La scansione di un libro pagina per pagina produce un PDF in cui ogni pagina ha un'ombra scura e curva che corre lungo il centro, l'ombra proiettata dal dorso del libro dove le pagine si curvano nella rilegatura. Il testo vicino al dorso è scurito e talvolta distorto dalla curvatura della pagina. L'ombra consuma inchiostro o toner durante la stampa, conferisce alla pagina un aspetto poco professionale e interferisce con la precisione dell'OCR sul testo interessato. Ritagliando l'ombra del dorso da ogni pagina scansionata si rimuove l'artefatto visivo e si concentra l'attenzione del lettore sul contenuto. L'approccio Ritaglia PDF per la rimozione dell'ombra del dorso deve essere applicato pagina per pagina, poiché la posizione dell'ombra cambia leggermente da pagina a pagina man mano che lo spessore del libro cambia dalla parte anteriore a quella posteriore.
Perché appaiono le ombre sul dorso nelle scansioni dei libri
Gli scanner piani premono il libro contro un piano di vetro. La pagina vicino al dorso non può essere completamente piatta perché la rilegatura lo impedisce. Questo spazio tra la pagina e il vetro crea una regione in cui la luce dello scanner si riflette in modo diverso, producendo un'ombra che inizia dal bordo del dorso e svanisce man mano che aumenta la distanza dalla rilegatura. Nella pagina sinistra di un libro aperto, l'ombra è più scura lungo il bordo sinistro e si estende verso il centro. Nella pagina destra, l'ombra è più scura lungo il bordo destro.
Anche la curvatura della pagina vicino alla rilegatura distorce il testo. I caratteri vicino al dorso appaiono compressi o allungati a seconda dell'angolo della pagina rispetto al sensore dello scanner. Il ritaglio rimuove l'ombra e il testo distorto. L'alternativa, che utilizza l'elaborazione delle immagini per schiarire l'ombra e raddrizzare il testo distorto, è più complessa e raramente produce un risultato così pulito come semplicemente ritagliando l'area interessata. Il PDF scansionato della scansione di un libro trae maggior vantaggio dal ritaglio che dal tentativo di correzione della zona d'ombra.
Prova a ritagliare PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.
Determinazione dei confini del raccolto
Apri la prima pagina scansionata in un visualizzatore PDF che supporti gli strumenti di ritaglio. Ingrandisci il bordo del dorso e identifica il punto in cui l'ombra inizia a scurire notevolmente lo sfondo della pagina. Il confine del ritaglio dovrebbe essere posizionato proprio all'interno di questo punto, rimuovendo l'intera zona d'ombra. Includere un piccolo margine di sfondo normale della pagina accanto all'ombra per garantire che non rimangano pixel scuri. Un bordo di ritaglio che si ritaglia nell'ombra lascia una striscia scura lungo il bordo della pagina ritagliata.
Misura la distanza dal bordo della pagina al limite del ritaglio. Questa distanza diventa il valore di ritaglio per tutte le pagine nella scansione. Tuttavia, la distanza di ritaglio ottimale può variare tra le pagine sinistra e destra del libro e può variare tra la parte anteriore e quella posteriore del libro dove cambia la curvatura della pagina. Esegui la scansione di un campione di pagine provenienti da diverse sezioni del libro e controlla se la larghezza dell'ombra del dorso è coerente. Se varia, raggruppa le pagine in sezioni che condividono la stessa distanza di ritaglio. Applicare la distanza di ritaglio appropriata a ciascun gruppo.
Applicazione del ritaglio a tutte le pagine
Dopo aver determinato il limite di ritaglio, applicalo a ogni pagina del PDF. La maggior parte degli editor PDF che supportano il ritaglio possono applicare lo stesso rettangolo di ritaglio a un intervallo di pagine. Seleziona tutte le pagine che condividono la stessa distanza di ritaglio, apri lo strumento di ritaglio, inserisci i valori di ritaglio e applica. Per la scansione di un libro in cui le pagine sinistra e destra necessitano di valori di ritaglio diversi, elaborare le pagine sinistra e destra come gruppi di pagine separati. Un'operazione batch Ritaglia PDF che applica lo stesso ritaglio a tutte le pagine selezionate richiede pochi secondi.
Se il PDF è stato scansionato come due pagine affiancate, dove ogni pagina PDF mostra sia la pagina sinistra che quella destra del libro aperto, il ritaglio è più complesso. L'ombra del dorso corre lungo il centro della pagina. Ritaglia la metà sinistra della pagina per rimuovere il lato sinistro dell'ombra del dorso e ritaglia la metà destra per rimuovere il lato destro. Alcuni strumenti PDF possono dividere ogni pagina al centro e ritagliare ciascuna metà in modo indipendente, producendo singole pagine dalla pagina distesa. WukongPDF e piattaforme simili forniscono strumenti di ritaglio che gestiscono il ritaglio della scansione di libri sia a pagina singola che a pagina estesa.
Conservazione del contenuto della pagina vicino al dorso
La regione d'ombra della colonna vertebrale può contenere contenuti che non possono essere semplicemente eliminati. Una tabella che occupa l'intera larghezza della pagina può avere colonne che si estendono nella zona d'ombra. Un diagramma o una fotografia possono essere posizionati vicino alla rilegatura. Una nota a piè di pagina o una nota marginale può essere parzialmente oscurata dall'ombra. Per queste pagine, ritagliare l'intera zona d'ombra rimuove il contenuto di cui il lettore ha bisogno.
Gestisci queste pagine eccezionali individualmente. Se il contenuto nella zona d'ombra è leggibile nonostante l'oscuramento, ritaglia in modo meno aggressivo su quella pagina specifica, rimuovendo solo la parte più scura dell'ombra e lasciando il testo oscurato ma comunque leggibile. Se il contenuto è illeggibile, valuta se è possibile scansionare nuovamente il libro fisico con una gestione più attenta per appiattire ulteriormente la pagina. Premendo più saldamente il libro contro il vetro dello scanner, utilizzando uno scanner per libri con un piano a forma di V progettato per volumi rilegati o scansionando il libro con una fotocamera posizionata sopra anziché con una superficie piana, tutte queste operazioni riducono l'ombra del dorso alla fonte.
Verifica della qualità post-raccolta
Dopo il ritaglio, scorrere ogni pagina del PDF per verificare che non rimangano residui di ombra e che nessun contenuto sia stato ritagliato accidentalmente. Presta particolare attenzione alle pagine vicine all'inizio e alla fine del libro, dove la curvatura della pagina e la larghezza dell'ombra potrebbero differire dalle pagine centrali. Un ritaglio perfetto per la pagina 100 potrebbe essere troppo aggressivo per la pagina 5, dove la pila di pagine più sottile su un lato della rilegatura produce una curvatura diversa.
Esegui l'OCR sul PDF ritagliato e confronta la precisione del riconoscimento del testo con la scansione originale non ritagliata nella zona d'ombra. Se la versione ritagliata riconosce il testo nell'area precedentemente ombreggiata in modo più accurato, il ritaglio è riuscito. Se la versione ritagliata perde il testo precedentemente riconosciuto, il ritaglio potrebbe essere stato troppo aggressivo. L'obiettivo Qualità PDF è una pagina pulita con tutti i contenuti essenziali preservati e tutti gli elementi che distraggono rimossi.
Alternative al ritaglio per la rimozione dell'ombra della colonna vertebrale
Il ritaglio è l'approccio più semplice per rimuovere l'ombra della colonna vertebrale, ma non è l'unico approccio. Il software di editing delle immagini può applicare regolazioni localizzate di luminosità e contrasto alla zona d'ombra, schiarendo lo sfondo e aumentando il contrasto del testo senza rimuovere il contenuto. Questo approccio preserva ogni parola sulla pagina ma richiede la modifica delle immagini per pagina, il che è pratico solo per documenti brevi o singole pagine di grande importanza.
Un software dedicato per la scansione di libri come ScanTailor include una funzione di selezione del contenuto che rileva automaticamente l'area di testo su ogni pagina e ritaglia in quell'area, gestendo l'ombra del dorso senza misurazione manuale dei confini del ritaglio. ScanTailor elabora le immagini scansionate prima che vengano assemblate in un PDF. Se esegui regolarmente la scansione di libri in PDF, investendo in un flusso di lavoro di scansione che includa il rilevamento e il ritaglio automatici del contenuto puoi risparmiare ore di regolazione manuale Ritaglia PDF.
Per i libri rari o fragili che non possono essere pressati contro uno scanner, valuta la possibilità di fotografare le pagine con una fotocamera posizionata direttamente sopra il libro aperto. L'approccio della fotocamera evita completamente la lastra di vetro e, con un'illuminazione attenta da entrambi i lati, può ridurre al minimo l'ombra della colonna vertebrale in fase di acquisizione anziché fare affidamento sulla post-elaborazione per correggerla.
Dopo aver ritagliato e finalizzato il PDF, valuta la possibilità di donare la versione digitale ripulita a un archivio online o a una biblioteca digitale se il libro è di pubblico dominio. Le ore trascorse a ripulire la scansione possono avvantaggiare non solo il tuo progetto ma chiunque altro abbia bisogno di accedere a quel testo in un formato digitale leggibile.
Per i libri con illustrazioni, fotografie o mappe che si estendono lungo il margine interno tra le pagine affiancate, ritagliare l'ombra del dorso sacrifica la parte centrale dell'immagine. In questi casi, valuta la possibilità di mantenere intatta la doppia pagina per le pagine delle illustrazioni e di ritagliare solo le pagine di solo testo. Una nota nei metadati del documento può spiegare che alcune pagine sono state lasciate non ritagliate per preservare il contenuto nel rilegatura.
Il processo di pulizia PDF scansionato per i progetti di digitalizzazione di libri beneficia di un flusso di lavoro strutturato che separa le fasi di scansione, ritaglio, OCR e controllo qualità. Il tentativo di ritagliare e finalizzare ciascuna pagina durante la scansione porta a risultati incoerenti. Scansiona prima l'intero libro, quindi elabora il set completo di immagini delle pagine attraverso la fase di ritaglio come batch.
Il flusso di lavoro Crop PDF per le scansioni di libri trasforma una scansione approssimativa in una copia digitale pulita adatta alla lettura, alla stampa e alla conservazione a lungo termine nelle raccolte di biblioteche digitali.
Il PDF scansionato pulito con le ombre del dorso rimosse è pronto per l'elaborazione OCR, che beneficia della migliore qualità dell'immagine
Una scansione del libro ben ritagliata preserva le parole dell'autore rimuovendo gli artefatti meccanici del processo di scansione
La scansione del libro è un atto di conservazione. Ogni pagina ripulita dalle ombre dello scanner è una pagina che i futuri lettori potranno leggere senza distrazioni. L’attenzione posta nella fase di ritaglio fa parte dello sforzo più ampio volto a portare il contenuto dei libri fisici nel futuro digitale.
Prova a ritagliare PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.