專案文件包含帶有清晰向量文字的數位編寫報告，以及帶有手寫筆記頁面圖像的掃描附錄。該報告看起來像是一份現代文件。闌尾看起來像是來自掃描儀，確實如此。將它們合併到一個 PDF 中會產生一個文檔，其中每個其他頁面都會切換視覺字元。數位頁面清晰乾淨。掃描的頁面柔軟且略帶灰色。這種不一致在視覺上令人不舒服，並向讀者發出這樣的信號：該文件是由不同來源彙編而成，而不是作為一個連貫的整體創建的。
將掃描和數位 PDF 合併為一致的文件需要規範掃描頁面的視覺品質以匹配數位頁面，並確保合併的文件可統一搜尋和導航。數位頁面已經可以搜尋。掃描的頁面需要 OCR 才能進行搜尋。合併是準備好兩種類型的頁面後的最後一步。
用於混合掃描和數位文件的合併 PDF 操作是一個三階段工作流程：增強掃描頁面、對其進行 OCR 並將所有內容合併為一致的輸出。
視覺標準化策略
| 策略 | 工作原理 | 結果 |
|---|---|---|
| 增強掃描頁面以匹配數字 | 對掃描頁面套用對比度、亮度和歪斜校正。增加對比度以接近數位文字的黑白外觀。去除背景噪音和紙張紋理 | 掃描的頁面看起來更接近數字。頁面類型之間的過渡仍然可見，但不那麼刺耳 |
| 接受視覺差異 | 不進行視覺調整。按原樣合併文件。數位頁面看起來是數位的。掃描的頁面看起來是掃描的 | 誠實地介紹文檔來源。適用於不希望改變掃描外觀的檔案和法律文檔 |
| 在各部分之間加入視覺分隔符 | 在文件類型變更的地方插入空白或標籤的分隔頁。分隔符號向讀者發出過渡訊號 | 這種轉變是被承認的，而不是被隱藏的。讀者期待這一變化，因為分隔符號宣布了這一點 |
使合併文檔統一可搜尋
在合併之前對掃描的頁面進行 OCR。數位頁面已經有可搜尋的文字。 OCR後，掃描的頁面還有文字圖層。合併文件。儘管來源各異，但產生的文檔仍可統一搜尋。搜尋某個術語將在數位頁面和掃描頁面上找到它。如果掃描頁面上沒有 OCR，搜尋將僅在數位頁面上找到內容，從而給人留下掃描頁面不包含任何相關內容的印象。
WukongPDF OCR 工具處理掃描的頁面。 掃描的 PDF 頁面變成可搜尋。與數位頁面的合併產生了統一的可搜尋文件。
頁碼和導航一致性
合併後，在整個文件中新增連續的頁碼。數位檔案和掃描檔案的原始頁碼將由合併的頁碼取代。为主要部分添加书签。導覽應將合併的文檔視為單一文檔，而不是來源集合。合併後的 PDF 頁面編號和書籤可建立統一的導航體驗。
混合來源文件的檔案大小注意事項
將數位頁面與掃描頁面合併會產生具有兩個不同資料設定檔的檔案。數位頁面很緊湊，將文字儲存為向量。掃描的頁面較大，將每個頁面儲存為影像。合併的文件大小將由掃描的頁面決定。在合併之前壓縮掃描的頁面以管理檔案大小。
在合併之前獨立壓縮掃描的部分。套用特定於影像的壓縮以減小掃描頁面檔案的大小。將壓縮的掃描頁面與數位頁面合併。在合併之前對掃描部分進行 PDF 壓縮可產生大小易於管理的文檔，而不會犧牲數位頁面品質。
合併後加入統一的頁首和頁尾
將掃描頁面和數位頁面合併到單一文件後，在所有頁面上新增一致的頁首和頁尾。標頭標識文檔。頁腳包含頁碼。兩者都適用於每個頁面，無論其來源為何。統一的頁首和頁尾提供了視覺連續性，有助於將合併的文件視為單一文件而不是來源集合。
應用頁首和頁尾作為合併、OCR 和壓縮後的最後一步。當每個頁面都包含相同的識別資訊時，合併 PDF 元件就完成了。內容來源可能有所不同。表現形式是統一的。
大型合併文件的品質保證採樣
對於具有數百頁的合併文檔，驗證每一頁是不切實際的。使用結構化抽樣方法。檢查來源從數字變為掃描的每一頁。檢查數字頁面的隨機樣本和掃描頁面的隨機樣本。檢查第一頁和最後一頁。如果範例通過，則合併是一致的。如果任何範例頁面顯示問題，請將檢查範圍擴大到問題區域附近的更多頁面。
抽樣策略將驗證工作重點放在最有可能出現合併問題的過渡點。 掃描 PDF 和數位轉換是風險最高的領域。邊界處會出現空白頁、缺頁或重複頁。抽樣可以有效地發現這些問題。