プロジェクト ファイルには、鮮明なベクター テキストを含むデジタルで作成されたレポートと、手書きメモのページ画像を含むスキャンされた付録が含まれています。この報告書は現代の文書のように見えます。付録はスキャナーから取り込んだもののように見えます。これらを 1 つの PDF に結合すると、ページごとに視覚的な特徴が切り替わるドキュメントが作成されます。デジタルページは鮮明できれいです。スキャンされたページは柔らかく、わずかに灰色です。この不一致は視覚的に不快であり、文書が一貫した全体として作成されたのではなく、異なるソースから組み立てられたものであることを読者に伝えます。
スキャンされた PDF とデジタル PDF を一貫したドキュメントにマージするには、スキャンされたページの視覚的な品質をデジタル ページと一致するように正規化し、マージされたドキュメントが均一に検索可能でナビゲート可能であることを保証する必要があります。デジタルページはすでに検索可能です。スキャンしたページを検索可能にするには OCR が必要です。マージは、両方のタイプのページが準備された後の最後のステップです。
スキャンされたドキュメントとデジタル ドキュメントが混在する場合のPDF 操作は、スキャンされたページを強化し、OCR 処理して、すべてを一貫した出力にマージする 3 段階のワークフローです。
視覚的正規化戦略
| 戦略 | 仕組み | 結果 |
|---|---|---|
| スキャンしたページをデジタルに合わせて強化する | スキャンしたページにコントラスト、明るさ、歪み補正を適用します。コントラストを高めて、デジタル テキストの白地に黒の外観に近づけます。背景ノイズと紙の質感を除去する | スキャンされたページはデジタルに非常に近くなります。ページタイプ間の遷移は依然として表示されますが、不快感は軽減されています |
| 視覚的な違いを受け入れる | 視覚的な調整は行わないでください。ファイルをそのまま結合します。デジタルページはデジタルに見えます。スキャンされたページはスキャンされたように見える | 文書ソースの正直な提示。スキャンの外観を変更することが望ましくないアーカイブ文書や法的文書に適しています |
| セクション間に視覚的な区切り文字を追加する | 文書タイプが変更される場所に、空白またはラベル付きの区切りページを挿入します。ディバイダーはリーダーに移行を知らせます | 遷移は非表示ではなく認識されます。ディバイダーが変更を発表したため、読者は変更を期待します |
結合された文書を均一に検索可能にする
結合する前に、スキャンしたページを OCR します。デジタル ページにはすでに検索可能なテキストが含まれています。 OCR 後、スキャンされたページにはテキスト レイヤーも含まれます。ファイルを結合します。結果として得られるドキュメントは、その起源が混在しているにもかかわらず、均一に検索可能です。用語を検索すると、デジタル ページとスキャンされたページの両方でその用語が見つかります。スキャンしたページに OCR を適用しないと、検索ではデジタル ページのコンテンツのみが見つかり、スキャンしたページには関連性のあるものが何も含まれていないという印象が生じます。
WukongPDF OCR ツールはスキャンされたページを処理します。 Scanned PDF ページが検索可能になります。デジタル ページとの結合により、均一に検索可能なドキュメントが生成されます。
ページ番号付けとナビゲーションの一貫性
結合後、文書全体に連続したページ番号を追加します。デジタル ファイルとスキャンされたファイルの元のページ番号は、マージされた番号付けによって置き換えられます。主要なセクションにブックマークを追加します。ナビゲーションでは、マージされたドキュメントをソースのコレクションとしてではなく、単一のドキュメントとして扱う必要があります。結合後の PDF ページの番号付けとブックマークにより、統一されたナビゲーション エクスペリエンスが作成されます。
混合元ドキュメントのファイル サイズに関する考慮事項
デジタル ページとスキャンされたページを結合すると、2 つの異なるデータ プロファイルを持つファイルが生成されます。デジタル ページはコンパクトで、テキストをベクトルとして保存します。スキャンされたページは大きくなり、各ページが画像として保存されます。結合されたファイルのサイズは、スキャンされたページによって占められます。ファイル サイズを管理するために、結合する前にスキャンしたページを圧縮します。
結合する前に、スキャンされたセクションを個別に圧縮します。画像固有の圧縮を適用して、スキャンされたページのファイル サイズを削減します。圧縮されたスキャンされたページをデジタル ページと結合します。スキャンされたセクションを結合する前に PDF 圧縮すると、デジタル ページの品質を犠牲にすることなく、扱いやすいサイズのドキュメントが生成されます。
結合後の統合ヘッダーとフッターの追加
スキャンしたページとデジタル ページを 1 つのドキュメントに結合した後、すべてのページに一貫したヘッダーとフッターを追加します。ヘッダーはドキュメントを識別します。フッターにはページ番号が表示されます。どちらも、元のページに関係なく、すべてのページに適用されます。統合されたヘッダーとフッターは視覚的な連続性を提供し、マージされたドキュメントをソースのコレクションではなく単一のドキュメントとして読み取るのに役立ちます。
結合、OCR、圧縮後の最終ステップとしてヘッダーとフッターを適用します。 Merge PDF アセンブリは、すべてのページに同じ識別情報が含まれるときに完了します。内容の出所は異なる場合があります。プレゼンテーションが統一されています。
大規模な結合ドキュメントの品質保証サンプリング
何百ページもある結合ドキュメントの場合、すべてのページを検証することは現実的ではありません。構造化されたサンプリング手法を使用します。ソースがデジタルからスキャンに変わるすべてのページを確認してください。デジタル ページのランダム サンプルとスキャンされたページのランダム サンプルを確認します。最初と最後のページを確認してください。サンプルが合格した場合、マージは一貫していました。サンプル ページに問題がある場合は、問題領域に近いさらに多くのページにチェックを拡張します。
サンプリング戦略では、マージの問題が最も発生する可能性が高い移行点に検証作業が集中します。 スキャン PDF およびデジタル移行は、最もリスクの高い領域です。そこに境界の白紙ページやページの欠落、あるいはページの重複が発生します。サンプリングにより、これらの問題が効率的に検出されます。