Escanear un libro página por página produce un PDF donde cada página tiene una sombra oscura y curva que recorre el centro, la sombra proyectada por el lomo del libro donde las páginas se curvan hacia la encuadernación. El texto cerca del lomo está oscurecido y, a veces, distorsionado por la curvatura de la página. La sombra consume tinta o tóner cuando se imprime, hace que la página parezca poco profesional e interfiere con la precisión del OCR en el texto afectado. Recortar la sombra del lomo de cada página escaneada elimina el artefacto visual y centra la atención del lector en el contenido. El método Recortar PDF para eliminar la sombra del lomo debe aplicarse página por página, porque la posición de la sombra cambia ligeramente de una página a otra a medida que el grosor del libro cambia de adelante hacia atrás.
Por qué aparecen sombras en el lomo de los libros escaneados
Los escáneres de superficie plana presionan el libro contra una placa de vidrio. La página cerca del lomo no puede quedar completamente plana porque la encuadernación lo impide. Este espacio entre la página y el cristal crea una región donde la luz del escáner se refleja de manera diferente, produciendo una sombra que comienza en el borde del lomo y se desvanece a medida que aumenta la distancia desde la encuadernación. En la página izquierda de un libro abierto, la sombra es más oscura en el borde izquierdo y se extiende hacia el centro. En la página derecha, la sombra es más oscura en el borde derecho.
La curvatura de la página cerca de la encuadernación también distorsiona el texto. Los caracteres cerca del lomo aparecen comprimidos o estirados según el ángulo de la página en relación con el sensor del escáner. Al recortar se elimina la sombra y el texto distorsionado. La alternativa, utilizar el procesamiento de imágenes para aclarar la sombra y corregir el texto distorsionado, es más compleja y rara vez produce un resultado tan limpio como simplemente recortar el área afectada. El PDF escaneado de un libro escaneado se beneficia más del recorte que del intento de corrección de la región de sombra.
Pruebe recortar PDF
No se necesita instalación. Funciona directamente en su navegador.
Determinación de los límites de los cultivos
Abra la primera página escaneada en un visor de PDF que admita herramientas de recorte. Haga zoom en el borde del lomo e identifique dónde la sombra comienza a oscurecer notablemente el fondo de la página. El límite del cultivo debe colocarse justo dentro de este punto, eliminando toda la zona de sombra. Incluya un pequeño margen de fondo de página normal junto a la sombra para garantizar que no queden píxeles oscuros. Un límite de recorte que se recorta en la sombra deja una franja oscura a lo largo del borde de la página recortada.
Mida la distancia desde el borde de la página hasta el límite de recorte. Esta distancia se convierte en el valor de recorte para todas las páginas del escaneo. Sin embargo, la distancia de recorte óptima puede variar entre las páginas izquierda y derecha del libro, y puede variar entre el anverso y el reverso del libro donde cambia la curvatura de la página. Escanee una muestra de páginas de diferentes secciones del libro y verifique si el ancho de la sombra del lomo es consistente. Si varía, agrupe las páginas en secciones que compartan la misma distancia de recorte. Aplique la distancia de cultivo adecuada a cada grupo.
Aplicar el recorte a todas las páginas
Después de determinar el límite de recorte, aplíquelo a cada página del PDF. La mayoría de los editores de PDF que admiten el recorte pueden aplicar el mismo rectángulo de recorte a una serie de páginas. Seleccione todas las páginas que comparten la misma distancia de recorte, abra la herramienta de recorte, ingrese los valores de recorte y aplíquelos. Para escanear un libro en el que las páginas izquierda y derecha necesitan valores de recorte diferentes, procese las páginas izquierda y derecha como grupos de páginas separados. Una operación por lotes Recortar PDF que aplica el mismo recorte a todas las páginas seleccionadas tarda unos segundos.
Si el PDF se escaneó como dos páginas, donde cada página del PDF muestra las páginas izquierda y derecha del libro abierto, el recorte es más complejo. La sombra del lomo recorre el centro de la página. Recorta la mitad izquierda de la página para eliminar el lado izquierdo de la sombra del lomo y recorta la mitad derecha para eliminar el lado derecho. Algunas herramientas de PDF pueden dividir cada página por el centro y recortar cada mitad de forma independiente, produciendo páginas individuales a partir de la extensión. WukongPDF y plataformas similares proporcionan herramientas de recorte que manejan el recorte escaneado de libros tanto de una sola página como de páginas extendidas.
Preservar el contenido de la página cerca del lomo
La región de sombra del lomo puede contener contenido que no se puede descartar simplemente. Una tabla que abarca todo el ancho de la página puede tener columnas que se extienden hasta la zona de sombra. Se puede colocar un diagrama o una fotografía cerca de la encuadernación. Una nota al pie o una nota marginal pueden quedar parcialmente oscurecidas por la sombra. Para estas páginas, recortar toda la zona de sombra elimina el contenido que el lector necesita.
Maneje estas páginas excepcionales individualmente. Si el contenido en la zona de sombra es legible a pesar del oscurecimiento, recorte de manera menos agresiva en esa página específica, eliminando solo la parte más oscura de la sombra y dejando el texto oscurecido pero aún legible. Si el contenido es ilegible, considere si el libro físico se puede volver a escanear con un manejo más cuidadoso para aplanar aún más la página. Presionar el libro con más firmeza contra el cristal del escáner, usar un escáner de libros con una platina en forma de V diseñada para volúmenes encuadernados o escanear el libro con una cámara superior en lugar de una cama plana reducen la sombra del lomo en su origen.
Verificación de la calidad poscosecha
Después de recortar, desplácese por cada página del PDF para verificar que no queden restos de sombras y que no se haya recortado ningún contenido accidentalmente. Preste especial atención a las páginas cercanas al principio y al final del libro, donde la curvatura de la página y el ancho de la sombra pueden diferir de las páginas del medio. Un recorte que fue perfecto para la página 100 puede ser demasiado agresivo para la página 5, donde la pila de páginas más delgada en un lado de la encuadernación produce una curvatura diferente.
Ejecute OCR en el PDF recortado y compare la precisión del reconocimiento de texto con el escaneo original sin recortar en la zona de sombra. Si la versión recortada reconoce con mayor precisión el texto en el área anteriormente sombreada, el recorte fue exitoso. Si la versión recortada pierde texto reconocido previamente, es posible que el recorte haya sido demasiado agresivo. El objetivo de Calidad de PDF es una página limpia con todo el contenido esencial preservado y todos los elementos que distraigan eliminados.
Alternativas al recorte para eliminar las sombras de la columna vertebral
Recortar es el método más sencillo para eliminar las sombras de la columna, pero no es el único. El software de edición de imágenes puede aplicar ajustes localizados de brillo y contraste a la zona de sombra, iluminando el fondo y aumentando el contraste del texto sin eliminar el contenido. Este enfoque conserva cada palabra de la página, pero requiere la edición de imágenes por página, lo cual es práctico sólo para documentos cortos o páginas individuales de gran importancia.
El software de escaneo de libros dedicado, como ScanTailor, incluye una función de selección de contenido que detecta automáticamente el área de texto en cada página y recorta esa área, manejando la sombra del lomo sin medir manualmente los límites de recorte. ScanTailor procesa imágenes escaneadas antes de ensamblarlas en un PDF. Si escanea libros a PDF con regularidad, invertir en un flujo de trabajo de escaneo que incluya detección automática de contenido y recorte le ahorrará horas de ajuste manual de Recortar PDF.
Para libros raros o frágiles que no se pueden presionar contra un escáner, considere fotografiar las páginas con una cámara colocada directamente encima del libro abierto. El enfoque de la cámara evita por completo la platina de vidrio y, con una iluminación cuidadosa desde ambos lados, puede minimizar la sombra del lomo en la etapa de captura en lugar de depender del posprocesamiento para corregirla.
Después de recortar y finalizar el PDF, considere donar la versión digital limpia a un archivo en línea o una biblioteca digital si el libro es de dominio público. Las horas dedicadas a limpiar el escaneo pueden beneficiar no solo a su propio proyecto sino a cualquier otra persona que necesite acceso a ese texto en un formato digital legible.
En el caso de libros con ilustraciones, fotografías o mapas que se extienden a lo largo del margen entre páginas enfrentadas, recortar la sombra del lomo sacrifica la parte central de la imagen. En estos casos, considere mantener intacta la extensión de dos páginas para las páginas de ilustración y recortar solo las páginas de solo texto. Una nota en los metadatos del documento puede explicar que ciertas páginas se dejaron sin recortar para preservar el contenido transversal.
El proceso de limpieza PDF escaneado para proyectos de digitalización de libros se beneficia de un flujo de trabajo estructurado que separa los pasos de escaneo, recorte, OCR y control de calidad. Intentar recortar y finalizar cada página mientras se escanea genera resultados inconsistentes. Primero escanee el libro completo y luego procese el conjunto completo de imágenes de las páginas mediante el paso de recorte como un lote.
El flujo de trabajo Crop PDF para escaneos de libros transforma un escaneo preliminar en una copia digital limpia adecuada para lectura, impresión y preservación a largo plazo en colecciones de bibliotecas digitales.
El PDF escaneado limpio y sin sombras del lomo está listo para el procesamiento OCR, lo que se beneficia de una calidad de imagen mejorada.
Un escaneo de libro bien recortado conserva las palabras del autor y al mismo tiempo elimina los artefactos mecánicos del proceso de escaneo.
El escaneo de libros es un acto de preservación. Cada página libre de sombras del escáner es una página que los futuros lectores podrán leer sin distracciones. El cuidado puesto en el paso de recorte es parte de un esfuerzo mayor para llevar el contenido de los libros físicos al futuro digital.
Pruebe recortar PDF
No se necesita instalación. Funciona directamente en su navegador.