF OCR nodig.
OCR is niet optioneel
OCR staat voor optical character recognition. Het leest tekst uit een afbeelding en maakt machineleesbare tekst. Voor PDF-vertaling maakt OCR meestal een onzichtbare tekstlaag over de gescande pagina.
Die tekstlaag wordt de bron voor vertaling. Als OCR fouten maakt, neemt de vertaling die fouten over.
Veelvoorkomende OCR-fouten:
| OCR-fout | Vertaalrisico |
|---|---|
rn gelezen als m | Woorden veranderen van betekenis. |
1 gelezen als l | Getallen, verwijzingen of codes worden onjuist. |
O gelezen als 0 | ID's, formules en namen kunnen breken. |
| Accenten weggevallen | Namen en termen worden onnauwkeurig. |
| Kolommen samengevoegd | Zinnen worden in de verkeerde volgorde vertaald. |
| Tabelcellen worden rij voor rij onjuist gelezen | Gegevenslabels komen niet meer overeen met waarden. |
| Voetnoten worden als lopende tekst behandeld | Citaten en noten belanden in de verkeerde context. |
Daarom is de OCR-controleftap zo belangrijk. Vertaal een gescand document pas nadat je de geëxtraheerde tekst steekproefsgewijs hebt gecontroleerd.
De OCR-first-workflow
Stap 1: Bepaal het PDF-type
Probeer tekst te selecteren. Als selecteren lukt, heb je misschien geen OCR nodig. Als selecteren mislukt, behandel het bestand dan als een bestand met alleen afbeeldingen.
Inspecteer de pagina ook visueel:
- Scheve pagina's wijzen op een scan.
- Grijze papiertextuur wijst op een scan.
- Schaduwen bij de rug wijzen op een gefotografeerd boek.
- Onregelmatig contrast wijst op een fotokopie.
- Als zoeken zichtbare woorden niet vindt, is er waarschijnlijk geen tekstlaag.
Stap 2: Verbeter de scan indien mogelijk
OCR-kwaliteit begint bij beeldkwaliteit. Als je opnieuw kunt scannen, doe dat dan voordat je tijd besteedt aan het repareren van OCR-fouten.
Gebruik deze checklist voor beeldkwaliteit:
- Scan met een resolutie die hoog genoeg is voor kleine tekst.
- Houd pagina's plat en recht.
- Vermijd schaduwen bij de rug.
- Snijd randen van tabellen, vingers of rommelige achtergronden weg.
- Zorg voor sterk contrast tussen tekst en pagina.
- Houd de hele regel zichtbaar.
- Gebruik de juiste pagina-oriëntatie.
- Comprimeer de afbeelding niet zo sterk dat letters vervagen.
Bij oude boeken en fotokopieën levert het rechtzetten van scheefstand, contrastcorrectie en het opnieuw scannen van onscherpe pagina's meestal de grootste winst op.
Stap 3: OCR uitvoeren
Kies een OCR-tool op basis van het document, niet op basis van het merk.
| OCR-optie | Het meest geschikt voor | Let op |
|---|---|---|
| Adobe Acrobat OCR | Algemene zakelijke scans en PDF-opschoning | Controleer eerst of je huidige abonnement toegang biedt voordat je erop vertrouwt. |
| ABBYY FineReader | Complexe scans, tabellen, kolommen en lastige lay-outs | Vereist nog steeds handmatige controle. |
| Tesseract of OCRmyPDF | Lokale, technische, herhaalbare OCR-workflows | Vereist vertrouwdheid met opdrachtregelprogramma's. |
| Online OCR-tools | Incidentele bestanden met laag risico | Privacy, bestandslimieten en kwaliteit verschillen. |
| Scan-apps voor de telefoon | Snel een nieuwe scan vastleggen | Perspectiefvervorming kan OCR schaden. |
Voor privécontracten, medische dossiers, financiële documenten, ongepubliceerde manuscripten of academisch werk dat nog wordt beoordeeld, kun je beter een lokale OCR-workflow of een vertrouwde omgeving gebruiken. Upload gevoelige scans niet naar willekeurige gratis OCR-sites.
Stap 4: De OCR-tekst controleren
Controleer vóór de vertaling, niet erna. Kopieer tekst uit een paar lastige pagina's en kijk of deze leesbaar is.
Voorbeeldpagina's om te controleren:
- De titelpagina.
- Een dichtbeschreven tekstpagina.
- Een pagina met een tabel.
- Een pagina met voetnoten.
- Een pagina met kleine tekst.
- Een pagina met stempels, handschrift of kanttekeningen.
- Een pagina in elke taal als het document meertalig is.
Let op:
- Ontbrekende alinea's.
- Samengevoegde kolommen.
- Afgebroken woorden.
- Verkeerde tekens.
- Verloren diakritische tekens.
- Tabelabels gescheiden van waarden.
- Kopteksten die in de bodytekst terechtkomen.
- Paginanummers die in zinnen terechtkomen.
Als de OCR-kwaliteit slecht is, los dit dan op vóór de vertaling. Een vertaler kan de betekenis die OCR nooit heeft vastgelegd niet betrouwbaar herstellen.
Stap 5: De OCR-verwerkte PDF vertalen
Zodra de PDF een schone tekstlaag heeft, upload je deze naar PDF Translator. De vertaalstap kan nu met tekst werken in plaats van met pagina-afbeeldingen.
Vergelijk na de vertaling:
- Originele scan
- OCR-tekstlaag
- Vertaalde PDF
Deze drieledige controle helpt je te bepalen of een fout afkomstig is van OCR of van de vertaling. Als de OCR-tekst onjuist is, voer OCR dan opnieuw uit. Als de OCR-tekst correct is maar de vertaling onjuist, corrigeer dan de vertaling.
Stap 6: Controleer inhoud met een hoog risico
Gescande documenten bevatten vaak juist de inhoud die zorgvuldig nagekeken moet worden: oude contracten, overheidsformulieren, academische artikelen, handleidingen, historische documenten en boekpagina's.
Controleer deze onderdelen handmatig:
- Namen
- Datums
- Getallen
- Adressen
- Productcodes
- Juridische verwijzingen
- Citaten
- Tabelaanduidingen
- Eenheden
- Vergelijkingen
- Bijschriften
- Voetnoten
Lees voor onderzoeks- en academische bestanden ook de gids over het vertalen van academische onderzoeksartikelen, omdat gescande academische PDF's naast OCR-risico ook risico's op het gebied van citaten en lay-out met zich meebrengen.
Voorbeelden van fouten naast elkaar
Gebruik deze tabel bij het controleren van OCR-uitvoer.
| Originele scan toont waarschijnlijk | Slechte OCR-uitvoer | Waarom het belangrijk is |
|---|---|---|
modern | modem | De betekenis verandert volledig. |
Section 10 | Section IO | Juridische of technische verwijzingen kunnen onjuist worden. |
2026 | 2O26 | Datums en ID's worden onbetrouwbaar. |
patient | patlent | Medische of technische termen worden fout. |
| Twee afzonderlijke kolommen | Eén samengevoegde alinea | De vertaling leest zinnen in de verkeerde volgorde. |
| Tabelrij met labels en waarden | Eén regel met gemengde tekst | Gegevens worden niet meer aan het juiste label gekoppeld. |
Voetnootmarkering 1 | Letter l | Notities kunnen aan de verkeerde zin worden gekoppeld. |
Als je deze fouten in de OCR-laag ziet, los dan eerst de OCR op voordat je vertaalt.
Welke tool moet je gebruiken?
Kies op basis van de moeilijkheidsgraad van het document.
| Document | Aanbevolen aanpak |
|---|---|
| Schone zakelijke scan | OCR in Acrobat of een ander betrouwbaar OCR-programma, en daarna PDF Translator. |
| Scan van een oud boek | Rechtzetten en contrast verbeteren, zorgvuldig OCR uitvoeren en daarna vertalen. |
| Scan van een academisch artikel | OCR, controleer vergelijkingen/citaties/tabellen en vertaal daarna met controle van de lay-out. |
| Handgeschreven notities | Handmatige transcriptie kan nodig zijn vóór de vertaling. |
| Eenvoudig persoonlijk document | Online OCR kan acceptabel zijn als het privacyrisico laag is. |
| Gevoelig document | Gebruik lokale OCR of een vertrouwde gecontroleerde workflow. |
Wil je een bredere vergelijking van tools, zie dan de gids voor de beste PDF-vertaler.
Veelvoorkomende problemen met gescande PDF's
Pagina's met lage resolutie
Scans met lage resolutie vervagen letters tot één geheel. OCR kan rn en m, cl en d, of leestekens en stof door elkaar halen.
Oplossing: scan opnieuw als dat mogelijk is. Zo niet, verhoog dan het contrast en probeer OCR opnieuw.
Scheve of gebogen pagina's
Boekscans zijn vaak gebogen nabij de rug. OCR leest de gebogen lijnen slecht en kan de tekst opnieuw ordenen.
Oplossing: maak de pagina plat, scan opnieuw, of gebruik een OCR-tool met scheefstelling- en vervormingscorrectie.
Lay-out met meerdere kolommen
OCR kan de linker- en rechterkolom samenvoegen tot één doorlopende tekst.
Oplossing: controleer de leesvolgorde vóór de vertaling. Academische artikelen vragen hier extra aandacht.
Tabellen
Tabellen zijn lastig omdat OCR zowel de tekst als de structuur moet detecteren. Een tabel kan er visueel correct uitzien terwijl de tekstlaag onjuist is.
Oplossing: kopieer de OCR-tekst uit de tabel en controleer of de labels nog steeds overeenkomen met de waarden.
Handschrift en handtekeningen
OCR van gedrukte tekst is veel betrouwbaarder dan handschriftherkenning. Handgeschreven kanttekeningen, handtekeningen en ingevulde formulieren kunnen worden gemist of vervormd.
Oplossing: transcribeer essentiële handschriften handmatig vóór de vertaling.
Gemengde talen
OCR werkt het beste als het de brontaal kent. Een scan met Engels, Frans en Chinees kan mislukken als OCR slechts op één taal is ingesteld.
Oplossing: kies alle relevante OCR-talen als de tool dit ondersteunt en controleer vervolgens elk taalgedeelte steekproefsgewijs.
Checklist voor privacy en beveiliging
Vraag je voordat je een gescande pdf ergens uploadt het volgende af:
- Bevat het document persoonsgegevens?
- Bevat het medisch, juridisch, financieel, academisch of ongepubliceerd materiaal?
- Valt het onder een klantovereenkomst of schoolbeleid?
- Is een online OCR-dienst toegestaan voor dit document?
- Heb je in plaats daarvan een lokale workflow nodig?
- Kun je pagina's verwijderen die niet vertaald hoeven te worden?
Gescande pdf's zijn vaak gevoelig omdat ze afkomstig zijn uit contracten, identiteitsbewijzen, formulieren, onderzoeksconcepten en interne archieven. Behandel beslissingen over OCR-uploads op dezelfde manier als het originele document.
Gerelateerde berichten
