通帳OCR精度アップのコツ（三菱東京UFJの場合）

　ご存知「赤い通帳」。赤いくせに手続きが3倍早いわけでもなく、金利が3倍高いわけでもなく。強いて言えば3倍ムカつく、そんな通帳。

　何がムカつくかって、アレですよ、アレ、OCR的に。以前より当ブログでさんざん書いてるけど、三菱東京UFJ銀行の通帳は本当にOCRで読み取りにくい。一番の原因は列を区切る点線（破線）。なぜ直線じゃねーのか、と。

　で、これを解決すべく思い付いたのが「PDF注釈」。データ上で直線にしちゃえばいいじゃん、ということでPDF注釈機能で線を引き、その後にOCRソフトで読み取る。ちなみに、画像データを直接修正するのではなく、PDF注釈とすることで、複数ページに一括して取り込むことができ、かつ、線がズレた場合に微調整が可能になる。（ちなみに以下は以前も使った画像で、三菱東京UFJではなくゆうちょ銀行のもの）

　これで点線（破線）の問題は解決した・・・・・かのように見えたが。やはり甘かった。前述の通り、PDF注釈の一括取り込みで複数ページに一気に線を引けるんだけど、やはりスキャンの状態が毎回100％均一というわけではなく、どうしても左右にズレが生じることがある。注釈なので線を微調整して合わせることは可能ではあるが、ズレたページが多くなると面倒くさくてやってられない。


　そこで、今回思い付いた方法がコレ！

　 ＿人人人人人人＿
　＞ アナログ万歳 ＜
　￣Y^Y^Y^Y^Y￣

　はい、見ての通り。不均一なスキャンデータに線を引こうとするからズレるのであって、だったら最初っから鉛筆で直線に直しちゃえばいいじゃん、と。これ、非常に地味だけど、効果は抜群。三菱東京UFJの通帳は今後これでいく。


　ただ、三菱東京UFJの場合、他にも問題はあって、そもそもフォント自体が読み取りにくいというか・・・。ちなみに、同銀行のATMは旧東京三菱系と旧UFJ系でフォントが違うんだろうか。あるいは別の事情によるものなのか。いずれにしても、もうちょっと読み取りやすいフォントに統一してもらいたいところ。
　

　以上。