OCR（光学文字認識）とは？スキャンしたPDFで何ができるか

病院の受付で「OCRで読み取れるコピーをアップロードしてください」と言われ、スキャナーアプリにはOCRというスイッチがあります。でも、それが何をするのかは誰も教えてくれません。OCRとは何で、賃貸契約書やレシート、学校の書類に必要なのでしょうか。このガイドでは、この言葉をわかりやすく説明し、普通のスキャンにはなくOCR PDFにはあるもの、ソフトウェアの精度、iPhoneでOCRを使う方法を紹介します。

OCRとは？OCRは何の略か

OCRはOptical Character Recognition（光学文字認識）の略です。Wikipediaは、OCRを「タイプされた文字、手書きの文字、印刷された文字の画像を、機械で符号化されたテキストに電子的または機械的に変換すること」と定義しています（Optical character recognition、Wikipedia）。わかりやすく言えば、OCRはページの画像を見て、そこに見える文字を書き出します。

これが大事なのは、スキャンが写真だからです。目には「家賃は毎月1日払い」と読めても、スマートフォンにとっては色の付いた点にすぎず、検索、コピー、スクリーンリーダーは何も扱えません。

文字の写真と機械が読めるテキストの違い

文字の写真はピクセルです。機械が読めるテキストは、コンピュータが検索、並べ替え、貼り付けできる文字の並びです。OCRはこの2つをつなぎます。OCRのあとは、賃貸契約書の2ページ目にある「敷金」という単語をコンピュータが単語として知っているので、検索で見つけられます。

PDFでは、OCRはたいてい隠れたレイヤーを追加します。Wikipediaはその結果を「ページの元の画像と、検索できるテキスト表現の両方を含む注釈付きPDF」と説明しています。ページの見た目は前と同じで、テキストは画像の下に見えない形で置かれ、目に見える文字と位置がそろっています。

ソフトウェアの中でOCRが動く仕組み

OCRソフトウェアは3つの段階で動きます。画像を整え、文字がある場所を見つけ、それぞれの形がどの文字かを判断します。Wikipediaには整える手順が挙げられていて、よく使われるものは簡単にイメージできます。

• 傾き補正（デスキュー）： 少し斜めに撮ったページを「数度だけ時計回りまたは反時計回りに回転させ、文字の行を完全に水平または垂直にします」。
• 白黒化（二値化）： 画像を2色に変換します。これは「文字を背景から分ける簡単な方法」です。
• レイアウト解析： 段、段落、表、キャプションを別々のブロックとして区切るので、2段組みの手紙も正しい順番で読めます。
• 行と単語の検出： 各ブロックを行に、次に単語に、さらに1文字ずつに分けます。

次が認識です。古いシステムは各文字を「保存されたグリフとピクセル単位で」比べていました。新しいシステムは、文字を線、輪、交点などの特徴に分けて調べ、今では多くがニューラルネットワークを使います。AppleのVisionフレームワークのドキュメントには、精度重視の処理は「ニューラルネットワークを使って文字列と行の単位でテキストを見つける」もので、「人間が文字を読む方法にずっと近い」と書かれています（Recognizing text in images、Apple Developer）。

辞書が役立つとき、逆効果になるとき

辞書があると、OCRは自分の推測を直せます。Wikipediaによると、「出力を語彙（許される単語の一覧）で制限すると、OCRの精度を上げられます」。たとえば「請求暑」という読み誤りを「請求書」に戻せます。AppleのVisionにも、「読み誤りの可能性を最小限にする」ための同じような言語補正の機能がオプションで用意されています。

同じ仕組みは、辞書にない言葉では逆効果になることがあります。名字、通りの名前、製品コード、口座番号は典型的な被害者なので、ページのこうした部分は目で確かめましょう。

iPhoneで紙の書類をOCRする方法

iPhoneで紙をOCRする最も速い方法は、保存するときにテキストレイヤーを追加するアプリでスキャンすることです。MRSでは、すべてのページで最初からそうなります。次の手順では、3ページの賃貸契約書を例にします。

1. スキャナーを開きます。 MRSで「書類をスキャン」をタップします。レジのレシートなら代わりに「レシートをスキャン」をタップします。こちらは店名、日付、合計、税額、品目の行も読み取ります。
2. すべてのページを撮影します。 1ページ目の上にiPhoneをかざし、Appleの書類カメラに端を見つけて撮影させてから、同じセッションのまま次のページに進みます。すべてのページが1つのPDFになります。
3. MRSにテキストレイヤーを追加させます。 MRSはiPhone上で、各ページにApple Visionのテキスト認識を精度重視モードと言語の自動検出で実行します。何もアップロードされず、アカウントも不要です。
4. ページを確認します。 認識されたテキストは見えない形で画像の下にあるので、スキャンの見た目は前と同じです。
5. テキストを選択またはコピーします。 「ファイル」やほかのPDFアプリでPDFを開き、単語を長押ししてハンドルをドラッグし、1行を選択します。コピーして「メモ」にペーストすると、結果がどれだけ正確かがわかります。
6. 中の単語で書類を探します。 大家さんの名字など、賃貸契約書の本文にある単語をMRSのライブラリ検索に入力します。検索はタイトルと本文に一致し、大文字と小文字を区別しません。ページ上のその単語に移動するには、PDFを検索する方法のガイドのように、PDFを「ファイル」、「ブック」、Safariで開きます。

よくある誤解：OCRはスキャンするときに行われる

MRSは、ページをスキャンしたとき、または写真として読み込んだときにテキストを読み取ります。「ファイル」アプリから読み込んだPDFは中身を変えずに保存されます。すでに文字を含んでいればライブラリ検索がその文字を読み、画像だけのPDFならMRSはOCRを実行しません。

テキスト認識が追加される前にMRSでスキャンした書類にはテキストレイヤーがないので、ライブラリではタイトルでしか見つかりません。MRSは古いファイルをまとめて再処理しません。画像だけの古いPDFには、PDFを検索可能にする方法のガイドでパソコンとオンラインの方法を紹介しています。

OCR、テキスト認識表示、普通のスキャン、手書き文字認識の比較

スキャンについて調べると4つの言葉が出てきますが、得られるものはそれぞれ違います。次の表は、引用した情報源とMRSの機能一覧に書かれていることだけをまとめたものです。

写真の1行だけなら「テキスト認識表示」が適していて、操作はiPhoneで画像の文字をコピーする方法のガイドで紹介しています。何か月も保管して検索する紙には、テキストを書類と一緒に残せるOCR PDFが向いています。

OCRが動く場所：スマートフォンかクラウドか

OCRが動く場所は2つのどちらかで、違いはページがどこへ行くかです。Wikipediaによると、OCRは「一般的にオフラインの処理」で、「オンラインのOCR APIサービスを提供するクラウドサービスもあります」。クラウドサービスがページを読むには、ページの画像をそのサーバに送る必要があります。

端末上のOCRなら、ページはスマートフォンの中にとどまります。Appleは、Visionのテキスト認識について「Visionの処理はすべてユーザーの端末上で行われ、パフォーマンスとユーザーのプライバシーを高めます」と説明しています。MRSはこのフレームワークを使うので、銀行からの手紙、医療の書類、パスポートのページはiPhone上で読み取られ、アップロードされません。

OCRの精度はどのくらいか

OCRの精度はきれいな印刷文字では高いものの、100%にはなりません。Wikipediaには、タイプされたラテン文字のテキストでも「鮮明な画像があっても、まだ100%正確ではない」とあり、19世紀から20世紀初めの新聞のページで市販のOCRの文字単位の精度が「81%から99%の間」だったという研究も紹介されています。

数字は測り方によって変わります。同じWikipediaの記事には例があり、文字の誤り率1%（精度99%）が、単語の誤り率では5%以上になることがあります。1文字違うだけで単語全体が誤りになるからです。

結果の大部分は、読み込ませるページで決まります。

• 光： スマートフォンの影がページにかかる照明より、ムラのない日光のほうが良い結果になります。
• 平らなページ： 反ったページは行が曲がり、とじ目の近くの文字が誤って読まれます。
• 大きさとくっきりさ： 小さな文字にも1文字あたり十分なピクセルが入るように画面いっぱいに写し、スキャンがくっきりするまで動かさないようにします。
• フォント： シンプルな印刷フォントが最もよく読め、装飾的な書体やとても細い文字は読みにくくなります。
• 紙の状態： 色あせた感熱紙のレシート、文字に重なった印、コントラストの低いコピーでは文字が抜けます。

光、角度、カラーモードについては、スキャンのガイドで詳しく紹介しています。

レシートと手書きのルール

レシートと手書きは、日常で最も難しい2つのケースです。感熱紙のレシートは色あせるので、受け取ったその日に明るい場所でスキャンしましょう。レシートをスキャンする方法のガイドで、一連の手順と、MRSがテキストファイルを保存する場所（このiPhone内 › MRS › Receipts）を紹介しています。

手書きはさらに難しく、Wikipediaには筆記体は「手書きの楷書よりもさらに認識率が低い」とあります。手書きのメモは、テキストレイヤーで拾えない場合があるので、あとで検索する言葉をPDFのタイトルに入れましょう。

OCR PDFでできることと、その限界

OCR PDFは、スキャンの山を使える書類に変えます。読者がよく尋ねる用途は、ほぼ次の4つです。

• 検索： 何十ものファイルの中から、ある単語が出てくる賃貸契約書、保証書、学校からの手紙を1つ見つけます。
• コピー： 口座番号、住所、段落を、打ち直さずにメールやフォームに貼り付けます。
• レシートをデータに： レシートの店名、日付、合計をテキストにして、経費の一覧に使います。
• 読み上げ： 印刷された文字を読めない人のために、スクリーンリーダーにページを読み上げさせます。

OCRには思わぬ落とし穴になる限界もありますが、ほとんどは2分で直せます。

• 失敗：編集できる書類になると思う。 OCRはスキャンを検索・コピーできるようにするだけで、ページは画像のままです。自分で文字や署名を上から加えるには、PDFエディタを使います。
• 失敗：数字を確かめずに信じる。 ぼやけたページでは、5がSに、8がBに読まれることがあります。合計、日付、口座番号は、フォームにコピーする前に画像と見比べましょう。
• 失敗：影の中で斜めにスキャンする。 傾いた暗いページでは、認識する側に崩れた文字しか届きません。スキャナーに端を見つけさせ、ムラのない光の場所に移りましょう。
• 失敗：ファイル名を「スキャン12」にする。 中の単語での検索は安全網です。「賃貸契約書 2026 桜通り」のようなわかりやすいタイトルが、やはり最も速くファイルを見つけます。

スクリーンリーダーとアクセシビリティ

最も重要な用途はアクセシビリティです。ウェブアクセシビリティのガイドラインを作っているW3Cは、スキャンした書類を「書類の内容が検索できるテキストではなく画像なので、本質的にアクセシブルではない」としていて、PDFの達成方法には「OCRは単語や文字の画像を実際のテキストに変換する」とあります（W3C PDF7）。目の見えない家族、ディスレクシアの学生、VoiceOverを使う同僚が聞けるのは、テキストレイヤーのあるページだけです。

OCRのチェックリストと次のステップ

スキャンを保管する前に、次の点を確認しましょう。

• OCR付きでスキャンした： ページはスキャンまたは写真から作られ、テキストレイヤーがあります。
• 試した： 本文の単語を選択でき、検索で見つかりました。
• 数字を確かめた： 合計、日付、口座番号が画像と一致しています。
• わかりやすい名前を付けた： あとで入力する言葉がタイトルに入っています。
• プライバシーを守った： 重要なページは、アップロードではなく端末上のOCRで読み取りました。

MRSはiOS 16以降のiPhone向けに無料でダウンロードでき、33の言語に対応し、新しいスキャンをすべて端末上で読み取ります。長い書類は本をスキャンする方法のガイドで紹介しています。MRSをダウンロードすれば、次のスキャンを1ページ目から検索できるようにできます。