写真の文字起こしが間違う理由と、精度を上げる方法

最終更新日: 2026-10-23 · Hanji運営者のLeoが確認して公開しました

文字の大きさ、ぼけ、傾き、影、JPG画質、言語の選び方が文字認識の精度に与える影響を、Hanjiと同じエンジンで実測して表にまとめました。

請求書をスクリーンショットで読み取ると完璧なのに、同じ書類をスマホで少し斜めから撮ると、1行も読めない。縦書きの書類を読み込んだら、文字がばらばらの並びで出てきた。写真の文字起こしは、ピクセルの並びから1文字ずつ「これは何の文字か」を推測する作業です。そのため入力が少し悪くなっただけで、なだらかに悪くなるのではなく、ある線を越えたところで急に崩れることがあります。その線がどこにあるかが分かれば、撮り方と設定を決められます。

この記事は一般論ではなく、実測した値で書いています。Hanjiの画像から文字起こしが使っているのと同じエンジンにテスト画像を読ませ、何がどれだけ精度を下げるのかを測りました。

先に要点

  • 文字1つの高さは12ピクセル欲しいところです。日本語は10ピクセルで85%、8ピクセルで38%まで落ちました。英語は8ピクセルでも98%でした。
  • ぼけは、ある程度を超えると一気に崩れます。24ピクセルの文字でぼけ2ピクセルは約91%、3ピクセルからは韓国語と日本語が11〜12%まで落ちました。
  • 傾きは3度以内に収めてください。7度傾くと日本語は40%、韓国語は84%、英語は94%です。15度では韓国語が25%でした。
  • 影があるときは「先に明るさとコントラストをそろえる」をオンのままにします。半分が暗い写真で、オンなら95〜100%、オフなら39〜57%でした。
  • JPGの画質が響くのは、文字が小さいときだけです。文字が大きければ画質8でもおおむね読めました。小さい文字では、画質20で日本語が9%に落ちました。
  • 言語を間違えると読めません。日本語の文書を韓国語として読むと0%でした。縦書きは「日本語(縦書き)」を選ばないと読めません(横書き設定で0〜6%、縦書き設定で97〜100%)。

どう測ったか

2026年10月23日、WindowsのChromeで、Hanjiの画像から文字起こしの画面にテスト画像を入れ、出てきたテキストを読み取りました。エンジンはtesseract.js 7.0.0、言語データはこのサイトが配信しているtessdata_fastの韓国語・日本語・英語・日本語(縦書き)です。設定は初期のままで、韓国語と日本語では「英単語や数字もあわせて読む」がオンになっています。

  • テスト画像。白い背景に濃い灰色の文字を、ブラウザのキャンバスで描いた合成画像です。フォントは韓国語がMalgun Gothic、日本語が游ゴシック(Yu Gothic)、英語がArialで、1枚に3〜4行入っています。文字24ピクセルのときの画像サイズは、韓国語が628×181、日本語が605×181、英語が467×222です。
  • 文章。言語ごとに別々の文章を2組作り、平均を取りました。日本語は案内文で、「請求書は毎月二十五日までに…」のような、数字や句読点を含む文です。韓国語は日付・注文番号・金額・メールアドレスの入った文、英語は注文番号や金額の並ぶレシートの文です。
  • 精度。正解の文字数のうち、正しく出た文字の割合です。「1 −(編集距離 ÷ 正解の文字数)」で計算しました。編集距離は、削除・挿入・置き換えされた文字の数です。空白は無視し、全角と半角は同じ文字として扱います。
  • 文字の大きさ。フォントサイズ(ピクセル)です。日本語と韓国語の文字は正方形の枠をほぼ満たすので、文字の高さに近い値です。英語の小文字はそれより低くなります。読み取る前に、ツールは長辺が1000ピクセル未満の画像を2倍、1800ピクセル未満の画像を1.5倍に拡大します。以下の値にはその効果が含まれています。

この値には限界があります。合成画像で測った値なので、実際のスマホ写真にある遠近のゆがみ、しわのある紙、光の反射、ピントのずれは反映されていません。手書き文字も測っていません。また値は2組の文章の平均で、境目に近いサイズでは文章によってかなり違いました。たとえば10ピクセルの韓国語は、1組が95%、もう1組が75%でした。数ポイントの差ではなく、表の大きな落差だけを信じてください。

測定結果

文字の大きさ

文字の大きさ 韓国語 日本語 英語
8px 88% 38% 98%
10px 85% 85% 100%
12px 95% 99% 100%
16px 96% 99% 100%
24px 95% 100% 100%
48px 93% 100% 100%

日本語は10ピクセルと12ピクセルのあいだでいちばん急に変わります。英語は字形が単純なぶん、小さい文字に強い結果でした。韓国語は大きくしても95%前後から上がりませんでしたが、これは大きさの問題ではなく、いくつかの単語がいつも同じ形で誤読されたためです。

ぼけ(文字24ピクセル、ガウスぼかしの標準偏差)

ぼけ 韓国語 日本語 英語
なし 95% 100% 100%
1px 97% 99% 100%
2px 91% 91% 94%
3px 11% 12% 48%
4px 6% 2% 5%

2ピクセルならまだ読め、3ピクセルで読めなくなります。そのあいだの緩やかな下り坂はありません。これは文字24ピクセルのときの値で、ほかの大きさで境目がどこになるかは測っていません。

傾き(文字24ピクセル)

傾き 韓国語 日本語 英語
0° 95% 100% 100%
3° 99% 95% 99%
7° 84% 40% 94%
15° 25% 5% 84%
25° 15% 2% 35%

英語は行が長く、傾いても行を追いやすい形です。日本語と韓国語は傾きにずっと弱く、日本語は7度ですでに半分を切りました。

片側が影のとき(文字24ピクセル)

画像の中央から右へ向かって、紙の明るさを白の約37%(灰色95)まで掛け合わせて暗くしました。

明るさの補正 韓国語 日本語 英語
オン(初期設定) 95% 100% 100%
オフ 56% 39% 57%

JPGの画質

文字24ピクセルと12ピクセルの画像を、画質90・50・20・8のJPGで保存しました(Chromeがキャンバスから保存するときの0〜100の値です)。

文字24ピクセル

画質 韓国語 日本語 英語
90 95% 100% 100%
50 97% 99% 100%
20 98% 100% 100%
8 95% 91% 99%

文字12ピクセル

画質 韓国語 日本語 英語
90 97% 96% 100%
50 95% 94% 99%
20 84% 9% 97%
8 46% 5% 76%

問題にならなかったもの

  • 薄い文字。白い背景に薄い灰色(#999999、#bbbbbb、#cccccc)の文字でも、韓国語92〜97%、日本語98〜100%、英語100%で読めました。
  • 暗い背景の明るい文字。ほぼ黒の背景に明るい灰色の文字は、補正をオンにしてもオフにしても、韓国語99%、日本語98〜99%、英語100%でした。
  • 手書き風のフォント。Ink FreeとSegoe Scriptで組んだ英語のレシートは98%と95%でした。ただしこれはフォントで、本物の手書きではありません。手書きは測っていないので、読めるとは期待しないでください。

原因別の対処法

文字が小さいとき

撮る前に近づいて、文字が画面いっぱいに大きく写るようにします。スマホのカメラの解像度を下げていないかも確認してください。スキャンしたファイルなら、解像度から見当をつけられます。10ポイントの文字(約3.5mm)は、150dpiのスキャンで高さ約21ピクセル、72dpiで約10ピクセルです。レシートの細かい注意書きは6ポイント前後で、150dpiでは約12ピクセルと境目ぎりぎりなので、300dpiでスキャンすると安全です。この2つは測定ではなく、上の12ピクセルを基準にした計算です。ピクセルとdpiの関係はピクセルとcm・dpiの換算方法と早見表にまとめています。

小さい画像を自分で拡大してから読み直しても、あまり効果はありません。ツールは読む前に小さい画像を最大2倍まで拡大していて、もともと写っていない細部は、拡大しても現れないからです。

ぼけているとき

ぼけは、一度写ってしまうと元に戻せず、上の表のとおり境目を越えると急に悪化します。文字をタップしてピントを合わせ、シャッターを押す瞬間は手を止めてください。暗い場所ではスマホがシャッターを長く開けるので、手ぶれがそのまま写ります。明るい場所へ移るのがいちばん簡単な対策です。すでにぼけた写真は、直そうとするより撮り直したほうが早いです。

傾いているとき

傾きは直せる問題です。画像トリミング・回転の「傾き補正」で行が水平になるまで合わせ、余白を切り落としてから文字起こしをしてください。撮るときは、スマホを紙の真上から平行に構えると、傾きも遠近のゆがみも減ります。この記事の傾きのテストは単純な回転なので、斜め上から撮ったときの台形のゆがみ(上の行が小さく、下の行が大きく写る)は測っていません。

影やムラのある照明

「先に明るさとコントラストをそろえる」は初期設定でオンです。上のテストでは、半分が影になった写真を39〜57%から95〜100%まで引き上げました。きれいなスクリーンショットでこのオプションのせいかえって読みにくくなったら、オフにしてください。影のない画像でオンとオフを別々に比べるテストはしていません。影そのものを避けるには、自分の体やスマホが光をさえぎらないようにして、窓際の均一な光で撮ります。

何度もJPGで保存した写真

メッセンジャーを経由した写真は、再圧縮されて画質が下がっていることが多いです。文字が大きければほとんど問題ありませんが、文字が小さいと上の表のとおり一気に崩れます。細かい字の書類は、チャットで受け取ったコピーではなく元のファイルを使ってください。また、文字起こしの前に画像の容量を小さくするで画質を落とすのも避けましょう。容量を小さくするのは、文字起こしが終わってからで構いません。

言語の選び方と縦書き

このツールは、画像の文字が何語かを自分で判断できません。選んだ言語の文字の中からだけ答えを探すので、言語を間違えると意味のない文字列になります。次の表は、同じ画像を言語設定を変えて読んだ結果です。1行につき文章は1組(文字24ピクセル)です。

画像 選んだ言語 精度
韓国語のレシート・通知 韓国語+英語 92%
韓国語のレシート・通知 韓国語のみ 75%
韓国語のレシート・通知 英語のみ 47%
韓国語のレシート・通知 日本語+英語 55%
韓国語と英語が混ざった行 韓国語+英語 98%
韓国語と英語が混ざった行 韓国語のみ 69%
韓国語と英語が混ざった行 英語のみ 58%
日本語の案内文(横書き) 日本語+英語 100%
日本語の案内文(横書き) 韓国語+英語 0%
日本語の案内文(横書き) 英語のみ 0%
日本語の案内文(横書き) 日本語(縦書き) 6%
英語のレシート 英語 100%
英語のレシート 韓国語のみ 38%
日本語の縦書き 日本語+英語 0〜6%
日本語の縦書き 日本語(縦書き) 97〜100%
  • 縦書きの文書は「日本語(縦書き)」を選びます。横書きの設定で縦書きを読むと、行の向きを取り違えて、ほとんど読めません(0〜6%)。逆に、横書きの文書を縦書き設定で読んでも合わず、6%でした。縦書きと横書きが1枚に混ざっている書類は、分けて読むほうが確実です。縦書きを選ぶと「英単語や数字もあわせて読む」の選択肢は消えるので、縦書きの中のアルファベットや数字は、結果を自分の目で確かめてください。
  • 日本語の文書は、日本語を選びます。韓国語として読むと、1文字も合いませんでした。
  • 英語の文書は、英語を読む設定にします。英語のレシートは、英語もあわせて読む設定(韓国語+英語、日本語+英語)なら100%でしたが、英語なしで韓国語だけを選ぶと38%でした。
  • 韓国語の文書に数字や英語が混ざるなら、「英単語や数字もあわせて読む」をオンのままに。注文番号やメールアドレスの入った文書は、韓国語のみで69〜75%、英語もあわせて読むと92〜98%でした。英語のみにすると、今度はハングルが読めず47〜58%でした。

スキャンしたPDFはPDFからテキスト抽出で

スキャンしたPDFは、1ページずつが写真です。文字に見えるのに選択できないPDFなら、これにあたります。1ページずつ画像に直す必要はなく、PDFからテキスト抽出にファイルを入れれば、文字情報のあるページはそのまま取り出し、写真だけのページは文字を読み取ります。上の結果はこの経路にもそのまま当てはまります。スキャンするときは、文字が12ピクセル以上になるよう150dpi以上にしてください。スキャンのコツと容量の抑え方はスマホで書類をスキャンしてPDFにするにあります。

個人情報について

レシート、請求書、身分証の写真には、名前、住所、口座番号が入っています。画像から文字起こしは、エンジンと言語データをhanji.pageから読み込み、このブラウザの中だけで読み取るので、画像はサーバーにアップロードされません。この記事のテストもすべて、1台のPCの中だけで動かしています。どのツールでも自分で確かめる方法は、オンライン変換サイトはファイルを残すのかにまとめました。

関連ツール

ガイド