OCRの精度を上げる前処理は逆効果。4通り試した一致率を出します

「文字が読めない」で詰まっている方に向けて、実際に測った数字を出します。

結論を先に書きます

元のPDFを高い解像度で読む       76.6%
画像を3倍に拡大してから読む      62.1%
何もしない                     54.3%
二値化・ノイズ除去まで全部やる    55.9%    ← やるほど悪くなった

同じ1枚の書類を、4通りで読んで一致率を比べた実測です。

「きれいに前処理したほうが読める」と思っていました。逆でした。

最初に試したのは tesseract です。無料で、日本語（jpn）にも対応しています。OCRと調べると、だいたい最初に出てきます。

実際の書類でやったら、使い物になりませんでした。

崩れたもの
  ・固有名詞（人の名前・会社名）
  ・電話番号
  ・メールアドレス

一番読んでほしいところが、一番崩れます。本文はそれなりに読めるのに、名前と番号が化ける。経理で使うなら、そこが読めないと意味がありません。

誤解のないように

tesseractが悪いという話ではありません。私が扱う書類（日本語・数字・固有名詞が混ざったもの）に合わなかった、というだけです。英文中心なら評価は変わると思います。

結論から言うと、Macには文字を読む仕組みが最初から入っています。写真アプリで画像の中の文字を選択できるのは、これが動いているからです。

Claude Codeに「これを使って、ファイルを読む道具を作って」と頼みました。

できたもの
  コマンド1つで、画像もPDFも読める
  1ページ 0.3〜0.8秒
  課金なし・ネット接続なし（手元で完結する）
  向きが横になっていても、勝手に直して読む

追加でお金はかかっていません。Macに元から入っているものを呼んでいるだけです。

ここからが本題です。

OCRがうまくいかないとき、普通は画像をきれいにしてから読ませようとします。白黒にする、ノイズを消す、拡大する。私もそう思って、全部試しました。

同じ書類1ページで比べた結果がこれです。

白黒化とノイズ除去は、何もしないのとほぼ同じでした。手間をかけたぶんが、丸ごと無駄です。

おそらく、元の画像が持っている情報を、前処理で捨てているからです。

白黒にする    → 薄い文字と背景の差が消える
ノイズを消す  → 細い線や点が、ノイズと一緒に消える

薄い文字・小さい文字ほど、消されます。レシートの金額や、細かい数字は、まさにそこです。

元のデータを、高い解像度のまま読ませる。

PDFがあるなら、画像に書き出さずにPDFのまま、解像度を上げて読む。これだけで76.6%です。

① 元がPDFなら     → 解像度を上げて、そのまま読ませる   ★これが一番
② 画像しかないなら  → 拡大だけする（3倍くらい）
③ 白黒化・ノイズ除去 → やらない

「画像に書き出してから読ませる」のが、一番もったいないです。書き出した時点で情報が減っています。

これは変わりません。印字されたものだけです。手書きの伝票や、手書きのメモは諦めてください。

速く読む設定があったので試したところ、日本語だと何も返ってきませんでした。英数字専用でした。日本語の書類では使えません。

文字を取る         → 手元の仕組みで十分（無料）
どれが日付・金額か   → ここは別の工程

読み取った文字を「これは日付、これは金額、これは店名」と割り振るのは、別の仕事です。文字さえ取れていれば、そこは何とでもなります。まず文字を取るところを安定させてください。

この方法はMacに入っている仕組みを使っています。WindowsやLinuxでは、同じことはできません。別の手段を探すことになります。

※【広告】市販の会計ソフトのOCR（まずは無料でお試し【freee会計】など）は、この前処理を内側でやっています。自分で組むときだけ、ここが効いてきます。

羊社長が一番無駄にしたのは、画像をきれいにしていた時間でした。

この記事は2026年10月時点の、私自身の環境での実測です。一致率は書類の種類・印字の状態・解像度によって変わります。ソフトウェアの評価は用途や言語によって異なりますので、ご自身の書類で比べてご判断ください。