画像文字のテキスト化Ⅰ

OCR（Optical Character Recognition/Reader，光学的文字認識）とは，手書きや印刷された文字を，イメージスキャナやデジタルカメラによって読みとり，コンピュータで編集可能なテキスト（デジタルの文字コード）に変換する技術である．最近では，スマートフォンアプリとして名刺の管理などに利用されている．

そのための専用アプリが市販されている．ところが，Googleドキュメントを使えばそれなりに文字コードに変換してくれることを以前紹介したが，最近版はより使いやすくなっているという記事を読んだので，さっそく利用してみた．

Googleドライブに画像ファイルをアップロードすれば，次図に示す操作だけでテキストへの変換が完了する．以前より操作が簡単になった．

次図は国会図書館デジタルコレクションの典型的な例である．文字のコントラストが悪い例であるが，太字で示す8個所程度を修正すればよい．

注）■は抜けているところ，？は要修正の個所．

JPG画像を画像処理アプリでカラーを修正（明度，コントラスト，彩度）し，バックグラウンドを薄くしても大きな改善は認められなかった．

次の例はバックグラウンドが中程度変色している例である．

認識処理結果

にて上り所々療治に預り先は命別條無之右大坂表。 召連下り候日雇の者四十人之内三人功？り残り三十七 人注？何方〈流行候吃一向生死相知不申候總？治郎手代 残る者三人都合五人四月十九日大坂へ致婦着候見聞 候有増左之通。

一、四月朔日西刻過地震数度西海の内潮押出し山 タ？ょ？泥吹出し山焼之火は紫色に相見へ最初聴出候普 賢山■本御城下へは三里除有之追々山々焼来り四月朔 日比は御城下へ■廿七丁程の間に相見へ申候。

一、津波半時計之内にて潮引申候御城下町凡三千軒 程有之候所不殘致流失漸町家三十六軒程殘小候得共 人は■人も無之候。

一、御座船壹艘御召替壹艘水主十人御要害之船七十何れも御船蔵に在之候所一般も無之勿論貴船折？共 数不相知候帆柱計海上所々に相見申候。

一、御城下二里隔選？手の方に萩原と申在所有之此所 に寺有之是は御城主様御菩提所にて大石の御石碑有 之候右大石御城裏手御家中屋敷流儿來的右之寺院

オリジナルPDFファイルをもとに修正したもの

にて上り所々療治に預り先は命別條無之右大坂表より 召連下り候日雇の者四十人之内三人助り残り三十七人は何方へ流行候や一向生死相知不申候惣治郎手代残る者三人都合五人四月十九日大坂へ致婦着候見聞候有増左之通。

一、四月朔日酉刻過地震数度西海の内より潮押出し山々より泥吹出し山焼之火は紫色に相見へ最初焼出候普賢山より本御城下へは三里餘有之追々山々焼来り四月朔日比は御城下へ纔（わずか）廿七丁程の間に相見へ申候。

一、津波半時計之内にて潮引申候御城下町凡三千軒 程有之候所不殘致流失漸町家三十六軒程殘り候得共人は壹人も無之候。

一、御座船壹艘御召替壹艘水主十人御要害之船七十何れも御船蔵に在之候所一般も無之勿論貴船抔（など）共 数不相知候帆柱計海上所々に相見申候。

一、御城下二里隔濱手の方に萩原と申在所有之此所に寺有之是は御城主様御菩提所にて大石の御石碑有之候右大石御城裏手御家中屋敷へ流れ來り右之寺院

あとがき

画像で保存されている古文書をテキストに変換するもっとも簡単な方法は目で読んで手でキーボードから打ち込む方法であるが，量が多いと難儀である．以前は画像ファイルをGoogleドライブにアップロードする際，OCR処理を予め指定しておく必要があった．最新版では，取り敢えず画像データをアップロードしておけば何時でも変換できるようになった．便利になったのはよいが，Googleドライブに保存した画像ファイル（文字を含む）をダブルクリックすると，ドキュメントが立ち上がり勝手にOCR処理をするので，注意が必要である．

追記１

MicrosoftのOneNoteでもOCR処理が可能であるが，行の順番が入れ替わってしまう．以下は最初に紹介した文書の例である．番号は原稿の行番号．

２ 寬 政 四 年 壬 子 肥 前 國 島 原 山 河 大 變 一 件

６ 殿 頭 様 被 成 御 出 府 付 右 御 道 中 人 足 御 用 承 り 手 代 壹

４ 郎 と 中 者 唐 津 御 城 主 水 野 左 近 將 監 様 御 歸 城 に 付 右 之

７ 人 人 夫 四 十 人 召 連 島 原 に 逗 留 中 危 命 助 陂 事 。

５ 者 致 御 供 彼 地 へ 罷 ド り 同 四 月 句 島 原 御 城 主 松 平 主

３ 一 、 當 二 月 大 坂 紺 屋 町 日 雇 頭 大 和 屋 市 右 衞 鬥 忰 . 惣 治

１ 〇 島 原 大 變