Tekst uit een afbeelding halen

Zo wordt het berekend

Optische tekenherkenning (OCR, Optical Character Recognition) maakt van de pixels in een afbeelding weer letters: een foto van een brief, een gescande factuur of een screenshot van een document wordt tekst die je kunt kopiëren, doorzoeken en bewerken. Om tekst uit een afbeelding te halen gebruikt deze tool Tesseract, de bekendste opensource-OCR-engine, omgezet naar WebAssembly en direct in je browser actief.

Zo werkt het

1. Sleep een afbeelding hierheen, kies er een of plak hem met Ctrl + V (bijvoorbeeld een screenshot van het klembord).
2. Controleer de taal van de tekst in de afbeelding. Nederlands staat standaard ingesteld; je kunt ook Engels, Duits, Frans, Spaans, Portugees en Italiaans kiezen.
3. Klik op ‘Tekst herkennen’. De voortgangsbalk laat zien of er nog gegevens laden of dat de tekst al wordt herkend.
4. Verbeter de tekst in het vak als dat nodig is en kopieer hem of sla hem op als .txt-bestand.

Tips voor een goede herkenning

• Contrast: donkere letters op een lichte, egale achtergrond werken het best. Schaduwen, kleurverlopen, patronen of watermerken achter de tekst maken de herkenning minder nauwkeurig.
• Recht fotograferen: fotografeer het papier recht van boven, niet schuin. Sterk hellende of gebogen regels (bij de rug van een boek) worden veel slechter herkend.
• Resolutie: voor scans is ongeveer 300 dpi de gangbare richtlijn. Bij foto’s betekent dat: de tekst moet groot genoeg in beeld staan, met hoofdletters van minstens zo’n 20 pixels hoog. De tool vergroot heel kleine afbeeldingen automatisch (maximaal 2×) en verkleint heel grote tot 5.000 pixels aan de lange zijde.
• Uitsnede: houd alleen het deel met tekst over – geen randen, vingers of tafelranden. Maak bij screenshots een opname van het venster, niet van het hele scherm.
• Juiste taal: de taal bepaalt het woordenboek en de tekenset. Met ‘Engels’ ontbreken tekens als ë, ï of é; met ‘Nederlands’ mis je Duitse tekens als ß.

Beperkingen

Tesseract is gemaakt voor gedrukte tekst. Handschrift wordt nauwelijks herkend, net als sterk decoratieve lettertypes, schuin gefotografeerde borden of tekst op een drukke achtergrond. Tabellen en opmaak met meerdere kolommen komen eruit als doorlopende tekst, waarbij de volgorde van de kolommen kan verschuiven. De getoonde betrouwbaarheid is het gemiddelde dat Tesseract over alle woorden berekent; onder ongeveer 70 % loont een betere afbeelding. Controleer belangrijke getallen (bedragen, IBAN, factuurnummers) altijd zelf: verwisselingen als 0/O, 1/l of 5/S komen ook bij goede originelen voor.

De eerste keer worden gegevens gedownload

Om zonder server te werken, downloadt je browser bij de eerste klik op ‘Tekst herkennen’ de herkenningsengine (ongeveer 3,7 MB, zo’n 1,5 MB gecomprimeerd tijdens de overdracht) en de gegevens van de gekozen taal: Nederlands 2,9 MB, Engels 2,8 MB, Duits 1,3 MB, Frans 0,7 MB, Spaans 2,0 MB, Portugees 1,3 MB, Italiaans 1,6 MB. Alle bestanden komen van deze website; er wordt geen extern contentnetwerk benaderd. De browser bewaart de taalgegevens lokaal (IndexedDB), waardoor de volgende keer veel sneller start. Het herkennen van een pagina duurt een paar seconden, afhankelijk van je apparaat en de grootte van de afbeelding.

Privacy

Je afbeelding verlaat nooit je apparaat. De herkenning draait volledig in je browser (in een web worker) en ook de herkende tekst wordt nergens heen gestuurd. Sluit je het tabblad, dan blijft er niets over – alleen de gedownloade taalgegevens blijven in de browseropslag staan tot je die wist.

Tip: snijd onscherpe randen eerst weg met afbeelding bijsnijden, dat verbetert de herkenning.

Veelgestelde vragen

Bronnen en wettelijke basis

Bijgewerkt op: 27 september 2026