Skanowanie książki strona po stronie tworzy plik PDF, w którym każda strona ma ciemny, zakrzywiony cień biegnący przez środek, cień rzucany przez grzbiet książki w miejscu zakrzywienia stron w oprawie. Tekst w pobliżu grzbietu jest przyciemniony i czasami zniekształcony przez krzywiznę strony. Cień zużywa tusz lub toner podczas drukowania, sprawia, że strona wygląda nieprofesjonalnie i zakłóca dokładność rozpoznawania OCR tekstu, którego dotyczy problem. Przycięcie cienia grzbietu każdej zeskanowanej strony usuwa artefakty wizualne i skupia uwagę czytelnika na treści. Metoda Crop PDF dotycząca usuwania cienia grzbietu musi być stosowana strona po stronie, ponieważ położenie cienia zmienia się nieznacznie ze strony na stronę wraz ze zmianą grubości książki od przodu do tyłu.
Dlaczego na skanach książek pojawiają się cienie kręgosłupa?
Skanery płaskie dociskają książkę do szklanej płyty. Strona przy grzbiecie nie może leżeć zupełnie płasko, gdyż oprawa to uniemożliwia. Ta szczelina pomiędzy stroną a szybą tworzy obszar, w którym światło skanera odbija się w różny sposób, tworząc cień, który zaczyna się od krawędzi grzbietu i zanika w miarę zwiększania się odległości od oprawy. Na lewej stronie otwartej książki cień jest najciemniejszy wzdłuż lewej krawędzi i rozciąga się w kierunku środka. Na prawej stronie cień jest najciemniejszy wzdłuż prawej krawędzi.
Zakrzywienie strony w pobliżu oprawy również zniekształca tekst. Znaki w pobliżu grzbietu wydają się ściśnięte lub rozciągnięte w zależności od kąta strony względem czujnika skanera. Przycinanie usuwa cień i zniekształcony tekst. Alternatywa polegająca na wykorzystaniu przetwarzania obrazu w celu rozjaśnienia cienia i przekrzywienia zniekształconego tekstu jest bardziej złożona i rzadko daje tak czysty efekt, jak zwykłe przycięcie dotkniętego obszaru. Zeskanowany plik PDF ze skanu książki przynosi większe korzyści w przypadku przycięcia niż próby korekcji cienia.
Wypróbuj Przytnij plik PDF
Nie wymaga instalacji. Działa bezpośrednio w Twojej przeglądarce.
Określanie granic upraw
Otwórz pierwszą zeskanowaną stronę w przeglądarce plików PDF obsługującej narzędzia do przycinania. Powiększ krawędź grzbietu i zidentyfikuj miejsce, w którym cień zaczyna zauważalnie przyciemniać tło strony. Granicę kadrowania należy umieścić dokładnie w tym punkcie, usuwając całą strefę cienia. Dołącz niewielki margines normalnego tła strony obok cienia, aby upewnić się, że nie pozostały żadne przyciemnione piksele. Granica przycięcia wcinająca się w cień pozostawia ciemny pasek wzdłuż krawędzi przyciętej strony.
Zmierz odległość od krawędzi strony do granicy przycięcia. Odległość ta staje się wartością przycięcia dla wszystkich stron skanu. Jednakże optymalna odległość przycinania może się różnić między lewą i prawą stroną książki oraz może różnić się między przednią i tylną krawędzią książki, gdzie zmienia się krzywizna strony. Przejrzyj próbki stron z różnych działów książki i sprawdź, czy szerokość cienia grzbietu jest spójna. Jeśli jest to różne, pogrupuj strony w sekcje o tej samej odległości przycinania. Zastosuj odpowiednią odległość przycinania dla każdej grupy.
Stosowanie kadrowania do wszystkich stron
Po określeniu granicy przycięcia zastosuj ją do każdej strony pliku PDF. Większość edytorów PDF obsługujących przycinanie może zastosować ten sam prostokąt przycinania do zakresu stron. Wybierz wszystkie strony, które mają tę samą odległość przycinania, otwórz narzędzie przycinania, wprowadź wartości przycięcia i zastosuj. W przypadku skanu książki, w którym lewa i prawa strona wymagają różnych wartości przycięcia, należy przetworzyć lewą i prawą stronę jako osobne grupy stron. Operacja wsadowa Crop PDF, która stosuje to samo przycięcie do wszystkich wybranych stron, zajmuje kilka sekund.
Jeśli plik PDF został zeskanowany jako dwustronicowe rozkładówki, gdzie każda strona PDF przedstawia zarówno lewą, jak i prawą stronę otwartej książki, kadrowanie jest bardziej złożone. Cień grzbietu biegnie przez środek strony. Przytnij lewą połowę strony, aby usunąć lewą stronę cienia grzbietu, i przytnij prawą połowę, aby usunąć prawą stronę. Niektóre narzędzia PDF mogą dzielić każdą stronę na środku i przycinać każdą połowę niezależnie, tworząc osobne strony z rozkładówki. Platformy WukongPDF i podobne zapewniają narzędzia do przycinania, które obsługują zarówno przycinanie skanów książek jednostronicowych, jak i rozłożonych na stronach rozkładowych.
Zachowywanie zawartości strony w pobliżu grzbietu
Obszar cienia kręgosłupa może zawierać treść, której nie można po prostu wyrzucić. Tabela zajmująca całą szerokość strony może zawierać kolumny sięgające do strefy cienia. Schemat lub fotografię można umieścić blisko oprawy. Przypis lub notatka na marginesie może być częściowo zasłonięta przez cień. W przypadku tych stron przycięcie całej strefy cienia powoduje usunięcie treści potrzebnej czytelnikowi.
Obsługuj te wyjątkowe strony indywidualnie. Jeśli treść w strefie cienia jest czytelna pomimo przyciemnienia, przytnij mniej agresywnie na tej konkretnej stronie, usuwając tylko najciemniejszą część cienia i pozostawiając tekst, który jest przyciemniony, ale nadal czytelny. Jeśli treść jest nieczytelna, zastanów się, czy książkę fizyczną można ponownie zeskanować, ostrożniej ją obchodząc, aby bardziej spłaszczyć stronę. Mocniejsze dociśnięcie książki do szyby skanera, użycie skanera książek z płytą w kształcie litery V przeznaczoną do oprawionych woluminów lub skanowanie książki kamerą umieszczoną nad głową zamiast skanera płaskiego – wszystko to zmniejsza cień grzbietu u źródła.
Weryfikacja jakości po zbiorze
Po przycięciu przewiń każdą stronę pliku PDF, aby sprawdzić, czy nie pozostały żadne pozostałości cieni i czy żadna treść nie została przypadkowo przycięta. Szczególną uwagę należy zwrócić na strony znajdujące się w pobliżu początku i końca książki, gdzie krzywizna strony i szerokość cienia mogą różnić się od stron środkowych. Kadrowanie, które było idealne dla strony 100, może być zbyt agresywne dla strony 5, gdzie cieńszy stos stron po jednej stronie oprawy powoduje inną krzywiznę.
Uruchom OCR na przyciętym pliku PDF i porównaj dokładność rozpoznawania tekstu z oryginalnym, nieprzyciętym skanem w strefie cienia. Jeśli przycięta wersja dokładniej rozpoznaje tekst w wcześniej zacienionym obszarze, przycięcie zakończyło się pomyślnie. Jeśli przycięta wersja utraci tekst, który został wcześniej rozpoznany, przycięcie mogło być zbyt agresywne. Celem Jakość PDF jest czysta strona z zachowaną całą niezbędną treścią i usuniętymi wszystkimi rozpraszającymi artefaktami.
Alternatywy dla przycinania w celu usunięcia cienia kręgosłupa
Kadrowanie to najprostsza metoda usuwania cienia kręgosłupa, ale nie jedyna. Oprogramowanie do edycji obrazu może zastosować lokalną regulację jasności i kontrastu w strefie cienia, rozjaśniając tło i zwiększając kontrast tekstu bez usuwania zawartości. To podejście pozwala zachować każde słowo na stronie, ale wymaga edycji obrazu na każdej stronie, co jest praktyczne tylko w przypadku krótkich dokumentów lub pojedynczych stron o dużym znaczeniu.
Dedykowane oprogramowanie do skanowania książek, takie jak ScanTailor, zawiera funkcję selekcji treści, która automatycznie wykrywa obszar tekstu na każdej stronie i przycina go do tego obszaru, obsługując cień grzbietu bez ręcznego pomiaru granic przycięcia. ScanTailor przetwarza zeskanowane obrazy przed złożeniem ich w plik PDF. Jeśli regularnie skanujesz książki do formatu PDF, inwestycja w proces skanowania obejmujący automatyczne wykrywanie zawartości i przycinanie pozwala zaoszczędzić godziny ręcznej korekty Przytnij PDF.
W przypadku rzadkich lub delikatnych książek, których nie można docisnąć płasko do skanera, rozważ sfotografowanie stron aparatem umieszczonym bezpośrednio nad otwartą książką. Metoda aparatu polega na całkowitym pominięciu szklanej płyty, a przy ostrożnym oświetleniu z obu stron może zminimalizować cień kręgosłupa na etapie robienia zdjęcia, zamiast polegać na późniejszej obróbce w celu jego skorygowania.
Po przycięciu i sfinalizowaniu pliku PDF rozważ przekazanie oczyszczonej wersji cyfrowej do archiwum internetowego lub biblioteki cyfrowej, jeśli książka należy do domeny publicznej. Godziny spędzone na czyszczeniu skanu mogą przynieść korzyści nie tylko Twojemu projektowi, ale każdemu, kto potrzebuje dostępu do tego tekstu w czytelnym formacie cyfrowym.
W przypadku książek z ilustracjami, fotografiami lub mapami rozciągającymi się na rynnę między sąsiadującymi stronami przycięcie cienia grzbietu powoduje poświęcenie środkowej części obrazu. W takich przypadkach rozważ pozostawienie dwustronicowych rozkładówek w stanie nienaruszonym w przypadku stron ilustracji i przycięcie tylko stron zawierających tylko tekst. Uwaga w metadanych dokumentu może wyjaśnić, że niektóre strony pozostawiono nieprzycięte, aby zachować zawartość rynsztokową.
Proces czyszczenia zeskanowanego pliku PDF w przypadku projektów digitalizacji książek korzysta ze zorganizowanego przepływu pracy, który oddziela etapy skanowania, kadrowania, OCR i kontroli jakości. Próba przycięcia i sfinalizowania każdej strony podczas jej skanowania prowadzi do niespójnych wyników. Najpierw zeskanuj całą książkę, a następnie przetwórz wsadowo cały zestaw obrazów stron na etapie przycinania.
Obieg pracy Crop PDF dla skanów książek przekształca wstępny skan w czystą kopię cyfrową nadającą się do czytania, drukowania i długoterminowego przechowywania w cyfrowych zbiorach bibliotecznych.
Oczyszczony Zeskanowany plik PDF z usuniętymi cieniami grzbietu jest gotowy do przetwarzania OCR, co zapewnia lepszą jakość obrazu
Dobrze przycięty skan książki pozwala zachować słowa autora, jednocześnie usuwając mechaniczne artefakty powstałe w procesie skanowania
Skanowanie książek jest czynnością konserwatorską. Każda strona oczyszczona z cieni skanera to strona, którą przyszli czytelnicy będą mogli czytać bez rozpraszania uwagi. Troska włożona w etap przycinania jest częścią większego wysiłku mającego na celu przeniesienie zawartości książek fizycznych w cyfrową przyszłość.
Wypróbuj Przytnij plik PDF
Nie wymaga instalacji. Działa bezpośrednio w Twojej przeglądarce.