# Подготовка сканов низкого качества к OCR: размытие, перекос и тени

Как распознать типичные дефекты сканов, осторожно применять внешнюю предобработку, сравнивать одни и те же страницы до и после обработки и понимать, какие сведения восстановить невозможно.

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](https://helpx.adobe.com/acrobat/desktop/create-documents/scan-documents-to-pdfs/enhance-scans.html) 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](https://ocrmypdf.readthedocs.io/en/stable/cookbook.html), где объясняется разница между поворотом страницы и исправлением перекоса. Для подходящим образом подготовленного тестового файла в его документации есть такие параметры:

```sh
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](https://tesseract-ocr.github.io/tessdoc/ImproveQuality.html) 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](https://pdfcraft.ai/ru-RU/pdf-craft/) 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](https://pdfcraft.ai/ru-RU/pricing/). 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](https://pdfcraft.ai/ru-RU/blog/translate-scanned-pdf/) описана последующая проверка. В [руководстве по OCR и переводу](https://pdfcraft.ai/ru-RU/blog/ocr-and-translate-workflow/) объясняется, почему распознавание и смысл нужно проверять отдельно. Храните исходник и подготовленную копию вместе, чтобы позднее можно было проследить исправления.