책, 논문, 저널 또는 원장과 같은 제본된 볼륨을 스캔하면 페이지가 세로 방향과 가로 방향이 번갈아 나타나는 PDF가 생성됩니다. 펼쳐진 책의 왼쪽 페이지는 한 방향으로, 오른쪽 페이지는 다른 방향으로 스캔되거나, 스캐너 작동자가 스캔한 이미지를 회전하지 않고 펼쳐진 각 페이지에 대해 책을 뒤집기 때문에 전체 책이 페이지 회전을 번갈아 가며 스캔됩니다. 결과는 화면에서 볼 때 다른 모든 페이지가 90도 또는 180도 회전되어 나타나는 PDF입니다. 페이지 방향을 먼저 표준화하지 않고 이 문서에 대해 OCR을 실행하면 올바른 방향과 회전 사이를 번갈아 표시하는 텍스트가 생성되므로 인식된 텍스트를 검색이나 추출에 사용할 수 없게 됩니다. 이 솔루션에는 OCR이 페이지를 처리하기 전에 각 페이지의 방향을 감지하고 수정하는 전처리 단계가 필요합니다.
바운드 볼륨 스캔이 대체 페이지 방향을 생성하는 이유
제본된 볼륨을 스캔할 때 펼쳐진 각 페이지는 두 페이지가 아래를 향하도록 스캐너 베드에 놓입니다. 책의 왼쪽 페이지는 스캐너 베드의 오른쪽에 나타나고 오른쪽 페이지는 서로를 기준으로 180도 회전되어 왼쪽에 나타납니다. 스캐너 작업자가 개별 페이지마다 이 회전을 수정하지 않으면 스캔한 PDF에는 다른 모든 페이지가 거꾸로 된 페이지가 포함됩니다. 200페이지 책은 100페이지가 올바른 방향으로, 100페이지가 180도 회전된 200페이지로 구성된 PDF를 생성합니다. 패턴은 규칙적이고 예측 가능합니다. 모든 홀수 페이지의 방향이 올바르게 지정되고 모든 짝수 페이지가 회전될 수 있으며, 그 반대의 경우도 마찬가지입니다.
일부 제본된 볼륨은 텍스트가 가로로 이어지는 스캐너에 펼쳐진 책을 올려 스캔하여 왼쪽과 오른쪽 페이지가 모두 포함된 단일 이미지를 생성합니다. 그런 다음 이 이미지는 두 개의 개별 페이지로 분할되지만 분할 과정에서 왼쪽 페이지의 방향과 일치하도록 오른쪽 페이지가 항상 회전되는 것은 아닙니다. 결과는 왼쪽 페이지의 방향이 올바르게 지정되고 오른쪽 페이지가 90도 회전되거나 그 반대로 회전된 PDF입니다. 텍스트가 페이지의 왼쪽에서 오른쪽으로 가로로 실행될 것으로 예상하는 OCR 엔진은 텍스트가 세로로 또는 거꾸로 실행되기 때문에 회전된 페이지의 텍스트를 인식할 수 없습니다.
OCR 처리 전 페이지 방향 감지
OCR을 실행하기 전에 PDF 뷰어에서 페이지 축소판을 검사하십시오. 대체 방향은 썸네일 패널에 즉시 표시되며 다른 모든 썸네일은 회전되어 표시됩니다. 방향 패턴 계산: 홀수 페이지가 정확하고 짝수 페이지가 회전되는 것이 가장 일반적인 패턴이지만 그 반대도 가능합니다. 패턴이 일관되면 일괄 회전 작업을 통해 단일 명령으로 영향을 받는 모든 페이지를 수정할 수 있습니다. 대부분의 PDF 뷰어에서는 축소판 패널에서 여러 페이지를 선택하고 선택한 모든 페이지에 동시에 회전을 적용할 수 있습니다. 짝수 페이지를 모두 선택하고 필요에 따라 180도 또는 90도 회전한 후 문서를 저장합니다. 이제 축소판 패널에 모든 페이지가 올바른 방향으로 표시됩니다.
WukongPDF의 OCR PDF 도구는 각 페이지를 독립적으로 처리하지만 텍스트 방향이 가로 방향이라고 가정합니다. 페이지가 회전되면 OCR 엔진은 세로 또는 거꾸로 된 텍스트를 가로인 것처럼 읽으려고 하기 때문에 텍스트를 인식하지 못하거나 잘못된 출력을 생성합니다. OCR 전 페이지 방향 수정은 필수 전처리 단계입니다. 영향을 받은 페이지를 회전하고 문서를 저장한 후 정규화된 PDF에서 OCR을 실행하세요. 이제 모든 페이지가 OCR 엔진이 예상하는 방향으로 텍스트를 표시하므로 인식 정확도는 모든 페이지에서 일관됩니다.
문서 전체에서 일관되지 않은 방향 패턴 처리
모든 바인딩된 볼륨이 깔끔한 교대 패턴을 생성하는 것은 아닙니다. 두 명의 다른 작업자가 스캔한 책, 서로 다른 시간에 스캔한 여러 권 세트 또는 초기 스캔 후 부분적으로 다시 스캔한 문서에는 불규칙한 방향 패턴이 있을 수 있습니다. 1~50페이지는 교대 패턴을 따를 수 있고, 51~80페이지는 적절한 회전으로 다시 스캔되었기 때문에 모두 올바른 방향으로 지정될 수 있으며, 81~200페이지는 교대 패턴으로 돌아갈 수 있습니다. 탐지 및 수정은 단일 배치 작업이 아닌 섹션별로 수행되어야 합니다.
불규칙한 방향 패턴의 경우 축소판을 스크롤하고 개별 페이지 또는 페이지 범위를 회전하는 수동 접근 방식이 가장 신뢰할 수 있는 방법입니다. 첫 번째 페이지부터 시작하여 축소판을 살펴보세요. 페이지가 회전된 경우 해당 방향을 공유하는 연속 페이지 수를 확인하세요. 범위를 선택하고 회전을 적용합니다. 모든 페이지의 방향이 올바르게 될 때까지 문서를 계속 진행합니다. 이 프로세스는 페이지당 1~2초가 소요되므로 200페이지 문서에는 약 5분 정도 소요됩니다. 방향이 올바른 페이지의 OCR 정확도가 회전된 페이지의 OCR 정확도보다 훨씬 높기 때문에 시간이 많이 소요됩니다.
대형 볼륨 프로젝트에 대한 방향 감지 자동화
수백 또는 수천 페이지가 포함된 디지털화 프로젝트의 경우 수동으로 페이지별로 방향을 확인하는 것은 비실용적입니다. 자동 방향 감지 도구는 텍스트 방향을 분석하여 회전된 페이지를 식별할 수 있습니다. 이러한 도구는 페이지 전체에서 텍스트 문자를 샘플링하고 예상 언어에서 유효한 단어를 생성하는 회전을 인식하여 주요 방향을 결정합니다. 텍스트 인식이 0도에서는 성공하지만 90, 180, 270도에서는 실패하는 페이지는 방향이 올바른 것입니다. 180도에서는 인식이 성공하지만 0에서는 실패하는 페이지는 거꾸로 되어 회전이 필요합니다. 자동화된 감지는 대용량 문서 세트를 신속하게 처리하며 결과를 수동으로 즉석 점검하여 OCR이 시작되기 전에 자동화가 올바르게 작동했는지 확인합니다.
교대 방향에 걸쳐 OCR 출력 확인
페이지 방향을 수정하고 OCR을 실행한 후 전체 문서에서 인식 품질이 일관된지 확인하세요. 원래 올바른 페이지와 원래 회전된 페이지 모두에 나타나는 텍스트를 검색합니다. 검색에서는 두 페이지 유형 모두에서 동일한 신뢰성을 지닌 인스턴스를 찾아야 합니다. 원래 회전된 페이지의 텍스트를 찾을 수 없는 경우 회전 수정이 올바르게 적용되지 않았거나 회전이 저장되기 전에 OCR 엔진이 일부 페이지를 처리했을 수 있습니다. 문서를 다시 열고 축소판 패널에서 모든 페이지 방향이 올바른지 확인한 후 필요한 경우 OCR을 다시 실행하세요.
일부 페이지는 스캐너 유리에 평평하게 눌려져 있고 다른 페이지는 책등 근처에 곡률이 있는 책과 같이 페이지마다 원본 스캔 품질이 다른 제본된 볼륨의 경우 OCR 정확도가 그에 따라 달라집니다. 방향 수정은 회전 문제를 해결하지만 다른 스캔 품질 문제는 보상하지 않습니다. OCR이 허용 가능한 정확도를 달성하려면 곡률이 큰 페이지를 다시 스캔하거나 디워핑 필터로 사전 처리해야 할 수도 있습니다. 검색 가능한 텍스트 파이프라인에 대한 스캔 PDF은 소스 이미지가 최대한 깨끗하고 방향이 균일할 때 가장 잘 작동합니다. 방향 수정은 첫 번째이자 가장 영향력 있는 단계입니다. 왜곡 보정, 대비 조정 및 반점 제거는 까다로운 경계 볼륨 스캔에서 인식 정확도를 더욱 향상시키는 후속 단계입니다.