Файл проекта содержит отчет в цифровом формате с четким векторным текстом и отсканированное приложение с изображениями страниц рукописных заметок. Отчет выглядит как современный документ. Аппендикс выглядит так, как будто его взяли со сканера, потому что это так. Объединение их в один PDF-файл создает документ, в котором каждая вторая страница меняет визуальный характер. Цифровые страницы четкие и чистые. Отсканированные страницы мягкие и слегка серые. Несоответствие визуально раздражает и сигнализирует читателю, что документ был собран из разрозненных источников, а не создан как единое целое.
Объединение отсканированных и цифровых PDF-файлов в единый документ требует нормализации визуального качества отсканированных страниц, чтобы оно соответствовало цифровым страницам, а также обеспечения единой возможности поиска и навигации по объединенному документу. Цифровые страницы уже доступны для поиска. Отсканированные страницы нуждаются в распознавании текста, чтобы стать доступными для поиска. Объединение — это последний шаг после подготовки обоих типов страниц.
Операция Merge PDF для смешанных отсканированных и цифровых документов представляет собой трехэтапный рабочий процесс: улучшайте отсканированные страницы, распознавайте их и объединяйте все в единый результат.
Стратегии визуальной нормализации
| Стратегия | Как это работает | Результат |
|---|---|---|
| Улучшите отсканированные страницы, чтобы они соответствовали цифровым | Примените контрастность, яркость и устранение перекоса к отсканированным страницам. Увеличьте контрастность, чтобы приблизить цифровой текст к черно-белому виду. Удалить фоновый шум и текстуру бумаги | Отсканированные страницы выглядят значительно ближе к цифровым. Переход между типами страниц по-прежнему заметен, но менее резкий. |
| Примите визуальную разницу | Не вносите визуальные корректировки. Объедините файлы как есть. Цифровые страницы выглядят цифровыми. Отсканированные страницы выглядят отсканированными. | Честное изложение источников документов. Подходит для архивных и юридических документов, изменение внешнего вида сканов которых нежелательно. |
| Добавьте визуальный разделитель между разделами. | Вставьте пустую страницу-разделитель или страницу-разделитель с надписью там, где изменяется тип документа. Разделитель сигнализирует о переходе к считывателю | Переход признается, а не скрывается. Читатель ожидает изменения, потому что разделитель объявил об этом. |
Обеспечение единообразного поиска в объединенном документе
OCR отсканированные страницы перед объединением. На цифровых страницах уже есть текст с возможностью поиска. После OCR отсканированные страницы также имеют текстовый слой. Объедините файлы. Полученный документ одинаково доступен для поиска, несмотря на его смешанное происхождение. Поиск по термину найдет его как на цифровых, так и на отсканированных страницах. Без оптического распознавания символов на отсканированных страницах поиск будет находить контент только на цифровых страницах, создавая впечатление, что отсканированные страницы не содержат ничего релевантного.
WukongPDF Инструменты оптического распознавания символов обрабатывают отсканированные страницы. Страницы Отсканированные PDF становятся доступными для поиска. Объединение с цифровыми страницами создает документ с единой возможностью поиска.
Нумерация страниц и согласованность навигации
После объединения добавьте последовательные номера страниц по всему документу. Исходные номера страниц цифрового файла и отсканированного файла заменяются объединенной нумерацией. Добавьте закладки для основных разделов. В навигации объединенный документ должен рассматриваться как единый документ, а не как набор источников. Нумерация страниц PDF и создание закладок после слияния создают унифицированную навигацию.
Рекомендации по размеру файлов для документов смешанного происхождения
Объединение цифровых страниц со отсканированными страницами создает файл с двумя разными профилями данных. Цифровые страницы компактны и хранят текст в векторном виде. Отсканированные страницы имеют больший размер, и каждая страница сохраняется в виде изображения. В размере объединенного файла будут преобладать отсканированные страницы. Сжимайте отсканированные страницы перед объединением, чтобы управлять размером файла.
Перед объединением сжимайте отсканированный раздел самостоятельно. Примените сжатие для конкретного изображения, чтобы уменьшить размеры файла отсканированной страницы. Объедините сжатые отсканированные страницы с цифровыми страницами. Сжатие отсканированного раздела в формате PDF перед объединением позволяет получить документ приемлемого размера без ущерба для качества цифровой страницы.
Добавление единого верхнего и нижнего колонтитула после слияния
После объединения отсканированных и цифровых страниц в один документ добавьте одинаковый верхний и нижний колонтитулы на все страницы. Заголовок идентифицирует документ. В нижнем колонтитуле указан номер страницы. Оба применяются к каждой странице независимо от ее происхождения. Унифицированный верхний и нижний колонтитул обеспечивают визуальную непрерывность, что помогает объединенному документу читаться как единый документ, а не как набор источников.
Примените верхний и нижний колонтитулы на последнем этапе после слияния, распознавания текста и сжатия. Сборка Merge PDF считается завершенной, когда каждая страница содержит одинаковую идентифицирующую информацию. Происхождение контента может отличаться. Изложение единое.
Выборка для обеспечения качества для больших объединенных документов
Для объединенного документа с сотнями страниц проверка каждой страницы нецелесообразна. Используйте метод структурированной выборки. Проверьте каждую страницу, где источник меняется с цифрового на отсканированный. Проверьте случайную выборку цифровых страниц и случайную выборку отсканированных страниц. Проверьте первую и последнюю страницы. Если образец пройден, слияние было последовательным. Если на какой-либо из примеров страницы обнаружена проблема, расширьте проверку на другие страницы рядом с проблемной областью.
Стратегия выборки фокусирует усилия по проверке на точках перехода, где наиболее вероятны проблемы слияния. Сканированный PDF и цифровой переход являются зоной наибольшего риска. Там появится пустая страница на границе, отсутствующая страница или дублированная страница. Выборка эффективно устраняет эти проблемы.