A digitalização de um livro página por página produz um PDF onde cada página tem uma sombra escura e curva descendo pelo centro, a sombra projetada pela lombada do livro onde as páginas se curvam na encadernação. O texto próximo à lombada fica escurecido e às vezes distorcido pela curvatura da página. A sombra consome tinta ou toner quando impressa, faz com que a página pareça pouco profissional e interfere na precisão do OCR no texto afetado. Cortar a sombra da lombada de cada página digitalizada remove o artefato visual e concentra a atenção do leitor no conteúdo. A abordagem Crop PDF para remoção de sombra da lombada deve ser aplicada página por página, porque a posição da sombra muda ligeiramente de página para página à medida que a espessura do livro muda da frente para o verso.
Por que as sombras da lombada aparecem nas digitalizações de livros
Os scanners de mesa pressionam o livro contra uma placa de vidro. A página perto da lombada não pode ficar completamente plana porque a encadernação impede isso. Essa lacuna entre a página e o vidro cria uma região onde a luz do scanner reflete de maneira diferente, produzindo uma sombra que começa na borda da lombada e desaparece à medida que a distância da encadernação aumenta. Na página esquerda de um livro aberto, a sombra é mais escura ao longo da borda esquerda e se estende em direção ao centro. Na página direita, a sombra é mais escura ao longo da borda direita.
A curvatura da página perto da encadernação também distorce o texto. Os caracteres próximos à lombada aparecem comprimidos ou esticados dependendo do ângulo da página em relação ao sensor do scanner. O corte remove a sombra e o texto distorcido. A alternativa, usar o processamento de imagem para clarear a sombra e distorcer o texto, é mais complexa e raramente produz um resultado tão limpo quanto simplesmente cortar a área afetada. O PDF digitalizado de uma digitalização de livro se beneficia mais com o corte do que com a tentativa de correção da região de sombra.
Experimente Cortar PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.
Determinando os limites da colheita
Abra a primeira página digitalizada em um visualizador de PDF que suporte ferramentas de corte. Aumente o zoom na borda da lombada e identifique onde a sombra começa a escurecer visivelmente o fundo da página. O limite de corte deve ser colocado dentro deste ponto, removendo toda a zona de sombra. Inclua uma pequena margem de fundo normal da página próxima à sombra para garantir que nenhum pixel escurecido permaneça. Um limite de corte recortado na sombra deixa uma faixa escura ao longo da borda da página cortada.
Meça a distância da borda da página até o limite de corte. Essa distância se torna o valor de corte para todas as páginas digitalizadas. No entanto, a distância ideal de corte pode variar entre as páginas esquerda e direita do livro e pode variar entre a frente e o verso do livro, onde a curvatura da página muda. Digitalize uma amostra de páginas de diferentes seções do livro e verifique se a largura da sombra da lombada é consistente. Se variar, agrupe as páginas em seções que compartilhem a mesma distância de corte. Aplique a distância de corte apropriada a cada grupo.
Aplicando o corte a todas as páginas
Depois de determinar o limite de corte, aplique-o a todas as páginas do PDF. A maioria dos editores de PDF que suportam corte podem aplicar o mesmo retângulo de corte a um intervalo de páginas. Selecione todas as páginas que compartilham a mesma distância de corte, abra a ferramenta de corte, insira os valores de corte e aplique. Para uma digitalização de livro em que as páginas esquerda e direita precisam de valores de corte diferentes, processe as páginas esquerda e direita como grupos de páginas separados. Uma operação em lote Cortar PDF que aplica o mesmo corte a todas as páginas selecionadas leva segundos.
Se o PDF foi digitalizado como páginas espelhadas de duas páginas, onde cada página do PDF mostra as páginas esquerda e direita do livro aberto, o corte será mais complexo. A sombra da lombada percorre o centro da página. Corte a metade esquerda da página para remover o lado esquerdo da sombra da lombada e corte a metade direita para remover o lado direito. Algumas ferramentas de PDF podem dividir cada página ao centro e cortar cada metade de forma independente, produzindo páginas individuais a partir da página espelhada. WukongPDF e plataformas semelhantes fornecem ferramentas de corte que lidam com o corte de digitalização de livros de uma única página e de páginas abertas.
Preservando o conteúdo da página próximo à lombada
A região de sombra da lombada pode conter conteúdo que não pode ser simplesmente descartado. Uma tabela que abrange toda a largura da página pode ter colunas que se estendem até a zona de sombra. Um diagrama ou fotografia pode ser posicionado próximo à encadernação. Uma nota de rodapé ou nota marginal pode ser parcialmente obscurecida pela sombra. Para essas páginas, cortar toda a zona de sombra remove o conteúdo de que o leitor precisa.
Lide com essas páginas excepcionais individualmente. Se o conteúdo na zona de sombra for legível apesar do escurecimento, corte de forma menos agressiva nessa página específica, removendo apenas a parte mais escura da sombra e deixando o texto escurecido, mas ainda legível. Se o conteúdo estiver ilegível, considere se o livro físico pode ser digitalizado novamente com um manuseio mais cuidadoso para nivelar ainda mais a página. Pressionar o livro com mais firmeza contra o vidro do scanner, usar um scanner de livro com uma placa em forma de V projetada para volumes encadernados ou digitalizar o livro com uma câmera suspensa em vez de uma mesa, tudo isso reduz a sombra da lombada na fonte.
Verificação de qualidade pós-colheita
Após o corte, role por cada página do PDF para verificar se não há restos de sombra e se nenhum conteúdo foi cortado acidentalmente. Preste atenção especial às páginas próximas ao início e ao final do livro, onde a curvatura da página e a largura da sombra podem ser diferentes das páginas intermediárias. Um corte perfeito para a página 100 pode ser muito agressivo para a página 5, onde a pilha mais fina de páginas em um lado da encadernação produz uma curvatura diferente.
Execute o OCR no PDF cortado e compare a precisão do reconhecimento de texto com a digitalização original não cortada na zona de sombra. Se a versão recortada reconhecer o texto na área anteriormente sombreada com mais precisão, o corte foi bem-sucedido. Se a versão recortada perder o texto que foi reconhecido anteriormente, o corte pode ter sido muito agressivo. O objetivo Qualidade do PDF é uma página limpa com todo o conteúdo essencial preservado e todos os artefatos que distraem removidos.
Alternativas ao corte para remoção de sombras na lombada
O corte é a abordagem mais simples para remoção de sombras na lombada, mas não é a única. O software de edição de imagens pode aplicar ajustes localizados de brilho e contraste à zona de sombra, iluminando o fundo e aumentando o contraste do texto sem remover o conteúdo. Essa abordagem preserva cada palavra da página, mas requer edição de imagens por página, o que é prático apenas para documentos curtos ou páginas individuais de grande importância.
O software dedicado de digitalização de livros, como o ScanTailor, inclui um recurso de seleção de conteúdo que detecta automaticamente a área de texto em cada página e corta nessa área, manipulando a sombra da lombada sem medição manual dos limites do corte. O ScanTailor processa imagens digitalizadas antes de serem montadas em um PDF. Se você digitaliza regularmente livros para PDF, investir em um fluxo de trabalho de digitalização que inclui detecção automática de conteúdo e corte economiza horas de ajuste manual Cortar PDF.
Para livros raros ou frágeis que não podem ser pressionados contra um scanner, considere fotografar as páginas com uma câmera posicionada diretamente acima do livro aberto. A abordagem da câmera evita totalmente a placa de vidro e, com iluminação cuidadosa de ambos os lados, pode minimizar a sombra da lombada no estágio de captura, em vez de depender do pós-processamento para corrigi-la.
Depois de recortar e finalizar o PDF, considere doar a versão digital limpa para um arquivo online ou biblioteca digital se o livro for de domínio público. As horas gastas limpando a digitalização podem beneficiar não apenas o seu próprio projeto, mas qualquer outra pessoa que precise acessar esse texto em um formato digital legível.
Para livros com ilustrações, fotografias ou mapas que se estendem pela medianiz entre as páginas opostas, o corte da sombra da lombada sacrifica a parte central da imagem. Nesses casos, considere manter intacta a distribuição de duas páginas para as páginas de ilustração e cortar apenas as páginas somente de texto. Uma nota nos metadados do documento pode explicar que certas páginas não foram cortadas para preservar o conteúdo da medianiz.
O processo de limpeza PDF digitalizado para projetos de digitalização de livros se beneficia de um fluxo de trabalho estruturado que separa as etapas de digitalização, corte, OCR e verificação de qualidade. A tentativa de cortar e finalizar cada página à medida que ela é digitalizada leva a resultados inconsistentes. Digitalize primeiro o livro inteiro e depois processe o conjunto completo de imagens da página através da etapa de corte em lote.
O fluxo de trabalho Crop PDF para digitalizações de livros transforma uma digitalização grosseira em uma cópia digital limpa, adequada para leitura, impressão e preservação de longo prazo em coleções de bibliotecas digitais.
O PDF digitalizado limpo e com sombras de lombada removidas está pronto para processamento de OCR, que se beneficia da qualidade de imagem aprimorada
Uma digitalização de livro bem recortada preserva as palavras do autor enquanto remove os artefatos mecânicos do processo de digitalização
A digitalização de livros é um ato de preservação. Cada página limpa das sombras do scanner é uma página que os futuros leitores poderão ler sem distrações. O cuidado investido na etapa de recorte faz parte de um esforço maior para transportar o conteúdo dos livros físicos para o futuro digital.
Experimente Cortar PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.