よく読まれている記事
作成日:
更新日:
*記事の内容は、記事公開日時点の情報です。現在とは異なる場合があります。

OCRを利用した時に、次のような状態になることがあります。
認識された文字列に、記号が混ざっている
英数字は正しく読み取れているが、日本語が正しく読み取れていない
文字として読み取れず、記号の羅列が表示されている
こうした「文字化け」は、正しく対処することで減らせる可能性があります。
この記事では、OCRで文字化けが発生する原因と、発生した場合の対処法を解説。さらに、文字化け対策におすすめのAI-OCRについても紹介します。
OCRでの文字化けに悩んでいる方は、ぜひ参考にしてください。

OCRで文字化けが発生する原因はひとつではありません。実際に文字化けをしている場合もありますが、実は一見文字化けのように見えるが、文字化けではないものもあります。
文字化けは、文字コードの不一致やファイルの破損、読み込みエラーなどが原因で発生します。また、厳密には文字化けではありませんが、読み取りミスによって文字の間に記号が混ざることで文字化けのような出力が発生する場合もあります。
ここではOCRで文字化けや、文字化けのような表示が発生する原因について解説します。
例えば「解像度が低い」「ノイズや汚れが多い」といった画像を使っている場合、文字の輪郭が不鮮明になることでOCRが認識を誤り「文字の一部が記号として出力される」といった文字化けのような表示になることがあります。
また、OCRは項目の位置を把握したうえで文字を読み取るため、スキャナ保存の際に原稿が傾いていると項目の位置を正確に把握できず、誤認識につながることも少なくありません。
さらに、ノイズや汚れ、紙書類のシミやシワ、折れ目などを文字と誤認して文字化けのような表示になるケースもあります。
筆記体や装飾体、極端な太字などの特殊なフォントや、㈱、㎝、髙といった機種依存文字を使用していると、誤認識が発生し文字化けのように見える場合があります。
理由は、各OCRに読み取れる文字の得意・不得意があるためです。OCRの読み取り方式には主に「パターンマッチング型」と「特徴抽出型」の2種類があります。
パターンマッチング型は、あらかじめ登録された文字のパターンにもっとも近い形を選ぶ方式です。筆記体や異字体のように、学習済みのフォントに似ていない文字は解読が難しく、誤認識することによって記号などが混ざった表示となり、文字化けのように見えることがあります。機種依存文字も同様に、適切な文字が見つけられずに誤った表示がされることもあるでしょう。
特徴抽出型は、線の交点や縦横比、筆画の方向など、文字の構造的特徴を抽出して判定する方式です。フォントの特徴差には強いものの、極端に細い・太い、文字間隔が狭いといったフォントでは誤認識が発生し、文字化けのように見える場合があります。
OCRで読み取ったデータを別のファイルで開いた場合、閲覧環境によっては文字化けが発生する可能性があります。
OCRがテキストを出力する際、文字列を保存・受け渡しするために使われるのが「文字コード」です。出力された文字コードと、閲覧に使用する文字コードが異なる場合、文字化けが発生します。
詳しくは後述しますが、この場合にはファイルの読み込みに使用するアプリケーションもしくはOCR製品の文字コード設定を変更することで文字化けが解消される可能性があります。
また、ダウンロード中の通信エラーやハードウェアの故障などで起きるファイル破損も、文字化けの原因のひとつです。

OCRで文字化けが発生した場合の対処法は、文字化けの原因によって異なります。ここでは、OCRで文字化けが発生した場合の対処法を紹介します。
OCRが出力した文字コードと、アプリケーションがファイルを読み込む時の文字コードの設定に違いがあると、文字化けが発生します。
OCRで読み取ったテキストを保存する際には「文字コード」というものに変換されます。文字コードにはいくつかの種類があり、使用したコードと読み込む際のコードが一致しなければ正しく文字を表示できません。
例えば、OCRで読み取ったテキストを保存する際の文字コードが「UTF-8」であるにも関わらず、テキストファイルを開く際のエディタの文字コードが「Shift_JIS」に設定されていると、正しく文字が表示されず、文字化けが起きます。
エディタで使用している文字コードを確認した上で、OCRの出力文字コード設定を変更すると、文字化けが解消する可能性があります。
出力文字コードの設定を変更できないOCR製品の場合には、ファイルを開くのに使用しているテキストエディタや後続システムなどの文字コード設定を変更しましょう。
例えばWindowsの「メモ帳」の場合、メモ帳を起動して「開く」をクリックし、ファイルを選択してから「文字コード」のプルダウンをクリックし、使用されている文字コードを選択すると正しい文字が表示されます。
多くの場合「UTF-8」または「Shift_JIS」を使用しているため、文字コードがわからない場合にはいずれかを選択して正しく表示されるか試してみましょう。
英数字は正しく読み取れており、日本語部分のみ文字化けのような表示になっているなど、特定の言語部分だけが誤表示されている場合には、OCR製品の言語設定を確認してみましょう。
OCR製品の中には自動で言語を判断し、適切な文字を出力できるものもありますが、言語設定が異なっていることで、うまく読み取れないケースもあります。そのような場合は言語を指定し直すことで、言語の読み取りと認識が適合し、文字化けのような出力を避けられます。
特定の言語だけが文字化けする場合には、OCR製品の設定項目を開き、言語設定が適切なものになっているか確認してください。
解像度が低い画像データをOCRすると、正しく文字を読み取れず文字化けのような表記になることがあります。スキャナ保存の際には、適切な解像度になっているか確認しましょう。一般的に推奨されている解像度は300dpi以上とされています。
また、紙の書類をスキャナ保存したもので文字化けが発生した場合、条件を整えて再度スキャナ保存、もしくはスマホでの写真撮影を行うと、誤認識が解消する可能性があります。
スマホで書類を撮影しデータ化する場合には、手ブレがないよう注意してください。書類の折れやゆがみなどはできるだけまっすぐになるように整えてから撮影すると読み取りやすくなります。
さらにOCR機能を持つ画像編集ツールの中には、ノイズ除去が可能なものもあります。あらかじめノイズ除去の処理を行っておくことで、文字化けが起きにくくなるでしょう。
ただし、何度も書類をスキャナ保存し直したり、補正処理を行ったりすることは手間も時間もかかり、業務効率を下げてしまいます。
従来のOCRに比べてAI-OCRは、解像度が低い画像や手書き文書でも文字を読み取りやすい傾向があります。従来のOCRを利用しているのであれば、AI-OCRの利用を検討してみるのもよいでしょう。
【関連記事】書類の山をOCRでスッキリ解決!手書き文字も精度高く読み取れる「AI-OCR」とは?↗️
傾いた画像もOCRの誤読につながり、文字化けのような表示になる原因となります。スキャナ保存の際には、できるだけ画像が傾かないよう注意しながら作業しましょう。
特に、スマホのカメラで撮影する場合には、画像の傾きが発生しがちです。可能な限りまっすぐに撮影できるよう、水平な台の上に置くなど工夫してみてください。
また、スキャナには「傾き補正」の機能がついていることがあり、スキャナ保存の際に実施することで、文字化けが発生しにくくなります。ある程度自動で補正してくれるタイプのスキャナを使用すると手間を減らせるため、導入する製品を検討する際には、自動補正の有無も確認してみてください。

文字化けは通常、文字コードの違いやファイル破損が原因となって起きる現象です。一方で、OCRの誤った認識による誤表示が文字化けに見えるケースも少なくありません。
このように誤認識が多いときに活用できるのが、生成AIの技術を取り入れた「AI-OCR」です。精度の高いAI-OCRを活用することで誤認識が減り、文字化けのように見える現象を減らせる可能性があります。
ここでは、従来のOCRと比較した場合のAI-OCRのメリットと、誤認識を減らせる理由を解説します。
AI-OCRは文字単体を認識するだけでなく、前後の文脈から情報を推測・補完することができます。そのため、誤認識の確率を減らすことが可能です。
従来のOCRは、登録された文字に似た形の文字を見つけて判別する「パターンマッチング型」、もしくは線の交点や縦横比から文字を判断する「特徴抽出型」で認識をしています。
それに対してAI-OCRは、膨大な学習データから文字の形状を推測するため、従来のOCRに比べて読み取り精度が高い傾向にあります。PATPOSTのように生成AIを搭載しているAI-OCRであれば、一部の文字が読み取れなかったとしても、前後の文脈から推測して結果の補正が可能です。
そのため、従来のOCRで発生しやすかった誤認識が減り、文字化けのように見える事象を減らせます。とくに手書きの書類やレイアウトが書類ごとに違う業務で扱う場合には、AI-OCRが便利です。
AI-OCRは、従来のOCRと比べて柔軟な読み取りが可能なため、書類の傾きや汚れ、影、かすれといったノイズや、はんこの印影などがあっても、読み取り精度が比較的高い傾向にあります。
そのため、手作業での修正が必要な項目も少なくなり、業務効率を高められるでしょう。ただし書類や文字の状態が悪いほど読み取り精度は下がるため、注意が必要です。
「実際にどんな字を読み取れるの?」と思った方は、ぜひ以下もご参照ください。
【関連記事】調査結果公開!OCRの宿敵「手書き文字」、AI-OCRの読取精度は●%だった! ↗️
AI-OCRを搭載した製品には書類のデータ化や、その後の活用を効率化するシステムが搭載されているものもあります。
例えばPATPOSTの場合、さまざまな書類から特定の項目のみを抽出して集計し、表形式などで出力できるため、利用することで集計・分析作業が容易になり、データの利活用を進めやすくなります。
また、PATPOSTのように文書管理もできるAI-OCR製品であれば、書類の保管や検索の効率化にも役立つでしょう。
書類を読み取るだけでなく、その後どのように活用するかを考え、業務に活用しやすいシステムを搭載した製品を利用することで、より業務効率を高められる可能性があります。
OCRでの読み取りの際に誤認識が発生すると、一部が記号などに変換されることで結果として文字化けのような表示になることがあります。
また、OCRで読み取ったテキストを出力する際の文字コードと、テキストエディタの文字コードが違ったものである場合、文字化けが発生します。文字化けが発生した場合には、OCRの言語設定を確認するか、テキストエディタの文字コード設定を変更しましょう。
適切な対応を行うことで、OCRでの文字化けは避けられます。さらに、AI-OCRを活用すると書類作成やスキャナ保存の仕上がりに多少のバラつきがあっても読み取りやすいため、文字化けのような表示が発生しにくくなります。
PATPOSTは、AI-OCR搭載の文書管理システムです。PATPOSTを利用することで、書類の読み取りだけでなく必要な項目の抽出や保管も可能です。
PATPOSTのサービスについては、以下の資料に詳細を掲載しています。OCRの導入をお考えの方は、ぜひご覧ください。
【関連資料】PATPOSTサービス資料 ↗️
*記事の内容は、記事公開日時点の情報です。現在とは異なる場合があります。
サービスの概要・料金についてや文書管理に関するお悩みなどお気軽にお問い合わせください。