La numérisation d'un livre page par page produit un PDF dans lequel chaque page présente une ombre sombre et incurvée au centre, l'ombre projetée par le dos du livre à l'endroit où les pages se courbent dans la reliure. Le texte près du dos est assombri et parfois déformé par la courbure de la page. L'ombre consomme de l'encre ou du toner lors de l'impression, donne à la page un aspect non professionnel et interfère avec la précision de l'OCR sur le texte concerné. Le recadrage de l'ombre du dos de chaque page numérisée supprime l'artefact visuel et concentre l'attention du lecteur sur le contenu. L'approche Crop PDF pour la suppression des ombres du dos doit être appliquée page par page, car la position de l'ombre se déplace légèrement d'une page à l'autre à mesure que l'épaisseur du livre change de l'avant vers l'arrière.
Pourquoi les ombres du dos apparaissent dans les numérisations de livres
Les scanners à plat pressent le livre contre une vitre. La page située près du dos ne peut pas reposer complètement à plat car la reliure l'empêche. Cet espace entre la page et la vitre crée une zone dans laquelle la lumière du scanner se reflète différemment, produisant une ombre qui commence au bord du dos et s'estompe à mesure que la distance par rapport à la reliure augmente. Sur la page gauche d’un livre ouvert, l’ombre est la plus sombre le long du bord gauche et s’étend vers le centre. Sur la page de droite, l'ombre est la plus sombre le long du bord droit.
La courbure de la page près de la reliure déforme également le texte. Les caractères situés près du dos apparaissent compressés ou étirés en fonction de l'angle de la page par rapport au capteur du scanner. Le recadrage supprime l'ombre et le texte déformé. L'alternative, qui consiste à utiliser le traitement d'image pour éclaircir l'ombre et redresser le texte déformé, est plus complexe et produit rarement un résultat aussi net que le simple recadrage de la zone affectée. Le PDF numérisé issu d'une numérisation de livre bénéficie davantage du recadrage que de la tentative de correction de la région d'ombre.
Essayez de recadrer le PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.
Détermination des limites des cultures
Ouvrez la première page numérisée dans une visionneuse PDF prenant en charge les outils de recadrage. Zoomez sur le bord du dos et identifiez l'endroit où l'ombre commence à assombrir sensiblement l'arrière-plan de la page. La limite de recadrage doit être placée juste à l’intérieur de ce point, supprimant ainsi toute la zone d’ombre. Incluez une petite marge d’arrière-plan de page normal à côté de l’ombre pour garantir qu’il ne reste aucun pixel sombre. Une limite de recadrage qui se découpe dans l'ombre laisse une bande sombre le long du bord de la page recadrée.
Mesurez la distance entre le bord de la page et la limite du recadrage. Cette distance devient la valeur de recadrage pour toutes les pages de la numérisation. Cependant, la distance de recadrage optimale peut varier entre les pages gauche et droite du livre, et elle peut varier entre le recto et le verso du livre là où la courbure de la page change. Parcourez un échantillon de pages de différentes sections du livre et vérifiez si la largeur de l'ombre du dos est cohérente. Si cela varie, regroupez les pages en sections partageant la même distance de recadrage. Appliquez la distance de culture appropriée à chaque groupe.
Application du recadrage à toutes les pages
Après avoir déterminé la limite de recadrage, appliquez-la à chaque page du PDF. La plupart des éditeurs PDF prenant en charge le recadrage peuvent appliquer le même rectangle de recadrage à une plage de pages. Sélectionnez toutes les pages qui partagent la même distance de recadrage, ouvrez l'outil de recadrage, saisissez les valeurs de recadrage et appliquez. Pour une numérisation de livre où les pages gauche et droite nécessitent des valeurs de recadrage différentes, traitez les pages gauche et droite comme des groupes de pages distincts. Une opération par lots Recadrer PDF qui applique le même recadrage à toutes les pages sélectionnées prend quelques secondes.
Si le PDF a été numérisé sur deux pages, où chaque page PDF montre à la fois les pages gauche et droite du livre ouvert, le recadrage est plus complexe. L’ombre du dos s’étend au centre de la page. Recadrez la moitié gauche de la page pour supprimer le côté gauche de l'ombre du dos, et recadrez la moitié droite pour supprimer le côté droit. Certains outils PDF peuvent diviser chaque page au centre et recadrer chaque moitié indépendamment, produisant ainsi des pages individuelles à partir de la planche. WukongPDF et les plates-formes similaires fournissent des outils de recadrage qui gèrent à la fois le recadrage de numérisation de livres sur une seule page et sur une page étendue.
Préserver le contenu de la page près de la colonne vertébrale
La région d'ombre de colonne vertébrale peut contenir un contenu qui ne peut pas être simplement ignoré. Un tableau qui s'étend sur toute la largeur de la page peut comporter des colonnes qui s'étendent jusqu'à la zone d'ombre. Un diagramme ou une photographie peut être placé à proximité de la reliure. Une note de bas de page ou une note marginale peut être partiellement masquée par l’ombre. Pour ces pages, le recadrage de toute la zone d’ombre supprime le contenu dont le lecteur a besoin.
Gérez ces pages exceptionnelles individuellement. Si le contenu de la zone d'ombre est lisible malgré l'assombrissement, recadrez de manière moins agressive sur cette page spécifique, en supprimant uniquement la partie la plus sombre de l'ombre et en laissant le texte assombri mais toujours lisible. Si le contenu est illisible, demandez-vous si le livre physique peut être renumérisé avec une manipulation plus prudente pour aplatir davantage la page. Appuyer le livre plus fermement contre la vitre du scanner, utiliser un scanner de livre doté d'un plateau en forme de V conçu pour les volumes reliés ou numériser le livre avec une caméra aérienne plutôt qu'un plateau à plat réduisent tous l'ombre du dos à la source.
Vérification de la qualité post-récolte
Après le recadrage, faites défiler chaque page du PDF pour vérifier qu'il ne reste aucune ombre et qu'aucun contenu n'a été accidentellement recadré. Portez une attention particulière aux pages proches du début et de la fin du livre, où la courbure de la page et la largeur de l'ombre peuvent différer de celles des pages du milieu. Un recadrage parfait pour la page 100 peut être trop agressif pour la page 5, où la pile de pages plus fine sur un côté de la reliure produit une courbure différente.
Exécutez l'OCR sur le PDF recadré et comparez la précision de la reconnaissance de texte à la numérisation originale non recadrée dans la zone d'ombre. Si la version recadrée reconnaît plus précisément le texte dans la zone précédemment ombrée, le recadrage a réussi. Si la version recadrée perd le texte précédemment reconnu, le recadrage a peut-être été trop agressif. L'objectif Qualité PDF est une page propre avec tout le contenu essentiel préservé et tous les artefacts gênants supprimés.
Alternatives au recadrage pour la suppression des ombres de la colonne vertébrale
Le recadrage est l’approche la plus simple pour supprimer les ombres de la colonne vertébrale, mais ce n’est pas la seule approche. Un logiciel d'édition d'images peut appliquer des ajustements localisés de luminosité et de contraste à la zone d'ombre, éclaircissant l'arrière-plan et augmentant le contraste du texte sans supprimer le contenu. Cette approche préserve chaque mot de la page mais nécessite une édition d'image par page, ce qui n'est pratique que pour les documents courts ou les pages individuelles de grande importance.
Un logiciel de numérisation de livres dédié tel que ScanTailor comprend une fonction de sélection de contenu qui détecte automatiquement la zone de texte sur chaque page et recadre sur cette zone, gérant l'ombre du dos sans mesure manuelle des limites de recadrage. ScanTailor traite les images numérisées avant de les assembler en PDF. Si vous numérisez régulièrement des livres au format PDF, investir dans un flux de travail de numérisation incluant la détection automatique du contenu et le recadrage vous permet d'économiser des heures d'ajustement manuel Recadrer le PDF.
Pour les livres rares ou fragiles qui ne peuvent pas être pressés à plat contre un scanner, pensez à photographier les pages avec un appareil photo placé directement au-dessus du livre ouvert. L'approche de la caméra évite entièrement la plaque de verre et, avec un éclairage soigné des deux côtés, peut minimiser l'ombre de la colonne vertébrale au stade de la capture plutôt que de compter sur un post-traitement pour la corriger.
Après avoir recadré et finalisé le PDF, envisagez de faire don de la version numérique nettoyée à une archive en ligne ou à une bibliothèque numérique si le livre est dans le domaine public. Les heures passées à nettoyer la numérisation peuvent profiter non seulement à votre propre projet, mais également à toute autre personne ayant besoin d'accéder à ce texte dans un format numérique lisible.
Pour les livres comportant des illustrations, des photographies ou des cartes qui s'étendent sur la gouttière entre les pages en regard, le recadrage de l'ombre du dos sacrifie la partie centrale de l'image. Dans ces cas-là, envisagez de conserver intacte la double page pour les pages d’illustration et de recadrer uniquement les pages contenant uniquement du texte. Une note dans les métadonnées du document peut expliquer que certaines pages n'ont pas été rognées pour préserver le contenu transversal.
Le processus de nettoyage Scanned PDF pour les projets de numérisation de livres bénéficie d'un flux de travail structuré qui sépare les étapes de numérisation, de recadrage, d'OCR et de contrôle qualité. Tenter de recadrer et de finaliser chaque page au fur et à mesure de sa numérisation conduit à des résultats incohérents. Numérisez d'abord l'intégralité du livre, puis traitez l'ensemble complet des images de page via l'étape de recadrage par lots.
Le flux de travail Crop PDF pour la numérisation de livres transforme une numérisation brute en une copie numérique propre, adaptée à la lecture, à l'impression et à la conservation à long terme dans les collections de bibliothèques numériques.
Le PDF numérisé nettoyé, sans ombres au dos, est prêt pour le traitement OCR, qui bénéficie d'une qualité d'image améliorée.
Une numérisation de livre bien recadrée préserve les mots de l'auteur tout en supprimant les artefacts mécaniques du processus de numérisation.
La numérisation de livres est un acte de préservation. Chaque page nettoyée des ombres du scanner est une page que les futurs lecteurs pourront lire sans distraction. Le soin apporté à l’étape de recadrage fait partie d’un effort plus vaste visant à transporter le contenu des livres physiques vers l’avenir numérique.
Essayez de recadrer le PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.