Как оцифровать книгу в pdf

«Цифровое книгопечатание» или мой опыт в мобильной оцифровке книг

Любите ли вы книги так, как люблю их я.

Детство и юность, проведенная в маленьком городе, где в районной библиотеке из энциклопедий был лишь «Большой энциклопедический словарь» приучила к бережному, практически благоговейному отношению к любой технической книге. Я понимаю, почему люди пережившие блокаду все время держали дома запас продуктов. Первое время, получив доступ к более или менее скоростному интернету все время хотелось скачивать новые книги и сохранять их на жестком диске, сохранять, сохранять :). Потом появился twirpx и я понял, что книги, как и знания, должны участвовать в постоянном круговороте, иначе они мертвы. Стоило один раз отсканировать монографию своего научного руководителя и услышать десятки отзывов скачавших, как лавину уже было не остановить. Я заметил, что сегодня поделившись редкой книгой, завтра я увижу две, а то и три не менее редких, которыми поделились другие.

В годы студенчества из-за довольно узкой специализации, библиотека была практически вторым домом. Но библиотека библиотеке, как водится, рознь и при прочих равных гораздо удобнее читать (а также распознавать и сразу копировать в курсовую) странички, пусть и цифровые, но сидя дома. Поэтому сначала был планшетный сканер Mystek BearPaw2400, тонкий, с питанием от USB, но ужасно медленный. С уменьшением стоимость цифровых камер (и ростом разрешения) его заменил отличный быстрый фотоаппарат Canon PowerShot A720IS (имхо, один из лучших в линейке PowerShot-ов). Именно с его помощью я прочувствовал всю мощь оптической стабилизации :). Вопрос со скоростью сканирования был решен, но в угоду спешке пострадало качество. Чтобы не ходить по пятьдесят раз и не перефотографировать испорченные/пересвеченные/недосвеченные и т.п. страницы было решено решать возникшие проблемы программно.

Опыт, наработанный в результате изысканий (и десятков отсканированных книг) вылился в целые серии статей, посвященных особенностям обработки сырого книжного материала и доводки его до состояния «неплохой djvu копии». В том числе причиной написания были вопросы друзей и знакомых «а как это djvu сделать вообще, мне вот дали хорошую книгу на пару дней». Ниже привожу, на всякий случай ссылки:

Увлечение сканирование пришлось на то время, когда только начинал наполнятся twirpx и нормально работал avaxhome. Отсканировав около полусотни книг, постепенно начали выкристализоваться алгоритмы, которые бы позволяли получать материал удобный для чтения на 10″ планшете (не говоря уже про монитор компьютера) достаточно высокого качества и при этом экономить время, которое затрачивается на обработку одной книги.

Честно скажу, мне несколько раз очень хотелось сделать настоящий книжный сканер, вроде описанного на Хабре (Книжный сканер своими руками), или еще лучше такой как cделал крутой немецкий дедок (видео ч.1, ч.2, ч.3). Но мысли о самоделках посещают тогда, когда есть уйма свободного времени для размышлений (и материал, и инструмент и т.д., и т.п.). Чаще же всего этого под рукой нет, а книга нужна. И нужна срочно, да еще и в приемлемом качестве.

Поэтому уже довольно давно я пользуюсь несложным программно-аппаратным комплексом, который позволяет мне создавать довольно качественные копии книг за короткое время. К примеру на обработку одной 300 страничной книги (начиная от фотографирования и заканчивания кодированием в djvu) уходит примерно час, с использованием ПК на базе AMD Athlon II X4 640/16 Gb RAM/4 Tb SATA 3.0 HDD.

В джентельменский набор железа мобильного цифрового книгопечатника входят следующие позиции:

1) Смартфон Nokia PureView 808
2) Подвижный штатив-струбцина
3) Крепление для смартфона
4) Bluetooth пульт управления Coco CC-PC101

Смартфон от Nokia выбран за свою надежность и максимальный размер матрицы. Ну и люблю я его очень 🙂 (и на Хабре ему пели дифирамбы). Из недостатков можно отметить то, что в отличие от Android-смартфонов мне пришлось довольно долго искать подходящий пульт, который бы заработал с моим телефоном. В итоге я остановился на Coco CC-PC101. Притом этот пульт работает только с программой CameraPro (cтандартное приложение его не подхватывает). При использовании Android подойдет любой копеечный пульт с Aliexpress.

Подвижная штанга, с помощью которой можно регулировать высоту смартфона над книгой — обычная селфи-палка палка-себяшка, но с наличием в нижней части стандартной резьбы 1/4″ для прикручивания к струбцине/любой другой стойке. На aliexpress много вариантов, мне по цене/параметрам понравился «монопод для GoPro Hero 5 4 3»

Крепление для смартфона тоже первое попавшееся с резьбами 1/4″, не самое дешевое (в отличие от проволочных вариантов), но мне понравилось своей формой. И пока никаких проблем с ним нет.

Штатив-струбцина — советского производства УТМ ЛСНХ. Чистый дюралюминий, настоящая радость для инженера, ну и просто очень надежный инструмент с множеством регулировок.

Смартфон у меня достаточно тяжелый, + вес телескопической штанги, поэтому пластиковым китайским струбцинкам я не доверяю. Но они имеют место быть.

Дополнение: При фотографировании в полевых условиях ч/б книг очень важным фактором является освещенность. Естественной (свет в библиотеке) часто бывает недостаточно. Помочь решить эту проблему могут переносные фото-лампы с aliexpress:

Из преимуществ можно отметить малый вес и встроенный башмак с резьбой 1/4″ для крепления на стандартный штатив. Можно взять несколько таких ламп и расположить вокруг объекта фотографирования для создания равномерного освещения. Чтобы удобнее было лампы крепить — можно дополнительно к ним приобрести фото-клипсы с креплением 1/4″ на том же aliexpress:

Сам процесс фотографирования особой сложностью не отличается. Книга располагается так, чтобы попадать в фокус камеры и с помощью пульта происходит фокусировка/съемка. Перевернули страниц — «фокусировка/съемка». При этом располагать книгу я стараюсь так, чтобы были видны все края (это нужно для выравнивания изгиба страниц в программе ScanTailor). Несколько хвалебных слов о ней. Раньше мне приходилось использовать либо довольно капризную (часто вылетала с ошибкой) и платную программу BookRestorer, либо «косноязычную» ScanKromsator (хотя более чем уверен, что у нее найдутся свои фанаты 🙂 ). Но слава богу появилась ScanTailor и жизнь таких вот как я «книгопечатников» сильно упростилась. Вот что говорит Википедия по этому поводу:

Scan Tailor (англ. scan — сканировать, tailor — портной) — компьютерная программа для обработки изображений, полученных при помощи сканера. Является кроссплатформенной программой и работает под управлением операционых систем Microsoft Windows, Linux и Mac OS X. Высокий уровень программы был отмечен по итогам первого конкурса «Лучший свободный проект России» в 2009 году, проводимым журналом Linux Format

Открытая книга фотографируется с использованием лазеров (они формируют сетку на поверхности). При этом фотографирование производится сразу с нескольких ракурсов, после чего происходит автоматическое объединение всех трех кадров. Разработчики утверждают, что их способ позволяет избежать искажений, обычно проявляющихся при стандартном сканировании.

Тот же принцип используется и в ScanTailor, только расположение разметочной сетки на странице регулируется самим пользователем. Я выравниваю сетку по краям страниц (для этого при съемке они должны быть видны).

После окончания работы программы в папке out будут готовые страницы. Их загружаем в любой конвертер DJVU (выбирать можно на сайте). Я использую DEE — Document Express Editor v6.0.1 Build 1320 LE (for NT) (Light Edition for NT) за маленький размер и шуструю работу. В принципе, после DEE книжку можно закидывать на любимую читалку/смартфон и использовать по назначению. Если время и силы позволяют — можно добавить OCR-слой и оглавление. Эти процедуры подробно описаны в моих статья, на которые я ссылался в начале статьи.

Надеюсь мой опыт будет полезен всем тем, кто фотографирует книги на телефон и читает их потом с картинок в галерее 🙂

Литару провёл несколько тестов и выяснил, что таким образом один пользователь, приноровившись, сможет за пять-десять минут оцифровать 600-страничную книгу. Сам он в 2004 году для дипломной работы вручную оцифровал тридцать тысяч страниц материалов из более чем семисот документов, используя обычную цифровую камеру и дешёвую настольную лампу. Большую часть этой работы Литару выполнил в течение пятнадцати часов в один из выходных дней.

Так это, дорогой Калев Литару, если читаешь Хабр — напиши мне, может чего посоветую 🙂

Важно! Все обновления и промежуточные заметки из которых потом плавно формируются хабра-статьи теперь можно увидеть в моем телеграм-канале lab66. Подписывайтесь, чтобы не ожидать очередную статью, а сразу быть в курсе всех изысканий 🙂

Источник

Сканирование документов в формат PDF

Сканируйте бумажные документы в формат PDF, а затем с помощью Acrobat преобразовывайте их в интеллектуальные файлы PDF с возможностью поиска и выбора текста.

Сканирование бумажного документа в PDF

Чтобы отсканировать бумажный документ в формат PDF с помощью Acrobat, выберите Инструменты > Создать PDF. Откроется окно Создать файл PDF из любого формата. Выберите Сканер для просмотра доступных параметров.

Windows:

Сканирование бумажного документа в PDF с помощью параметра «Автоопределение цветовой модели» (ОС Windows)

Выберите Инструменты > Создать PDF > Сканер > Автоопределение цветовой модели.

Чтобы добавить сканируемый документ к существующему файлу, выполните следующие действия.

Для сканирования нескольких файлов в PDF нажмите значок Настройки . Откроется окно «Заказное сканирование». Установите флажок Предлагать сканировать другой документ.

Нажмите Сканировать.

При запросе сканирования нескольких страниц выберите «Сканировать несколько страниц», «Двустороннее сканирование» или «Сканирование завершено» и нажмите кнопку «ОК».

Сканирование бумажного документа в PDF с использованием предустановок (Windows)

Выберите Инструменты > Создать PDF > Сканер > [предустановки документа].

Чтобы добавить сканируемый документ к существующему файлу, выполните следующие действия.

Для сканирования нескольких файлов в PDF нажмите значок Настройки . Откроется окно «Заказное сканирование». Установите флажок Предлагать сканировать другой документ.

Нажмите Сканировать.

При запросе сканирования нескольких страниц выберите «Сканировать несколько страниц», «Двустороннее сканирование» или «Сканирование завершено» и нажмите кнопку «ОК».

Сканирование бумажного документа в PDF без использования предустановок

Выберите Инструменты > Создать PDF > Сканер > Параметры по умолчанию или Мои пользовательские настройки.

Чтобы добавить сканируемый документ к существующему файлу, выполните следующие действия.

Для изменения настроек нажмите значок Настройки . Откроется окно «Заказное сканирование». Выберите необходимые параметры сканирования.

Для сканирования нескольких файлов в PDF установите флажок Предлагать сканировать другой документ.

Если выбрать параметр Показать пользовательский интерфейс сканера вместо интерфейса Acrobat, то отобразятся другие диалоговые окна. Сведения о доступных параметрах см. в документации по сканеру. В Mac OS всегда отображается пользовательский интерфейс сканера.

Нажмите Сканировать.

При запросе сканирования нескольких страниц выберите «Сканировать несколько страниц», «Двустороннее сканирование» или «Сканирование завершено» и нажмите кнопку «ОК».

Улучшение или оптимизация отсканированного документа PDF

Выберите Инструменты > Сканирование и распознавание > Повышение качества > Отсканированный документ.

Выберите опции на дополнительной панели инструментов — нажмите значок Настройка и выберите соответствующие опции в диалоговом окне «Улучшить отсканированный документ PDF», затем нажмите кнопку OK.

Дополнительные сведения об опциях, отображаемых в этом диалоговом окне, приведены в разделе Диалоговое окно «Улучшить отсканированный документ PDF».

Настройка установок сканера (Windows)

Выберите Инструменты > Создать PDF > Сканер.

Нажмите значок Настройки рядом с предустановками. В зависимости от выбранного параметра отображается окно Заказное сканирование или Изменить предварительно установленные настройки для.

Для сканирования нескольких файлов в PDF установите флажок Предлагать сканировать другой документ.

Параметры сканирования

После выбора сканера можно по своему усмотрению выбрать или настроить различные параметры сканирования.

Выберите установленный сканер. На компьютере должно быть установлено программное обеспечение от производителя сканера. Только в Windows: нажмите кнопку Параметры для указания параметров сканера.

Показать пользовательский интерфейс сканера

Двухстороннее сканирование можно выполнять, даже если сам сканер не поддерживает двухстороннее сканирование. При выборе параметра С обеих сторон после сканирования первых сторон появится диалоговое окно. Можно сложить в лоток сканируемые страницы документа в обратном порядке и выбрать параметр Сканировать обратную сторону (Обратный порядок страниц) в диалоговом окне. При этом создается документ PDF со всеми страницами в правильной последовательности.

Цветовая модель (только Windows)

Разрешение (только Windows)

Выберите разрешение, поддерживаемое сканером. Данный параметр включен, если в параметрах сканера указано использование диалогового окна «Acrobat Scan» вместо приложения сканера.

Размер бумаги (только Windows)

Предлагать сканировать другой документ

Если такой режим выбран, диалоговое окно, запрашивающее сканирование дополнительных страниц, будет отображаться после каждого сеанса сканирования.

Качество > Оптимизация изображения

Выберите этот параметр для запуска процесса оптимизации документа PDF. Этот параметр используется для сжатия и фильтрации изображений отсканированного PDF. Нажмите значок Настройки , чтобы настроить оптимизацию с помощью параметров сжатия файла и фильтрации.

Качество > Оптимизация изображения > Малый размер/высокое качество

Перетащите ползунок для настройки баланса между размером файла и качеством.

Вывод > Добавить к существующему файлу

Добавление преобразованного отсканированного изображения к существующему файлу PDF. Выберите открытый файл из раскрывающегося списка или найдите и выберите нужный файл PDF.

Вывод > Создать новый PDF-файл

Создание документа PDF.

Вывод > Сохранить файлы

Создание нескольких файлов из нескольких бумажных документов. Нажмите значок Настройки и укажите требующиеся параметры: создание портфолио PDF из файлов, количество страниц в каждом файле и префикс имени файла.

Распознавание текста (OCR)

Соответствие стандарту PDF/A

Выберите данный параметр, чтобы обеспечить соответствие создаваемого документа PDF стандартам ISO для PDF/A-1b.

Диалоговое окно «Оптимизация отсканированного PDF»

В диалоговом окне Улучшить отсканированный документ PDF представлены элементы управления параметрами сжатия и фильтрации отсканированного изображения для документа PDF. Параметры по умолчанию подходят для широкого диапазона страниц документов, но при необходимости их можно изменить для повышения качества изображений, уменьшения размера файла или для настройки сканирования.

Применить адаптивное сжатие

Разделяет каждую страницу на черно-белые, цветные и области в градациях серого и выбирает режим, в котором сохраняется внешний вид при высокой степени сжатия каждого типа содержимого. Рекомендуемое разрешение сканирования — 300 точек на дюйм (dpi) для RGB-изображений и изображений в градациях серого; 600 dpi для черно-белого изображения.

Цветное сканирование/Сканирование в градациях серого

При сканировании цветных страниц или страниц в градациях серого выберите один из следующих параметров:

Применяет сжатие JPEG2000 к цветному содержимому изображения (использование этой настройки не рекомендуется при создании файлов PDF/A ; вместо этого используйте формат JPEG ).

Применяет сжатие ZIP к цветному содержимому изображения.

Применяет сжатие JPEG к цветному содержимому изображения.

При сканировании черно-белых или однотонных страниц выберите один из следующих параметров.

JBIG2 (без потери качества) и JBIG2 (с потерями качества)

Применяет способ сжатия JBIG2 для входных черно-белых страниц. При значениях параметров высокого уровня качества используется сжатие без потерь; при низких значениях текст сжимается сильнее. Текстовые страницы обычно на 60% меньше, чем сжатые по алгоритму CCITT Group 4 страницы, но процесс сжатия занимает больше времени. Совместимый с Acrobat 5.0 (PDF 1.4) и более поздними версиями.

Применяет сжатие по алгоритму CCITT Group 4 для черно-белых входных изображений страниц. Этот быстрый способ сжатия без потерь совместим с Acrobat 3.0 (PDF 1.2) и более поздними версиями.

Небольшой объем/Высокое качество

Настройка баланса между размером файла и качеством.

Окрашивает в белый цвет близкие к белому области при цветном входном изображении или изображении в градациях серого (но не для черно-белых изображений).

Для наилучших результатов настройте параметры контрастности и яркости сканера, чтобы на отсканированной обычной черно-белой странице текст был темно-серого или черного цвета, а фон был белым. Тогда при выбранных параметрах Выкл или Низкое результаты будут лучше. При сканировании белого документа с желтым оттенком или газетной бумаги выберите параметры Среднее или Высокое для очистки страницы.

Делает текст отсканированного файла PDF более четким. Значение по умолчанию (низкое качество) подходит для большинства документов. Увеличьте его, если качество печатаемого документа низкое, а текст неясен.

Диалоговое окно «Параметры распознавания текста»

По умолчанию язык текста для распознавания выбирается из региональных настроек, заданных по умолчанию. Чтобы изменить язык, нажмите «Редактирование» и выберите другой язык.

«Изображение с поиском» или «Редактируемый текст и изображения».

Советы по сканированию

Сканирование из Acrobat принимает изображения с разрешением в диапазоне 10–3000 dpi. При выборе параметра Изображение в возможностью поиска или ClearScan в разделе Стиль вывода PDF требуется разрешение выводимого изображения не ниже 72 dpi. Кроме того, разрешение выводимого изображения, превышающее 600 dpi, будет уменьшено до 600 dpi или менее.

Сжатие изображения без потери качества может выполняться только с монохромными изображениями. Для сжатия отсканированного изображения без потери качества выберите в разделе «Параметры оптимизации» диалогового окна «Оптимизация отсканированного PDF» один из следующих параметров: «CCITT Group 4» или «JBIG2 (без потери качества)» для монохромных изображений. Если это изображение добавлено к документу PDF, можно сохранить файл с помощью параметра Сохранить; отсканированное изображение остается без сжатия. При сохранении документа PDF с помощью функции Сохранить как отсканированное изображение может быть сжато.

Для большинства страниц сканирование в черно-белом режиме при 300 dpi дает лучшие результаты для преобразования. При разрешении 150 dpi точность оптического распознавания символов несколько снижается и количество ошибок распознавания шрифта возрастает; при разрешении 400 dpi и выше обработка замедляется, а размер файлов со сжатыми страницами увеличивается. Если на странице содержится много нераспознанных слов или текст небольшого размера (9 пунктов и меньше), попытайтесь выполнить сканирование в более высоком разрешении. Когда это возможно, сканируйте в черно-белом режиме.

Если оптическое распознавание символов (OCR) выключено, можно использовать разрешением в диапазоне 10 – 3000 dpi, рекомендованное разрешение – 72 dpi и выше. Для параметра адаптивного сжатия рекомендуемые разрешения при сканировании: 300 dpi для изображений в градациях серого и RGB и 600 dpi для черно-белых изображений.

Страницы, отсканированные в режиме 24-разрядных цветов, 300 dpi, размером 8,5 х 11 дюймов (21,59 х 27,94 см) до сжатия представляют собой изображения большого размера (25 МБ). Системе может потребоваться 50 МБ виртуальной памяти и более для сканирования изображения. При разрешении 600 пикселей на дюйм процесс сканирования и обработки обычно происходит в четыре раза медленнее, чем при 300 dpi.

Избегайте настройки параметров полутонов и диффузионного смешения сканера. Это может улучшить внешний вид, но станет сложно распознавать текст.

Для текстов, распечатанных на цветной бумаге, рекомендуется увеличить яркость и контрастность примерно на 10%. Если сканер обеспечивает световую фильтрацию, следует подавить цвет фона при помощи специального фильтра или лампы. Или, если текст не подавляется, попробуйте настроить контрастность и яркость сканера, чтобы очистить отсканированный документ.

Если у сканера есть ручное управление яркостью, настройте его так, чтобы символы были четкими и имели правильную форму. Если символы соединены между собой, используйте более высокие параметры (более яркого цвета). Если символы разделены, используйте более низкие параметры (более темного цвета).

Устранение неполадок со сканером

Для исправления ошибок и решения проблем, связанных со сканером, обратитесь к следующей документации по устранению неполадок:

Источник