项目文件包含带有清晰矢量文本的数字编写报告，以及带有手写笔记页面图像的扫描附录。该报告看起来像是一份现代文件。阑尾看起来像是来自扫描仪，确实如此。将它们合并到一个 PDF 中会生成一个文档，其中每个其他页面都会切换视觉字符。数字页面清晰干净。扫描的页面柔软且略带灰色。这种不一致在视觉上令人不舒服，并向读者发出这样的信号：该文档是由不同来源汇编而成，而不是作为一个连贯的整体创建的。
将扫描和数字 PDF 合并为一致的文档需要规范扫描页面的视觉质量以匹配数字页面，并确保合并的文档可统一搜索和导航。数字页面已经可以搜索。扫描的页面需要 OCR 才能进行搜索。合并是准备好两种类型的页面后的最后一步。
用于混合扫描和数字文档的合并 PDF 操作是一个三阶段工作流程：增强扫描页面、对其进行 OCR 并将所有内容合并为一致的输出。
视觉标准化策略
| 策略 | 工作原理 | 结果 |
|---|---|---|
| 增强扫描页面以匹配数字 | 对扫描页面应用对比度、亮度和歪斜校正。增加对比度以接近数字文本的黑白外观。去除背景噪音和纸张纹理 | 扫描的页面看起来更接近数字。页面类型之间的过渡仍然可见，但不那么刺耳 |
| 接受视觉差异 | 不进行视觉调整。按原样合并文件。数字页面看起来是数字的。扫描的页面看起来是扫描的 | 诚实地介绍文档来源。适用于不希望改变扫描外观的档案和法律文档 |
| 在各部分之间添加视觉分隔符 | 在文档类型发生变化的地方插入空白或带标签的分隔页。分隔符向读者发出过渡信号 | 这种转变是被承认的，而不是被隐藏的。读者期待这一变化，因为分隔符宣布了这一点 |
使合并文档统一可搜索
在合并之前对扫描的页面进行 OCR。数字页面已经有可搜索的文本。 OCR后，扫描的页面还有文字层。合并文件。尽管来源各异，但生成的文档仍可统一搜索。搜索某个术语将在数字页面和扫描页面上找到它。如果扫描页面上没有 OCR，则搜索将仅在数字页面上找到内容，从而给人留下扫描页面不包含任何相关内容的印象。
WukongPDF OCR 工具处理扫描的页面。 扫描的 PDF 页面变得可搜索。与数字页面的合并产生了统一的可搜索文档。
页码和导航一致性
合并后，在整个文档中添加连续的页码。数字文件和扫描文件的原始页码将由合并的页码取代。为主要部分添加书签。导航应将合并的文档视为单个文档，而不是源集合。合并后的 PDF 页面编号和书签可创建统一的导航体验。
混合源文档的文件大小注意事项
将数字页面与扫描页面合并会生成具有两个不同数据配置文件的文件。数字页面很紧凑，将文本存储为矢量。扫描的页面较大，将每个页面存储为图像。合并的文件大小将由扫描的页面决定。在合并之前压缩扫描的页面以管理文件大小。
在合并之前独立压缩扫描的部分。应用特定于图像的压缩以减小扫描页面文件的大小。将压缩的扫描页面与数字页面合并。在合并之前对扫描部分进行 PDF 压缩可生成大小易于管理的文档，而不会牺牲数字页面质量。
合并后添加统一的页眉和页脚
将扫描页面和数字页面合并到单个文档中后，在所有页面上添加一致的页眉和页脚。标头标识文档。页脚包含页码。两者都适用于每个页面，无论其来源如何。统一的页眉和页脚提供了视觉连续性，有助于将合并的文档视为单个文档而不是源集合。
应用页眉和页脚作为合并、OCR 和压缩后的最后一步。当每个页面都包含相同的识别信息时，合并 PDF 组件就完成了。内容来源可能有所不同。表现形式是统一的。
大型合并文档的质量保证采样
对于具有数百页的合并文档，验证每一页是不切实际的。使用结构化抽样方法。检查来源从数字变为扫描的每一页。检查数字页面的随机样本和扫描页面的随机样本。检查第一页和最后一页。如果示例通过，则合并是一致的。如果任何示例页面显示问题，请将检查范围扩大到问题区域附近的更多页面。
抽样策略将验证工作重点放在最有可能出现合并问题的过渡点上。 扫描 PDF 和数字转换是风险最高的领域。边界处会出现空白页、缺失页或重复页。抽样可以有效地发现这些问题。