Skanujesz otwartą książkę lub oprawiony raport na skanerze płaskim. Każdy skan obejmuje dwie strony obok siebie, lewą i prawą stronę, jako pojedynczy szeroki obraz. Podczas przeglądania wynikowego pliku PDF każdy arkusz jest dwustronicową rozkładówką. Tekst na lewej stronie przechodzi w tekst na prawej stronie. Wyszukiwanie frazy rozciągającej się przez rynnę między dwiema stronami nic nie zwraca. Plik PDF jest wizualnie wierny oryginalnej książce, ale praktycznie nie nadaje się do czytania.
Dzielenie zeskanowanych dwustronicowych rozkładówek na pojedyncze, jednostronicowe pliki PDF jest powszechną potrzebą osób zajmujących się digitalizacją książek, oprawionych raportów lub czasopism. Proces ten polega na podzieleniu każdej strony o podwójnej szerokości na środku i zmianie kolejności połówek w kolejny, jednostronicowy dokument. Przy właściwym podejściu 100-stronicowy skan książki, 50 rozkładówek staje się 200-stronicowym plikiem PDF, który czyta się poprawnie od początku do końca.
Zrozumienie problemu rozkładu dwóch stron
Kiedy książka jest skanowana na płycie płaskiej, skaner rejestruje cały obszar szyby jako jeden obraz. Jeśli obie strony otwartej książki mieszczą się na szybie, skan pokazuje dwie strony obok siebie. Plik PDF traktuje to jako pojedynczą stronę zorientowaną poziomo. Wymiary strony mogą wynosić 11 na 8,5 cala i są szersze niż wysokie. Każda strona oryginalnej książki zajmuje mniej więcej połowę skanowanego obszaru. Wyzwanie polega na podzieleniu tej szerokiej strony na dwie strony o orientacji pionowej, z których każda zawiera jedną stronę książki.
Proste podzielenie dokładnie na środek sprawdza się w przypadku idealnie wyrównanych skanów, ale skany książek rzadko są idealne. Grzbiet może powodować zakrzywione zniekształcenia w pobliżu rynny. Lewa i prawa strona mogą nie mieć tej samej szerokości. Książka mogła nieznacznie przesuwać się pomiędzy skanami, co powodowało różnice w punkcie podziału w zależności od strony. Dobra metoda Split PDF w przypadku skanów książek musi poradzić sobie z tymi niespójnościami.
Wypróbuj opcję Podziel plik PDF
Nie wymaga instalacji. Działa bezpośrednio w Twojej przeglądarce.
Metoda 1: Przytnij każdą rozkładówkę na lewą i prawą połowę
Najbardziej niezawodną metodą jest proces dwuetapowy: przytnij każdą rozkładówkę, aby wyodrębnić lewą stronę, a następnie przytnij ponownie, aby wyodrębnić prawą stronę. Otwórz zeskanowany plik PDF. Użyj narzędzia przycinania, aby zaznaczyć lewą połowę każdej strony. Zastosuj kadrowanie, które ukrywa wszystko poza polem przycinania. Zapisz plik jako wersję znajdującą się na lewej stronie. Następnie ponownie otwórz oryginał, przytnij do prawej połowy i zapisz jako wersję po prawej stronie. Na koniec przeplataj dwa pliki: stronę 1 z lewego pliku, stronę 1 z prawego pliku, stronę 2 z lewego pliku, stronę 2 z prawego pliku i tak dalej.
Narzędzie do przycinania obsługuje zapisywanie obszarów przycięcia jako nazwanych ustawień wstępnych, dzięki czemu można raz zdefiniować lewą i prawą połowę i zastosować je do wszystkich stron jednym kliknięciem. Narzędzie obsługuje także zbiorcze przycinanie wszystkich stron nieparzystych lub parzystych, co jest przydatne, gdy wszystkie rozkładówki mają spójny układ.
Metoda 2: Podziel według wymiarów strony
Jeśli każda rozkładówka ma dokładnie tę samą szerokość, co jest typowe w przypadku skanów wykonywanych za pomocą automatycznego podajnika dokumentów lub dedykowanego skanera książek, podział na podstawie wymiarów jest szybszy niż przycinanie ręczne. Podziel szerokość strony przez dwa i ustaw punkt podziału na tej współrzędnej. Spread o szerokości 11 cali dzieli się na 5,5 cala. Zastosuj podział równomiernie do wszystkich stron. Metoda ta jest szybka, wymaga jednej operacji na całym dokumencie, ale zawodzi, gdy rozkładówki nie są idealnie wyśrodkowane lub gdy książka przesuwała się pomiędzy skanami.
W przypadku dokumentów skanowanych na skanerze płaskim, gdzie każdą rozkładówkę umieszczano ręcznie, dzielenie na podstawie wymiarów często daje akceptowalne wyniki, jeśli operator działał w miarę konsekwentnie. Aby to sprawdzić, podziel kilka pierwszych stron i sprawdź, czy żaden tekst nie jest obcięty w linii podziału. Jeśli podział konsekwentnie przycina zawartość po jednej stronie, dostosuj współrzędne podziału i spróbuj ponownie. Po sprawdzeniu punktu podziału na próbce zastosuj go do wszystkich stron.
Metoda 3: Używanie OCR do wykrywania rynny i automatycznego podziału
Niektóre zaawansowane oprogramowanie skanujące obejmuje automatyczne wykrywanie rozprzestrzeniania się. Oprogramowanie analizuje każdą zeskanowaną stronę, identyfikuje ciemny pionowy pas rynny książki i dzieli stronę wzdłuż tej linii. Zapewnia to najdokładniejszy podział, ponieważ dostosowuje się do rzeczywistej zawartości każdej strony, zamiast używać stałych współrzędnych. Rynna to zazwyczaj najciemniejszy pionowy obszar strony i jest niezawodnie wykrywana przez algorytmy analizy obrazu.
Przetwarzanie Zeskanowanego pliku PDF w WukongPDF obejmuje automatyczne wykrywanie odstępów w przypadku skanów książek. Prześlij skan, a narzędzie zidentyfikuje cień grzbietu na każdej stronie, obliczy optymalną linię podziału i wygeneruje jednostronicowy plik PDF ze stronami we właściwej kolejności czytania. Zaleca się ręczne przeglądanie wyników podziału, szczególnie w przypadku stron zawierających obrazy z pełnym spadem, które przecinają rynnę, gdzie automatyczne wykrywanie może umieścić linię podziału przez środek obrazu, a nie na rynnie.
Zmiana kolejności stron po podzieleniu
Podział zeskanowanej rozkładówki powoduje utworzenie stron, które należy ułożyć w kolejności czytania. Książka skanowana jako rozkładówka tworzy strony w następującej kolejności: rozkładówka 1 po lewej stronie, rozkładówka 1 po prawej stronie, rozkładówka 2 po lewej stronie, rozkładówka 2 po prawej stronie. Prawidłowa kolejność czytania to: rozkładówka 1 w prawo, rozkładówka 2 w lewo, rozkładówka 2 w prawo, rozkładówka 3 w lewo. Pierwszą lewą stroną jest często wewnętrzna strona okładki lub pusta strona poprzedzająca stronę tytułową, dlatego należy sprawdzić zamierzoną kolejność w porównaniu z książką fizyczną.
Krok zmiany kolejności jest ręczny, ale prosty. Otwórz podzielony plik PDF w przeglądarce wyświetlającej miniatury stron. Przeciągnij strony w odpowiedniej kolejności. Narzędzie do zmiany kolejności stron WukongPDF wyświetla wszystkie strony w formie siatki miniatur, co ułatwia przeglądanie i poprawianie kolejności. Prawidłowa zmiana kolejności 200-stronicowej książki zajmuje od 10 do 15 minut. Czas jest dobrze wykorzystany, ponieważ poprawnie uporządkowany plik PDF zeskanowanej książki czyta się naturalnie od początku do końca, podczas gdy niepoprawnie uporządkowany zmusza czytelnika do przeskakiwania między stronami, co jest dokładnie tym problemem, który podział miał rozwiązać.
Po podzieleniu i zmianie kolejności uruchom OCR na ostatecznym jednostronicowym pliku PDF. Tekst na każdej stronie jest teraz poprawnie zorientowany i odizolowany, co poprawia dokładność rozpoznawania OCR w porównaniu z uruchamianiem OCR na dwustronicowych rozkładówkach. Jednostronicowe rozpoznawanie OCR tworzy również warstwę tekstową, w której kolejność czytania jest zgodna z kolejnością stron, więc wyszukiwanie frazy powoduje zwrócenie prawidłowej kolejności stron. Przekształcone Strony PDF są teraz odpowiednio uporządkowaną księgą cyfrową z możliwością przeszukiwania, a nie stosem nieczytelnych dwustronicowych obrazów.
W przypadku skanów książek z nierównymi punktami podziału, gdy szerokość lewej i prawej strony w całym dokumencie nie jest równa, w przypadku dokumentów, do których będziesz wielokrotnie się odwoływać, warto poświęcić czas na ręczne przycinanie strona po stronie. Automatyczne wykrywanie odstępów obsługuje poprawnie 80% stron. Pozostałe 20% wymaga indywidualnej uwagi, zwykle strony na początku i na końcu rozdziałów, w których zmienia się układ strony, lub strony z ilustracjami pełnymi spadami rozciągającymi się przez rynnę. Na tych stronach automatyczny podział może przeciąć środek obrazu lub pozostawić widoczny fragment przeciwnej strony. Otwarcie miniatury każdej strony po podzieleniu i sprawdzeniu kilku pierwszych i ostatnich słów w każdym wierszu potwierdza, że żadna treść nie została utracona na podzielonej granicy. Przejście weryfikacyjne zajmuje około 30 sekund na stronę i przekształca podział, który jest w większości prawidłowy, na taki, który jest całkowicie prawidłowy.
Wypróbuj opcję Podziel plik PDF
Nie wymaga instalacji. Działa bezpośrednio w Twojej przeglądarce.