Wie du Text aus einem Bild in Chrome kopierst (2026)
Du machst Rechtsklick auf ein Foto eines Dokuments, erwartest eine Option „Text kopieren“ und bekommst „Bild speichern unter“. Desktop-Browser hatten diesen Menüpunkt nie. Die Buchstaben sind auf dem Schirm, aber sie sind Pixel, und nichts zwischen der GPU und deiner Zwischenablage verwandelt sie in eine Textebene.
Hier ist der Workflow, der es tut: rechtsklicken oder die Symbolleisten-Schaltfläche nehmen, einen Rahmen über den gewünschten Teil der Seite ziehen, bearbeitbaren Text in einem kleinen Fenster erhalten, ihn kopieren. Die Erkennung läuft lokal. Unten jeder Schritt und was er tatsächlich tut.
Warum der Browser das nicht kann
Ein Bild-Element ist eine Bitmap. Das DOM kennt seine Breite, seine Höhe und seinen alt-Text; es weiß nicht, was das Bild zeigt. Ein im integrierten Viewer geöffnetes PDF hat üblicherweise eine Textebene, aber ein PDF, das zu einem einzelnen Seitenbild abgeflacht wurde, ein Screenshot in einer Slack-Nachricht, ein Einzelbild eines Videos oder auf ein <canvas> gezeichneter Text haben nichts Auswählbares. Darüber zu ziehen, wählt nichts aus, weil es nichts auszuwählen gibt.
Text aus einem Bild zu kopieren sind also zwei getrennte Aufgaben: eine rechteckige Region dessen, was auf dem Schirm ist, erfassen und dann die Zeichen darin erkennen. Die erste Aufgabe ist eine Browser-API, die Erweiterungen erreichen können; die zweite braucht eine OCR-Engine. Deshalb ist das eine Erweiterung und keine Einstellung.
Zwei Wege zum Start
Jeder davon scharft einen Regionsauswahl über dem aktuellen Tab:
- Rechtsklick-Menü — der Menüeintrag erscheint in den Kontexten Seite, Auswahl, Rahmen, Bild, Link und Video. Auf einem
<video>-Element erlaubt der Eintrag, das Einzelbild zu greifen, das gerade auf dem Schirm ist. - Symbolleisten-Popup — die Schaltfläche im Popup startet denselben Auswahl, und im Popup stellst du auch die Erkennungssprache ein und siehst den Verlauf.
Beide landen am selben Ort, also wähle das, was deinen Händen am nächsten liegt. Das Popup behält deine Sprachwahl zwischen Sitzungen; eine dort gewählte Pro-Sprache wird gemerkt.
Den Rahmen ziehen
Die Seite friert ihr Scrollen ein, solange das Overlay oben ist — das ist wichtig, denn eine Region, die während eines Ziehens wegscrollt, ist eine Region, die den falschen Inhalt erfasst. Ziehen, um das Rechteck zu definieren; der Rahmen wird in den Koordinaten der Seite selbst gezeichnet, und ein Druck auf Esc verwirft alles und stellt das Scrollen wieder her. Ein Zug kleiner als etwa 8 Pixel an einer Seite wird als Fehlklick behandelt und verworfen, statt zur Erkennung gesendet.
Zwei praktische Hinweise zum Rahmen des Kastens:
- Eng schlägt großzügig. Die Erkennung liest, was im Rechteck liegt. Leere Ränder, ein dekorativer Rand oder die Nachbar-Spalte erhöhen alles nur das Rauschen; ein Rahmen nur um den gewünschten Absatz ist schneller und genauer.
- Erst zoomen, wenn der Text klein ist. Die Aufnahme ist ein Screenshot, also ist die Bildschirmgröße die Eingabegröße. Zweimal
Ctrl++auf einer dichten Tabelle ist mehr wert als jede Engine-Einstellung.
Was mit diesen Pixeln geschieht
Das ist der Teil, vor dem Leute Angst haben, also hier der ganze Pfad:
- Der sichtbare Tab wird als PNG erfasst. Nur was auf dem Schirm ist — die Erweiterung liest nie die Dateien der Seite und postet nirgends etwas.
- Das Rechteck wird auf physische Pixel zugeschnitten, mit einem achsenweisen Faktor direkt aus dem Screenshot — Bitmap-Breite ÷ Viewport-Breite, für die Höhe ebenso. Dieser Faktor deckt HiDPI und Seiten-Zoom zugleich ab; allein mit
devicePixelRatiowäre der Zuschnitt bei 125 % Zoom auf einem 2×-Schirm falsch, deshalb dient er nur als Rückfall, wenn der Viewport fehlt. Auf einem 2×-HiDPI-Schirm behält der Zuschnitt die zusätzlichen Pixel, statt sie wegzuwerfen — daher liest sich derselbe Rahmen auf einem Retina-Display besser als auf einem 1080p. - Das zugeschnittene Bild geht in ein Popup-Fenster der Größe 580×660, das die OCR-Engine selbst ausführt.
Die Engine ist WebAssembly, geladen von innen aus der Erweiterung, und die zwei gebündelten Sprachpakete werden mit ihr ausgeliefert. Nichts Gebündeltes braucht einen Netzwerk-Hin-und-Zurück-Weg, deshalb erklärt das Manifest die Erweiterung als offline nutzbar und deshalb ist die einzige erreichbare Gegenadresse der Lizenz-Endpunkt. Der Zuschnitt verlässt nie den Rechner.
Das Ergebnis lesen und kopieren
Der Text landet in einem bearbeitbaren Feld, nicht einem statischen Absatz — du kannst ein falsch gelesenes Zeichen korrigieren, statt die Aufnahme neu zu starten. Zwei Schaltflächen sitzen darunter:
- Kopieren schreibt in die Zwischenablage. Wenn der Browser die moderne Clipboard-API verweigert, fällt das Kopieren zurück auf das Auswählen des Textes und das Absetzen eines Legacy-Kopierbefehls, damit die Schaltfläche weiter funktioniert.
- Als .txt herunterladen speichert die Erkennung als UTF-8-Datei mit dem Zeitstempel im Namen. Das gehört zur Lizenz, und die Schaltfläche stupst statt herunterzuladen, wenn keine Berechtigung vorliegt.
Jede erfolgreiche Erkennung wird auch an eine lokale Verlaufsliste angehängt, neueste zuerst, sodass das Zitat, das du vor einer Stunde aus einem Screenshot gezogen hast, noch da ist. Free behält die letzten 10 Einträge; die Lizenz behält 200.
Wann OCR das falsche Werkzeug ist
Erkennung ist ein Wiederherstellungsschritt, keine Gewohnheit. Bevor du danach greifst, prüf, ob der Text schon irgendwo existiert, wo er kostenlos genommen werden kann:
| Situation | Besserer erster Schritt |
|---|---|
| Die Seite zeigt echten, auswählbaren Text | Auswählen und kopieren. Exakt, sofort, kostenlos. |
| Ein PDF mit Textebene | Aus dem PDF-Viewer des Browsers kopieren oder die Datei speichern. |
| Ein gescanntes PDF, als Bilder gerendert | Region per OCR — dafür ist dieser Fall gemacht. |
| In ein Foto oder Meme eingebrannter Text | OCR. |
| Ein Einzelbild eines laufenden Videos | Pausieren, dann Rechtsklick auf das Video und den Auswahl starten. |
| Auf eine Canvas- oder WebGL-Oberfläche gezeichneter Text | OCR — das DOM hält überhaupt keinen Text. |
Die Genauigkeit folgt der Eingabe. Sauberer, dunkler, gleichmäßig beleuchteter Text in ordentlicher Größe kommt nahezu perfekt heraus. Lange Ziffernfolgen — Rechnungsnummern, IBANs, Sendungsverfolgungscodes — sind die, bei denen du trotzdem gegen das Bild vergleichen solltest, denn ähnliche Glyphen sind genau das, worauf Engines hereinfallen.
Grenzen, die man kennen sollte
- 20 Erkennungen am Tag ohne zu zahlen. Die Zählung setzt um lokale Mitternacht zurück, und ein Lauf wird erst abgerechnet, wenn die Engine ihr Ergebnis zurückgibt — eine fehlgeschlagene Aufnahme oder eine Seite, die du mit
Escabgebrochen hast, kostet dich nichts. - Englisch und Vereinfachtes Chinesisch sind gebündelt und kostenlos. Die anderen sieben Sprachpakete (Traditionelles Chinesisch, Japanisch, Koreanisch, Russisch, Französisch, Deutsch, Spanisch) gehören zur Lizenz und laden beim ersten Gebrauch herunter.
- Nur gewöhnliche Seiten.
chrome://-Seiten, die Erweiterungsgalerie und der Web Store weisen Content-Script-Injektion ab, daher tun der Menüpunkt und die Symbolleisten-Schaltfläche dort nichts. - Nur der sichtbare Tab. Die Aufnahme ist ein Screenshot, daher muss Text unterhalb der Faltkante erst ins Sichtbare gescrollt werden, bevor du ihn rahmst.
- Immer nur eine Region. Eine zweispaltige Seite braucht zwei Züge; der Rahmen ist ein Rechteck, kein intelligenter Layout-Leser.
Die Lizenz ist ein Einmalkauf, kein Abonnement, und sie hebt zudem die Tagesgrenze auf, erweitert den Verlauf auf 200 Einträge und aktiviert den .txt-Export.
Eine kurze Checkliste
Zusammengefasst in der Reihenfolge, in der du es tatsächlich nutzen wirst:
- Ist der Text auswählbar? Wenn ja, auswählen und kopieren — kein OCR.
- Wenn nicht, die Region ganz ins Sichtbare scrollen und zoomen, bis die Glyphen bequem sind.
- Nimm Rechtsklick → der Menüeintrag (oder die Symbolleisten-Schaltfläche) und zieh eng um den Text.
- Wähle die Sprache im Popup vor dem Start, wenn der Text nicht Englisch oder Vereinfachtes Chinesisch ist.
- Korrigiere das Feld im Ergebnisfenster, wenn ein Zeichen falsch ist, dann kopieren.
- Bei allem mit Ziffern wirf einen Blick auf das Bild, bevor du es irgendwo einfügst, wo es zählt.
FAQ
Kann Chrome von sich aus Text aus einem Bild kopieren?
Nicht auf dem Desktop. Chrome hat keine Kontextmenü-Option, die OCR auf einem beliebigen Bild auf einer Seite ausführt. Die Text-Tools auf Systemebene unter Android und Windows 11 arbeiten auf deinem gesamten Bildschirm, nicht auf einer ausgewählten Web-Region, und nichts im Browser verwandelt ein JPEG in eine Textebene.
Wird das Bild auf einen Server hochgeladen?
Nein. Die Erkennung läuft im Erweiterungsfenster mit einer WebAssembly-OCR-Engine, und die zwei gebündelten Sprachpakete werden in der Erweiterung ausgeliefert. Die einzige Netzwerkadresse, die die Erweiterung erreichen darf, ist ihr eigener Lizenz-Endpunkt, daher bleibt die Aufnahme auf deinem Rechner.
Warum öffnet sich die Erweiterung auf manchen Seiten nicht?
Sie kann nur in http-, https- und file-Seiten injizieren. Browserseiten wie chrome://settings, die Erweiterungsgalerie und der Chrome Web Store sind für jede Erweiterung gesperrt, daher tun der Menüpunkt und die Symbolleisten-Schaltfläche dort stillschweigend nichts.
Was ist der Unterschied zwischen Text markieren und ihn erkennen?
Wenn die Seite bereits echten Text enthält, ist bloßes Markieren schneller und immer exakt. OCR ist für die Fälle, in denen die Buchstaben Pixel sind: ein Foto eines Schilds, ein gescanntes PDF, das als Bild gerendert wird, ein Einzelbild eines Videos, auf eine Canvas gezeichneter Text. Erkennung ist ein Einlesen nach bestem Bemühen dieser Pixel, daher sind lange Ziffernfolgen und ungewöhnliche Schriftarten die, die man gegenprüfen sollte.
Weitere Ratgeber im VKT-Blog; Fragen an [email protected].
