Un PDF scansionato prodotto da uno scanner alimentato a fogli spesso presenta pagine leggermente ruotate, in genere da uno a cinque gradi. Ogni pagina alimentata nello scanner con un'angolazione leggermente diversa produce un documento in cui ogni pagina viene ruotata in modo diverso. Leggere un documento del genere è fastidioso. La leggera inclinazione rende il testo più difficile da scansionare e la stampa di tali pagine spreca carta con contenuti distorti. Il raddrizzamento in batch corregge la rotazione di ogni pagina in un'unica operazione, raddrizzando tutte le pagine secondo un orientamento uniforme.
Il raddrizzamento analizza il contenuto di ciascuna pagina, in genere rilevando l'angolo dominante delle righe di testo, e ruota la pagina nella misura opposta per portare il testo in orizzontale. Il processo è automatizzato, specifico per la pagina e non distruttivo. Non ritaglia né ridimensiona la pagina. Applica solo la correzione della rotazione necessaria per ogni singola pagina. Uno strumento Ritaglia PDF combinato con il raddrizzamento produce documenti scansionati che sembrano come se ogni pagina fosse stata inserita nello scanner perfettamente diritta.
Gli strumenti di miglioramento Qualità PDF di WukongPDF includono il raddrizzamento e il raddrizzamento della pagina per i documenti scansionati. Per l'elaborazione batch di PDF scansionati di grandi dimensioni, gli strumenti dedicati descritti di seguito offrono funzionalità di raddrizzamento specializzate.
Come gli algoritmi di allineamento rilevano la rotazione della pagina
Un algoritmo di raddrizzamento funziona analizzando l'istogramma proiettato delle intensità dei pixel a diversi angoli di rotazione candidati. Proietta l'immagine della pagina sull'asse orizzontale a ciascun angolo candidato e misura la nitidezza dell'allineamento delle linee di testo. All'angolo corretto, dove le linee di testo sono perfettamente orizzontali, la proiezione produce picchi netti nelle posizioni verticali di ciascuna linea di testo. Ad angoli errati, i picchi vengono distribuiti su più file di proiezione. L'algoritmo valuta gli angoli all'interno dell'intervallo di inclinazione previsto, solitamente da 10 gradi negativi a 10 gradi positivi, e seleziona l'angolo che produce i picchi di proiezione più nitidi.
L'algoritmo considera anche il tipo di contenuto. Una pagina di puro testo con una struttura lineare chiara produce un forte segnale di raddrizzamento. Una pagina dominata da una fotografia o da un elemento grafico senza linee di testo orizzontali chiare produce un segnale debole e l'algoritmo potrebbe impostare automaticamente una correzione pari a zero per evitare la rotazione basata su dati inaffidabili. Buoni strumenti di raddrizzamento riportano l'angolo calcolato per ciascuna pagina in modo da poter rivedere le pagine in cui la correzione sembra errata.
Prova a ritagliare PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.
Metodo 1: Ottimizza le pagine scansionate di Acrobat Pro
Adobe Acrobat Pro include una funzionalità di allineamento batch all'interno degli strumenti di miglioramento delle pagine scansionate. Apri il PDF scansionato e vai su Strumenti, Scansione e OCR, quindi Migliora e seleziona Ottimizza pagine scansionate. Nella finestra di dialogo di ottimizzazione, seleziona l'opzione Raddrizza e raddrizza. Impostare l'output sulla risoluzione desiderata, in genere 300 DPI per i documenti che verranno ristampati e 150 DPI per la visualizzazione solo su schermo. Acrobat elabora ogni pagina, la raddrizza individualmente e produce un PDF ottimizzato.
Il raddrizzamento di Acrobat è conservativo. Corregge le pagine con un'inclinazione netta superiore a circa un grado, ma può lasciare un'inclinazione molto sottile, inferiore a mezzo grado, non corretta. Per la maggior parte dei documenti, questo comportamento conservativo è appropriato. Una falsa correzione dell'allineamento che ruota una pagina orientata correttamente è più dannosa che lasciare intatta un'inclinazione appena percettibile. Dopo l'ottimizzazione, sfoglia il documento con lo zoom adattato alla larghezza e controlla visivamente che le linee di testo appaiano orizzontali. Le pagine che non sono state corrette dovrebbero essere ancora leggibili.
Metodo 2: ScanTailor per il raddrizzamento batch professionale
ScanTailor è uno strumento di post-elaborazione open source progettato specificamente per i documenti scansionati. Elabora un batch di pagine scansionate attraverso più fasi tra cui allineamento, rilevamento del contenuto, ritaglio dei margini e formattazione dell'output. Importa il PDF scansionato in ScanTailor estraendo prima le immagini delle singole pagine utilizzando uno strumento come pdfimages o la funzione Esporta tutte le immagini di Acrobat Pro.
ScanTailor presenta ciascuna pagina con l'angolo di inclinazione rilevato sovrapposto. È possibile regolare manualmente l'angolo per qualsiasi pagina in cui il rilevamento automatico non era corretto prima di applicare la correzione a livello globale. Dopo il raddrizzamento, continua con la fase di selezione del contenuto per identificare l'area di testo e ritagliare i margini vuoti, quindi esporta in PDF. L'elaborazione di ScanTailor è più approfondita di quella di Acrobat Pro e produce un output più pulito per i documenti che richiedono sia l'allineamento che il ritaglio dei margini.
| Strumento | Funziona batch? | Precisione |
|---|---|---|
| Adobe Acrobat Pro (ottimizza le pagine scansionate) | Sì, il filtro si applica a tutte le pagine | Buono per distorsione da leggera a moderata |
| ScanTailor (open source) | Sì, progettato per batch | Eccellente rilevamento dei contenuti pagina per pagina |
| ImageMagick + CLI di raddrizzamento | Sì, completamente scriptabile | Buono, utilizza l'angolo dominante della linea di testo |
Metodo 3: allineamento della riga di comando con ImageMagick
Per i flussi di lavoro batch con script, il comando convert di ImageMagick include un operatore di raddrizzamento. Il comando convert input.png -deskew 40% output.png analizza l'immagine e applica la correzione della rotazione rilevata. Il parametro percentuale, 40% in questo esempio, imposta la soglia per la quantità di immagine coperta dall'operazione di raddrizzamento.
Quando si tratta di flussi di lavoro documentali, per elaborare un intero PDF tramite ImageMagick, dividi il PDF in singole immagini di pagina utilizzando pdfimages o uno strumento simile. Esegui il comando raddrizza su ogni immagine della pagina utilizzando un ciclo di shell. Quindi ricombina le immagini raddrizzate in un PDF utilizzando il comando di conversione di ImageMagick con le immagini della pagina elencate in ordine. L'approccio da riga di comando è completamente automatizzabile e gratuito, rendendolo adatto all'elaborazione batch di volumi elevati in cui gli strumenti GUI richiederebbero troppa interazione manuale. La qualità di output del raddrizzamento di ImageMagick è paragonabile a quella di Acrobat Pro per i documenti con una struttura di righe di testo chiara.
Il raddrizzamento in batch trasforma in pochi minuti un PDF scansionato storto in un documento raddrizzato professionalmente. La correzione automatizzata si applica individualmente a ciascuna pagina, gestendo la variazione pagina per pagina che rende impraticabile il raddrizzamento manuale per documenti con più di una manciata di pagine.
Combinazione dell'allineamento con altre correzioni della pagina digitalizzata
L'allineamento è più efficace se abbinato ad altre correzioni della pagina scansionata in un'unica pipeline di elaborazione. Dopo il raddrizzamento, applica il rilevamento del contenuto per identificare l'area di testo e ritagliare i margini vuoti. Quindi applica un filtro soglia per convertire le pagine in scala di grigi in un bianco e nero pulito, migliorando la precisione dell'OCR e riducendo le dimensioni del file. Infine, esegui l'OCR sulle pagine raddrizzate, ritagliate e con soglia per produrre un documento ricercabile.
Strumenti come ScanTailor e OCRmyPDF combinano tutti questi passaggi in un'unica pipeline automatizzata. OCRmyPDF, uno strumento da riga di comando basato su Python, accetta un PDF scansionato, raddrizza ogni pagina, applica soglie adattive, esegue l'OCR con Tesseract e genera un PDF ricercabile con il livello di testo OCR incorporato. Il comando singolo ocrmypdf --deskew input.pdf output.pdf gestisce il raddrizzamento, la soglia e l'OCR in un unico passaggio. Per progetti di digitalizzazione di documenti scansionati di grandi volumi, la pipeline combinata elabora i documenti end-to-end senza intervento manuale in nessuna fase.
Calibrazione della sensibilità al raddrizzamento per pagine con contenuti misti
Le pagine che mescolano testo e fotografie, come libri illustrati o scansioni di riviste, rappresentano una sfida di allineamento. Le fotografie non hanno un orientamento chiaro della riga di testo e l'algoritmo di raddrizzamento potrebbe essere fuorviato dai bordi dell'immagine anziché dal testo. La maggior parte degli strumenti consente di impostare una soglia di confidenza che impedisce la correzione quando l'angolo rilevato è incerto.
Per le pagine con contenuti misti, impostare la sensibilità al raddrizzamento in modo conservativo. Una inclinazione di 0,3 gradi è appena percettibile. Una falsa correzione che ruota una buona pagina di 0,5 gradi è più dannosa che lasciare intatta la piccola inclinazione. Dopo l'allineamento in batch, sfogliare il documento e identificare le pagine che sono diventate più inclinate. Ripristina manualmente le pagine al loro orientamento originale.
Il raddrizzamento batch trasforma un documento scansionato storto in un file allineato professionalmente nel tempo necessario per eseguire un singolo comando o fare clic su una finestra di dialogo di ottimizzazione. La correzione automatizzata gestisce la variazione per pagina che rende impraticabile il raddrizzamento manuale. Combinato con ritaglio, soglia e OCR, il raddrizzamento è un passo in una pipeline di elaborazione che converte le scansioni grezze in documenti digitali puliti, ricercabili e presentati in modo professionale.
Le pagine diritte sono il primo segnale di qualità che un lettore nota in un documento scansionato. Prima di leggere una parola, prima di valutarne il contenuto, l'orientamento della pagina dice loro se il documento è stato preparato con cura. Il raddrizzamento in batch garantisce che ogni pagina del documento invii il segnale giusto.
Il raddrizzamento batch è un singolo passaggio nella pipeline di elaborazione dei documenti scansionati, ma è il passaggio che determina se il documento appare preparato in modo professionale o scansionato con noncuranza. Le pagine semplici segnalano la qualità al lettore prima che legga una singola parola. Combinato con ritaglio, soglia e OCR, il raddrizzamento trasforma le scansioni grezze in documenti digitali raffinati.
Prova a ritagliare PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.