Сканирование, распознавание и вычитка текстов

 » Сканирование, распознавание и вычитка текстов

Сразу скажу, что я в не большой профессионал в этом деле. Даже в высшей степени ДИЛЕТАНТ!!!

И я очень надеюсь, что ПРОФИ в сканировании (они у нас на сайте есть) подскажут и поделятся своими знаниями.)

Я напишу только немного о своём опыте.
Кстати, Сканирование - весьма спорное в юридическом плане занятие...Но очень востребованное среди голодных читателей)

Для перевода напечатанных текстов в электронный вид необходимо иметь:
- сканер
- книгу, журнал и прочий источник сканирования.
- программу перевода изображения текста в его электронный формат.

1. Сканер.
Качественные характеристики сканера не имеет принципиального значения, текстовые изображения не требуют высокой точности и разрешения картинки. (Мой сканер - Mustek 1200 USB plus, китайского производства, выпуск 2000 года.)

2. Книги более значимы.
Т.к. они различаются по текстуре и цвету бумаги, по яркости шрифтов, по начертанию шрифтов. Последнее важно. т.к. не всякий шрифт может быть распознан определённой программой. У неё может просто не оказаться алгоритма на распознавание именно этого шрифта.
(Мой пример - книга 1995 год, бумага газетная, достаточно рыхлая, гарнитура "Таймс", очень нечёткое, бледное начертание.)

3. Программа перевода.
Ваш незаменимый помощник и главный работник в этой триаде. По отзывам в инете, самая лучшая для распознавания РУССКОГО языка ABBYY FineReader. У меня версия 8.

Теперь работа.
- В сканер укладываем развёрнутую книгу текстом на стеклянную поверхность (можно в любом направлении, т.к. позже возможно сделать любой поворот изображения)
- Открываем программу распознавания текста.

1. выбираем язык сканирования
2. нажимаем кнопку СКАНИРОВАНИЕ, после этого запускается программа вашего сканера (по крайней мере у меня)


3. Выбираем параметры сканирования.
Я обычно выбираю черно-белое изображение.


4.Выбираю разрешение 200-300 пикселов (можно и больше, картинка будет чётче, но это во-первых замедляет сканирование, а во вторых -будет прочитывать весь мусор существующий на бумаге и в печати)


5. На вкладке увеличения чёткости выбираю ЯРКОСТЬ сканирования (5.а) т.е. увеличиваю контраст изображения, её можно посмотреть превьюшкой (5.Б). Очень важно, найти вариант для нашего текста, что бы программа не читала НЕ НУЖНОГО мусора, но и НЕ ПРОПУСКАЛА знаки (точки, запятые, тире) и нечёткие буквы. Это подбирается для каждой книги индивидуально.


6. Превьюшкой проверяем страницу (6), и выделяем зону сканирования (6.а) - это нужно для убыстрения процесса сканирования


7. НАЧИНАЕМ работу!!! Больше поправок в программу сканирования делать не будем. Она настраивается на всю книгу.
Сканирование!


8. Распознаём отсканированный текст:


9. Примерно так выглядят первые шаги, первая страница, первый результат.


10 Дальше достаём книгу, переворачиваем страницу укладываем в сканер, и продолжаем работать кнопочками Сканировать и Распознать
Вторая страница:


потом расскажу о сохранении и правке текстов

  Содержание:

  Добавить тему в подборки

  Модераторы: Дата последней модерации: 06.12.2013


_________________

Тео,ты мне говорила , есть программа для проверки грамматики, свободная , можешь ссылку дать?

Что касается ABBYY FineReader,то версия 10,очень отличается от твоей.У меня первый этап почти автоматически идёт: пункты 1-4 как описано у тебя (пиксели 300-600),потом задаю интервал...и вперёд-только страницы переворачивай.

Потом автоматически идёт распознавание и сохранение-у меня открывается word 2003.

Ну а дальше у меня начинаются проблемы,т.к программа на немецком,но мне помогла дочь,хотя вопросов осталось море.
Теперь я понимаю как ты делаешь эти маленькие картинки,когда объясняешь последовательность действия,это всё тоже не так просто,когда не знаешь как...

lisawetta извини не видела твоё сообщение.)))

теперь про СОХРАНЕНИЕ! Я не знаю как в 10 но у меня в 8:

1. открывай мастер сохранения результатов


2. Сохранить страницы
3. Сохранить все страницы
4. Заходи на вкладку ФОРМАТЫ


5. заходи на вкладку RTF \DOC \ WORD
6. в строке ОФОРМЛЕНИЕ выбирай Таблицы, абзацы, шрифты
7. в разделе ТЕКСТ снимай все галочки!!! особенно "Сохранять деление на страницы" (можешь только оставить - "Выделять неуверенно распознанные символы" - после правки их можно убрать)
Жми ОК


8. у тебя, после завершения работы программы, получится такая каша:


теперь переходим работать в ВОРД!
_________________

lisawetta, Я ничего не вдавливаю)) Мне хватает нагрузки крышки сканера (в критических случаях томиком каким прижму - например ЭНЦИКЛОПИЕЙ )))), я конечно стараюсь книгу расправить на наибольшую ширину... потом выставляю так параметры сканера, что бы черная середина почти не просматривалась ...
Вот пример:
1. нет чёрной середины
2. пусть текст невнятно просматривается (например е похожа на с, или не понятно п или н)

Но прога ОТЛИЧНЕЙШАЯ!!! она сама догадывается что написано (в большинстве случаев). Мои книги конечно достаточно разлохмачены, не новые, через много рук прошли...
Были конечно исключения...когда сканила Евгению Марлитт и Элинор Смит - тяжело книги гнулись, а вот Радуга - отлично разворачивается и не сыпется, старые малышки тоже крепкие попадаются.
А вот Тори Файер сканила по листочкам - книжка была вдрызг разобрана - НАМУЧИЛАСЬ с ней тоже, т.к. разворот всегда наровил сползти и перекособочиться)).
_________________

Тео,у меня скенер как картина- можно даже к стене приставить ,мой муж,компьютерный обновляйщик, его отбраковал,так-что я прижимаю... и устанавливаю скорость-8 сек- чтоб быстрее, а программа после распознавания, (она даже вкрапления от бумаги "распознаёт") поэтому у меня получается долго вычитывать-5 часов(!!)и дольше...

lisawetta, уменьшай чувствительность сканера !!
Это ведь не ФОТО и не Картины!
Я РАЗРЕШЕНИЕ всего на 200 dpi беру! Никакая тебе супер точность не нужна! У тебя же весь мусор собирается !
Скорость у меня намного ниже, где-то 40 - 50 секунд на сканирование разворота уходит, вместе с укладкой книги и распознаванием текста после сканирования (если не отвлекаться)))))
_________________

Тео, у меня распознаёт только после завершения сканирования, а яркость- всего два варианта:300/600. 600 стоит-для мелкого текста. Там вообще нет,можно сказать вариантов, может я при установке невнимательна была,но это всё замечаешь,когда есть опыт...
К стати,ты говорила о программе,свободной, проверке грамматики, я себе скачала русский ворд,но что-то он мне не нравится.

ставь 300, текст в ЛР не мелкий!!!, а распознавать можно в любое время - не важно, мне просто сразу удобнее. Или сканируй, а правку оставь помощникам, и не парься! Думаю такие найдутся!!!

Отсканировала:
Дебора Тернер "Желание" осталась вычитка.
Кэтти Уильямс "Жена для садовника" коли у нас Уильямс в гору пошла)))). Тоже вычитка осталась. Думаю за праздники управлюсь...если с дивана не выгонят)))))
_________________

А сколько времени уходит у тебя на малышку (читать)?- я за 1,5-2,0 часа может 30 страниц читаю...но долго,малыша мне на день хватает...

Лично у меня на малышку уходит минут 40. Это только про сканирование разговор. Я ставлю на 300 dpi (меньше обычно не рекомендуется, типа хуже распознается, если меньше, ошибок больше), а вот вычитка - это от настроения зависит, потому как геморой полнейший, пару раз вычитала, мне хватило.
_________________

Я вообще-то сама читаю быстро, и особо вопиющие ошибки сами бросаются в глаза. Основной текст просто просматриваю глазами. Но дословно не вычитываю, доверяю проге. Может что и пропускаю.
Кроме того, что обнаруживает ABBYY находит ещё и ВОРД, я стараюсь больше обращать внимание на оформление прямой речи, смотрю начало и конец фраз. Начало и конец абзацев, страниц, написание имён и т.д.
Но в любом случае не 5 часов!!! не надо так напрягаться!!! От любого дела надо получать удовольствие!!!

вот могу пример текста НЕВЫЧИТАННОГО привести.. не думаю что так сложно:

Убрать грязь в словах, убрать абзацы, заменить дефис на тире.
_________________

Тео, как сделать, чтобы обложки весили меньше. Я их делала через сканер, а не через файнридер. Мне через сканер понятнее, а в файниридере надо опять куда-то заходить и чего-то переустанавливать. Я еще до конца не освоилась со сканированием книг на своем компе. У меня почему-то с одними и теми же настройками тексты получаются по чистоте сканирования разными. Одни почти нормальные, а другие сплошная грязь.
_________________

 » Ссылка на тех.помощь

У нас по этому поводу был уже огромный диспут.
Лучшим вариантом избавления признаны подсказки PeterGirl
здесь и здесь
_________________

 » И снова о замене дефисов на тире

Если это обычный дефис:
Правка - заменить (Ctrl+H), встаем на найти - ставим пробел дефис пробел (еще можно поменять дефис пробел), затем на заменить на - открываем больше и опять становимся на заменить на - ставим пробел, щелкаем на специальный и выбираем длинное тире - ставяться ^+ и опять пробел (если впереди на замену нет пробела, тогда и тут его не ставим спереди) и нажимаем заменить все.
Только внимание: если где-то есть дефис написанный через пробелы, а нужен именно он, то он тоже заменится!
Кстати очень удобно если есть стандартные ошибки в тексте. Я частенько им пользуюсь. Там можно менять и расположение на странице и особенности шрифта. Только надо руку набить.
_________________

 » Макрос, перевоящий маркированный список в текст

Дора, прости что торможу -- на работе пользователи чего-то хотят.
Вот она инструкция (если не получится, напиши):

Общая идея: в WORD'е есть много разных действий, которые можно выполнить из МЕНЮ. Если в МЕНЮ нужного действия не достает, то МЕНЮ можно расширить макросами. То есть макрос -- еще одна строчка МЕНЮ, которую добавляем и программируем на нужное действие. Макросов может быть сколько угодно.

Итак, нам нужно добавить в WORD макрос, который нумераторы элементов списков превращает в обычный текст:
1. Откроем WORD (пустой);
2. Сохраним его под именем Отмена_Списков.doc (или каким-нибудь другим);
3. Пройдем по [Сервис] -> [Макрос] -> [Начать запись] (красный кружочек, и откроется окошко "Запись макроса");
4. В окошке "Запись макроса"
-- введем в поле "Имя макроса:" текст "Отмена_списков" (без пробелов -- с подчерком),
-- в поле "Макрос доступен для:" выберем из списка "Всех документов (Normal.dot)" (оно там изначально уже выбрано)
-- нажмем кнопку [ОК];
5. Нажмем пробел;
6. Нажмем кнопку с синим квадратиком в окошке "Остановить запись".

Это мы сделали "пустой макрос", теперь его нужно запрограммировать.
7. Пройдем по [Сервис] -> [Макрос] -> [Макросы] (зеленый треугольник, и откроется окошко "Макрос");
8. Щелкнем для выбора в списке под полем "Имя:" макрос Отмена_списков;
9. Нажмем кнопку [Изменить] (откроется редактор макроса);
10. Заменим текст
Selection.TypeText Text:=" " (это записано, как мы пробел вводили)
на текст
ActiveDocument.ConvertNumbersToText
(это заклинание как раз превращает нумераторы списков в текстовый аналог);
11. Нажмем дискетку (сохранить) в левом верхнем углу окошка "Microsoft Visual Basic - Normal";
12. Крестик (закрыть) в правом верхнем углу окошка "Microsoft Visual Basic - Normal" (это мы редактор закрыли);
13. Нажмем дискетку (сохранить) в левом верхнем углу окошка "Отмена_списков.doc - "Microsoft Word".
Вот теперь мы добавили в WORD на нашем компьютере макрос Отмена_списков. Ура.

Как его использовать (на нашем компьютере, где мы сохраняли Отмена_Списков.doc):
1. Откроем .DOC со сканом;
2. Пройдем по [Сервис] -> [Макрос] -> [Макросы] (зеленый треугольник, и откроется окошко "Макрос");
3. Щелкнем для выбора в списке под полем "Имя:" макрос Отмена_списков;
4. Нажмем кнопку [Выполнить] (макрос выполнится) (а можно было прямо в списке даблкликнуть на нашем макросе, тогда и кнопка не нужна).

Вот и вся наука.