Een projectbestand bevat een digitaal geschreven rapport met scherpe vectortekst en een gescande bijlage met paginaafbeeldingen van handgeschreven notities. Het rapport oogt als een modern document. De bijlage ziet eruit alsof hij uit een scanner komt, want dat is ook zo. Door ze samen te voegen tot één PDF ontstaat een document waarbij elke andere pagina van visueel karakter verandert. De digitale pagina's zijn scherp en schoon. De gescande pagina's zijn zacht en lichtgrijs. De inconsistentie is visueel schokkend en geeft de lezer het signaal dat het document uit verschillende bronnen is samengesteld en niet als een samenhangend geheel is gecreëerd.
Het samenvoegen van gescande en digitale PDF's tot een consistent document vereist het normaliseren van de visuele kwaliteit van de gescande pagina's, zodat deze overeenkomt met de digitale pagina's, en ervoor zorgen dat het samengevoegde document uniform doorzoekbaar en navigeerbaar is. De digitale pagina's zijn al doorzoekbaar. De gescande pagina's hebben OCR nodig om doorzoekbaar te worden. Het samenvoegen is de laatste stap nadat beide typen pagina's zijn voorbereid.
De PDF samenvoegen-bewerking voor gemengde gescande en digitale documenten is een workflow in drie fasen: de gescande pagina's verbeteren, OCR ze maken en alles samenvoegen tot een consistente uitvoer.
Visuele normalisatiestrategieën
| Strategie | Hoe het werkt | Resultaat |
|---|---|---|
| Verbeter gescande pagina's zodat ze overeenkomen met digitaal | Pas contrast, helderheid en rechtzetten toe op gescande pagina's. Verhoog het contrast om de zwart-witweergave van digitale tekst te benaderen. Verwijder achtergrondgeluiden en papiertextuur | Gescande pagina's lijken aanzienlijk dichter bij digitaal. De overgang tussen paginatypen is nog steeds zichtbaar, maar minder schokkend |
| Accepteer het visuele verschil | Voer geen visuele aanpassingen uit. Voeg de bestanden samen zoals ze zijn. De digitale pagina's zien er digitaal uit. De gescande pagina's zien er gescand uit | Eerlijke weergave van de documentbronnen. Geschikt voor archief- en juridische documenten waarbij het veranderen van het scanuiterlijk ongewenst is |
| Voeg een visuele scheiding tussen secties toe | Voeg een lege of gelabelde scheidingspagina in waar het documenttype verandert. De verdeler signaleert de overgang naar de lezer | De transitie wordt eerder erkend dan verborgen. De lezer verwacht de verandering omdat de verdeler deze heeft aangekondigd |
Het samengevoegde document uniform doorzoekbaar maken
OCR de gescande pagina's voordat u ze samenvoegt. De digitale pagina's bevatten al doorzoekbare tekst. Na OCR krijgen de gescande pagina's ook een tekstlaag. Voeg de bestanden samen. Het resulterende document is ondanks de gemengde oorsprong uniform doorzoekbaar. Als u naar een term zoekt, vindt u deze zowel op digitale als op gescande pagina's. Zonder OCR op de gescande pagina's zal een zoekopdracht alleen inhoud op de digitale pagina's vinden, waardoor de indruk ontstaat dat de gescande pagina's niets relevants bevatten.
WukongPDF OCR-tools verwerken gescande pagina's. De Gescande PDF-pagina's worden doorzoekbaar. Door de samenvoeging met digitale pagina's ontstaat een uniform doorzoekbaar document.
Paginanummering en navigatieconsistentie
Voeg na het samenvoegen opeenvolgende paginanummers toe aan het hele document. De originele paginanummers uit het digitale bestand en het gescande bestand worden vervangen door de samengevoegde nummering. Voeg bladwijzers toe voor belangrijke secties. De navigatie moet het samengevoegde document als één document behandelen, niet als een verzameling bronnen. De nummering en bladwijzers van PDF-pagina's na het samenvoegen zorgen voor een uniforme navigatie-ervaring.
Overwegingen bij bestandsgrootte voor documenten met gemengde oorsprong
Door digitale pagina's samen te voegen met gescande pagina's ontstaat een bestand met twee verschillende gegevensprofielen. Digitale pagina's zijn compact en slaan tekst op als vectoren. Gescande pagina's zijn groter, waarbij elke pagina als afbeelding wordt opgeslagen. De samengevoegde bestandsgrootte wordt gedomineerd door de gescande pagina's. Comprimeer de gescande pagina's voordat u ze samenvoegt om de bestandsgrootte te beheren.
Comprimeer het gescande gedeelte onafhankelijk voordat u het samenvoegt. Pas afbeeldingsspecifieke compressie toe om de bestandsgrootte van de gescande pagina's te verkleinen. Voeg de gecomprimeerde gescande pagina's samen met de digitale pagina's. De PDF-compressie van de gescande sectie vóór het samenvoegen levert een document van hanteerbare grootte op, zonder dat dit ten koste gaat van de kwaliteit van de digitale pagina.
Een uniforme kop- en voettekst toevoegen na het samenvoegen
Nadat u gescande en digitale pagina's in één document heeft samengevoegd, voegt u een consistente kop- en voettekst toe aan alle pagina's. De koptekst identificeert het document. In de voettekst staat het paginanummer. Beide worden op elke pagina toegepast, ongeacht de herkomst ervan. De uniforme kop- en voettekst zorgen voor visuele continuïteit, waardoor het samengevoegde document als één document kan worden gelezen in plaats van als een verzameling bronnen.
Pas de kop- en voettekst toe als laatste stap na het samenvoegen, OCR en compressie. De montage van Merge PDF is voltooid wanneer elke pagina dezelfde identificerende informatie bevat. De oorsprong van de inhoud kan verschillen. De presentatie is uniform.
Kwaliteitsborgingssteekproeven voor grote samengevoegde documenten
Voor een samengevoegd document met honderden pagina's is het onpraktisch om elke pagina te verifiëren. Gebruik een gestructureerde steekproefaanpak. Controleer elke pagina waar de bron verandert van digitaal naar gescand. Controleer een willekeurig voorbeeld van digitale pagina's en een willekeurig voorbeeld van gescande pagina's. Controleer de eerste en laatste pagina's. Als het monster slaagt, was de samenvoeging consistent. Als op een voorbeeldpagina een probleem wordt weergegeven, breidt u de controle uit naar meer pagina's in de buurt van het probleemgebied.
De steekproefstrategie richt de verificatie-inspanningen op de overgangspunten waar fusieproblemen het meest waarschijnlijk zijn. De Gescande PDF en de digitale transitie vormen het gebied met het hoogste risico. Daar verschijnt een lege pagina op de grens, een ontbrekende pagina of een dubbele pagina. De bemonstering vangt deze problemen efficiënt op.