Você digitaliza um livro aberto ou um relatório encadernado em um scanner de mesa. Cada digitalização captura duas páginas lado a lado, a página esquerda e a página direita, como uma única imagem ampla. Quando você visualiza o PDF resultante, cada folha é uma página dupla. O texto da página esquerda se transforma no texto da página direita. Procurar uma frase que se estenda pela medianiz entre as duas páginas não retorna nada. O PDF é visualmente fiel ao livro original, mas é praticamente inutilizável como documento de leitura.
Separar uma página digitalizada de duas páginas em PDFs individuais de uma única página é uma necessidade comum para qualquer pessoa que digitalize livros, relatórios encadernados ou revistas. O processo envolve dividir cada página de largura dupla ao meio e reordenar as metades em um documento sequencial de página única. Com a abordagem certa, um livro digitalizado de 100 páginas, 50 páginas espelhadas, torna-se um PDF de 200 páginas que pode ser lido corretamente do início ao fim.
Compreendendo o problema da propagação de duas páginas
Quando um livro é digitalizado em uma mesa, o scanner captura toda a área do vidro como uma imagem. Se ambas as páginas de um livro aberto couberem no vidro, a digitalização mostrará duas páginas lado a lado. O PDF trata isso como uma única página orientada para paisagem. As dimensões da página podem ser 11 por 8,5 polegadas, mais largas do que altas. Cada página do livro original ocupa aproximadamente metade da área digitalizada. O desafio é dividir esta página larga em duas páginas orientadas para retrato, cada uma contendo uma página de livro.
A simples divisão no centro exato funciona para digitalizações perfeitamente alinhadas, mas as digitalizações de livros raramente são perfeitas. A coluna pode criar uma distorção curva perto da calha. As páginas esquerda e direita podem não ter a mesma largura. O livro pode ter mudado ligeiramente entre as digitalizações, fazendo com que o ponto de divisão variasse de página para página. Uma boa abordagem Split PDF para digitalizações de livros deve lidar com essas inconsistências.
Experimente dividir PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.
Método 1: cortar cada página espelhada nas metades esquerda e direita
O método mais confiável é um processo de duas etapas: cortar cada página espelhada para extrair a página esquerda e, em seguida, cortar novamente para extrair a página direita. Abra o PDF digitalizado. Use a ferramenta de corte para selecionar a metade esquerda de cada página. Aplique o corte, que oculta tudo fora da caixa de corte. Salve o arquivo como a versão da página esquerda. Em seguida, reabra o original, corte na metade direita e salve como a versão da página direita. Finalmente, intercale os dois arquivos: página 1 do arquivo esquerdo, página 1 do arquivo direito, página 2 do arquivo esquerdo, página 2 do arquivo direito e assim por diante.
A ferramenta de corte suporta salvar regiões de corte como predefinições nomeadas, para que você possa definir a metade esquerda e a metade direita uma vez e aplicá-las a todas as páginas com um clique. A ferramenta também oferece suporte à aplicação em lote de um corte a todas as páginas pares ou ímpares, o que é útil quando todas as páginas espelhadas compartilham um layout consistente.
Método 2: Divisão por dimensões de página
Se cada página espelhada tiver exatamente a mesma largura, o que é comum em digitalizações feitas com um alimentador automático de documentos ou um scanner de livro dedicado, uma divisão baseada em dimensões será mais rápida do que o corte manual. Divida a largura da página por dois e defina o ponto de divisão nessa coordenada. Uma propagação com 11 polegadas de largura se divide em 5,5 polegadas. Aplique a divisão a todas as páginas uniformemente. Este método é rápido, requer uma única operação para todo o documento, mas falha quando as páginas espelhadas não estão perfeitamente centralizadas ou quando o livro se desloca entre as digitalizações.
Para documentos digitalizados em uma mesa onde cada página espelhada foi colocada manualmente, a divisão baseada em dimensões geralmente produz resultados aceitáveis se o operador for razoavelmente consistente. Para verificar, divida as primeiras páginas e verifique se nenhum texto está cortado na linha de divisão. Se a divisão cortar consistentemente o conteúdo de um lado, ajuste a coordenada de divisão e tente novamente. Depois que o ponto de divisão for verificado em uma amostra, aplique-o a todas as páginas.
Método 3: Usando OCR para detectar a medianiz e a divisão automática
Alguns softwares de digitalização avançados incluem detecção automática de propagação. O software analisa cada página digitalizada, identifica a faixa vertical escura da medianiz do livro e divide a página ao longo dessa linha. Isso produz a divisão mais precisa porque se adapta ao conteúdo real de cada página, em vez de usar uma coordenada fixa. A medianiz é geralmente a região vertical mais escura da página e é detectada de forma confiável por algoritmos de análise de imagem.
O processamento PDF digitalizado de WukongPDF inclui detecção automática de medianiz para digitalizações de livros. Carregue a digitalização e a ferramenta identifica a sombra da lombada em cada página, calcula a linha de divisão ideal e gera um PDF de página única com páginas na ordem de leitura correta. Recomenda-se a revisão manual dos resultados de divisão, especialmente para páginas com imagens sem margens que atravessam a medianiz, onde a detecção automática pode colocar a linha de divisão no meio da imagem em vez de na medianiz.
Reordenando páginas após divisão
A divisão de uma página espelhada digitalizada produz páginas que precisam ser reordenadas em sequência de leitura. Um livro digitalizado como páginas espelhadas produz páginas nesta ordem: página espelhada 1 para a esquerda, página espelhada 1 para a direita, página espelhada 2 para a esquerda, página espelhada 2 para a direita. A ordem de leitura correta é: spread 1 para a direita, spread 2 para a esquerda, spread 2 para a direita, spread 3 para a esquerda. A primeira página à esquerda geralmente é a capa interna ou uma página em branco antes da página de título, portanto, verifique a sequência pretendida em relação ao livro físico.
A etapa de reordenamento é manual, mas direta. Abra o PDF dividido em um visualizador que mostre miniaturas de páginas. Arraste as páginas na ordem correta. A ferramenta de reordenação de páginas WukongPDF exibe todas as páginas como uma grade de miniaturas, facilitando a visualização e a correção da sequência. Um livro de 200 páginas leva de 10 a 15 minutos para ser reordenado corretamente. O tempo é bem gasto porque um PDF ordenado corretamente de um livro digitalizado é lido naturalmente do começo ao fim, enquanto um PDF ordenado incorretamente força o leitor a alternar entre as páginas, que é exatamente o problema que a divisão pretendia resolver.
Após dividir e reordenar, execute o OCR no PDF final de página única. O texto em cada página agora está orientado e isolado corretamente, o que melhora a precisão do OCR em comparação com a execução do OCR em páginas duplas. O OCR de página única também produz uma camada de texto onde a ordem de leitura corresponde à sequência de páginas, portanto, a pesquisa por uma frase retorna resultados na ordem correta das páginas. As Páginas PDF transformadas são agora um livro digital pesquisável e devidamente sequenciado, em vez de uma pilha de imagens ilegíveis de páginas duplas.
Para digitalizações de livros com pontos de divisão irregulares, onde as páginas esquerda e direita não têm larguras iguais em todo o documento, vale a pena fazer um corte manual página por página para documentos aos quais você fará referência repetidamente. A detecção automática de medianiz lida corretamente com 80% das páginas. Os 20% restantes precisam de atenção individual, geralmente páginas no início e no final dos capítulos onde o layout da página muda, ou páginas com ilustrações sem margens que se estendem pela medianiz. Nessas páginas, a divisão automática pode cortar o meio de uma imagem ou deixar visível uma fatia da página oposta. Abrir cada miniatura de página após a divisão e verificar as primeiras e últimas palavras de cada linha confirma que nenhum conteúdo foi perdido no limite de divisão. A passagem de verificação leva cerca de 30 segundos por página e transforma uma divisão que está quase correta em outra exatamente correta.
Experimente dividir PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.