Прежде чем обрабатывать сложный скан, определите, в чём именно дефект. Наклонённый текст, повёрнутая страница, размытие, тёмная тень у корешка и обрезанные поля требуют разных действий. Если включить все средства очистки сразу, можно стереть и полезные пометки — так же легко, как убрать шум.
Храните исходник без изменений. Проверяйте настройки на копии нескольких характерных страниц, прежде чем применять их ко всей книге.
Отделите дефекты, которые можно исправить, от утраченной информации
| Дефект | Что проверить | Что делать дальше |
|---|---|---|
| Небольшой наклон | Строки идут под уклоном, но остаются чёткими | Попробуйте выровнять перекос |
| Страница повёрнута набок или вверх ногами | Неверная ориентация для чтения | Исправьте поворот |
| Тень от корешка | Мелкий текст пропадает ближе к сгибу | По возможности сделайте снимок получше |
| Размытие или смазанность от движения | Штрихи букв сливаются | Пересканируйте или найдите более чёткий источник |
| Обрезанные поля | Не хватает знаков или пометок на полях | Восстановите полную исходную страницу |
| Пятна или тёмные края | Шум мешает читать мелкий шрифт | Попробуйте осторожную очистку, не стирая содержимое |
Увеличение уже размытого изображения не возвращает утраченные детали букв. Слово, угаданное по контексту, — не то же самое, что восстановленный текст источника. Отмечайте действительно нечитаемые места и не считайте гладкий текст после распознавания или перевода доказательством его правильности.
Применяйте внешнюю предобработку осознанно
Это сторонние средства подготовки, а не инструменты редактирования изображений в PDF Craft. Adobe описывает свои средства улучшения сканов в разделе «Сканирование и OCR». Следуйте актуальной инструкции для вашей версии, сохраняйте рабочую копию и просматривайте результат, прежде чем что-то заменять.
Для работы в командной строке обратитесь к сборнику рецептов OCRmyPDF, где объясняется разница между поворотом страницы и исправлением перекоса. Для подходящим образом подготовленного тестового файла в его документации есть такие параметры:
ocrmypdf --deskew --rotate-pages input.pdf output.pdf
В этом примере результат записывается в отдельный файл; это не команда, которую нужно выполнять перед каждой задачей в PDF Craft. Установите и настройте внешний инструмент по его документации, при необходимости выберите нужные языки распознавания и прочитайте предупреждения, относящиеся к вашему источнику. Не добавляйте разрушительные параметры очистки только потому, что их использует постороннее руководство.
В рекомендациях Tesseract по качеству объясняется, как качество исходника и перекос влияют на распознавание. Эти советы относятся к данному движку OCR и не обещают, что одна универсальная настройка подойдёт любой книге.
Сравнивайте одни и те же страницы до и после обработки
Возьмите обычную страницу и сложную — с мелким шрифтом, примечаниями или таблицей. Сохраняйте их исходное положение. Меняйте за один раз одну значимую настройку, чтобы понять, что помогло, а что испортило изображение.
Сравнивайте и внешний вид, и распознанный текст. Проверяйте знаки препинания, десятичные запятые и точки, минусы, надстрочные знаки и тонкие линии таблиц. Сильный контраст может сделать страницу визуально чище, но стереть бледные штрихи, которые важны.
Проверьте также поля и область у корешка. Обрезка, убирающая чёрную рамку, может заодно удалить знак сноски. Очистка, улучшающая основной текст, может испортить иллюстрации или рукописные пометки. Не судите об успехе только по самому заметному абзацу.
Записывайте настройки и оставшиеся дефекты. Небольшая выборка помогает оценить объём проверки, но не даёт процента точности по всей книге.
Выбирайте формат результата, только когда источник пригоден для работы
Берите EPUB, если нужно продолжать читать текст с настраиваемым размером шрифта. Берите Markdown, если нужны материалы для редактирования или исследовательских заметок. PDF сохраняйте для исходного вида страниц и сверки с источником.
В рабочей области PDF загрузите подготовленный PDF и выберите нужный формат результата и настройки перевода. Для EPUB и Markdown перевод необязателен, а для PDF он требуется. Адрес сайта сам эти параметры не выбирает.
Новые пользователи получают пробные кредиты, а обработка оплачивается по фактическому использованию. Перед отправкой большого собрания книг ознакомьтесь с действующими ограничениями и ценами. PDF Craft не обещает восстановить каждый повреждённый символ или воспроизвести всю сложную вёрстку без проверки.
Отмечайте неясные места при окончательной проверке
После скачивания вернитесь к тем же сложным страницам. Сверьте порядок абзацев, мелкие примечания, формулы и текст у корешка. Если используется перевод и какое-то предложение кажется странным, посмотрите на исходное изображение: возможно, ошибка возникла ещё при распознавании.
В руководстве по переводу сканированных PDF описана последующая проверка. В руководстве по OCR и переводу объясняется, почему распознавание и смысл нужно проверять отдельно. Храните исходник и подготовленную копию вместе, чтобы позднее можно было проследить исправления.