# OCR 前先處理品質不佳的掃描檔：模糊、歪斜與陰影

判斷常見的掃描瑕疵，謹慎使用外部前處理工具，以同一批樣本比對處理前後，並認清哪些資訊是清理救不回來的。

處理一份棘手的掃描檔之前，先確認問題出在哪裡。文字歪斜、頁面轉了方向、影像模糊、裝訂處的暗影，以及邊界被裁掉，各自需要不同的處理方式。把所有清理選項全開，往往在去除雜訊的同時，也把有用的筆跡一併抹掉。

原始檔請保持不動。先拿幾頁具代表性的頁面做成副本，在副本上測試調整，確認沒問題再套用到整本書。

## 分清楚哪些瑕疵能修、哪些是資訊已經不見

| 瑕疵        | 該檢查什麼      | 合適的下一步           |
| --------- | ---------- | ---------------- |
| 輕微傾斜      | 線條歪斜但仍清晰   | 測試歪斜校正           |
| 頁面轉向或上下顛倒 | 閱讀方向不對     | 校正旋轉             |
| 裝訂陰影      | 靠近書溝的小字消失  | 情況允許時改用更好的拍攝來源   |
| 模糊或手震     | 筆畫糊在一起     | 重新掃描，或取得更清晰的來源   |
| 邊界被裁掉     | 字元或註記符號不見了 | 找回完整的原始頁面        |
| 斑點或黑邊     | 雜訊干擾小字辨識   | 測試保守的清理方式，避免抹掉內容 |

把本來就模糊的影像放大，並不會讓消失的字形細節回來。靠上下文猜出一個看似合理的詞，跟還原原始內容是兩回事。真的無法辨讀的地方就標記出來，不要因為 OCR 或翻譯結果讀起來通順，就當成內容正確。

## 有意識地使用外部前處理

以下這些是外部的前置準備做法，不是 PDF Craft 內建的影像編輯功能。Adobe 在「掃描與 OCR」底下說明了自家的[掃描增強工具](https://helpx.adobe.com/acrobat/desktop/create-documents/scan-documents-to-pdfs/enhance-scans.html)。請依你所用版本的現行說明操作，先另存一份工作副本，檢查結果之後再決定是否取代原檔。

若採用命令列流程，[OCRmyPDF 的 cookbook](https://ocrmypdf.readthedocs.io/en/stable/cookbook.html) 把旋轉和歪斜校正分開處理。針對準備妥當的測試檔，其文件記載的選項包括：

```sh
ocrmypdf --deskew --rotate-pages input.pdf output.pdf
```

這個範例會另外輸出一個檔案；它不是每次使用 PDF Craft 前都必須執行的指令。請依外部工具的文件完成安裝與設定，需要時選對辨識語言，並確實閱讀針對這份來源檔的警告訊息。不要只因為某篇不相干的教學用了某些破壞性清理選項，就照單全收。

[Tesseract 的品質建議](https://tesseract-ocr.github.io/tessdoc/ImproveQuality.html)說明了輸入品質與歪斜為何會影響辨識結果。那些建議是針對該 OCR 引擎，並不代表某一組通用設定就能解決每一本書。

## 用同一批頁面比對處理前後

挑一頁普通頁面，再挑一頁有難度的頁面，例如小字、註記或表格較多的頁面，並記住它們原本的位置。一次只做一項有意義的調整，這樣才分得清哪個步驟有幫助、哪個步驟反而破壞了影像。

影像內容和辨識出的文字都要比對。留意標點、小數點、負號、上標，以及表格的細線。對比拉高之後，頁面看起來也許更乾淨，但同時也可能讓原本微弱的筆畫消失。

邊界和裝訂處也要檢查。裁掉黑邊的同時，可能也把註腳符號裁掉了。清理後正文變清楚，插圖或手寫字卻可能受損。不要只看最顯眼的那一段就判斷成功。

把設定值和尚未解決的瑕疵記錄下來。小樣本有助於估算後續需要花多少人力校對，但不能拿來推算整本書的正確率。

## 來源檔確定可用之後，再決定輸出格式

如果目的是繼續閱讀、字級可調整，就選 EPUB。如果目的是編輯或做研究筆記，就選 Markdown。若需要保留原始頁面外觀、方便回頭核對來源，就保留 PDF。

在 [PDF 工作區](https://pdfcraft.ai/zh-Hant/pdf-craft/)上傳準備好的 PDF，再選擇實際要用的輸出格式與翻譯設定。EPUB 和 Markdown 的翻譯是選用的，PDF 輸出則必須翻譯。這些選擇不會因為你從網站進來就自動幫你決定。

新使用者會獲得試用額度，處理則依用量計費。送出大批藏書之前，請先確認目前的額度限制與[價格方案](https://pdfcraft.ai/zh-Hant/pricing/)。PDF Craft 不保證能還原每一個受損字元，也不保證所有複雜版面都能不經校對就完整重現。

## 最後檢查時，保留不確定的部分

下載之後，回到先前那幾頁有難度的頁面。比對段落順序、小字註記、公式，以及靠近書溝處的文字。如果有翻譯，遇到句子讀起來怪異時，回頭看原始影像；錯誤可能從辨識階段就已經產生。

[掃描版 PDF 翻譯指南](https://pdfcraft.ai/zh-Hant/blog/translate-scanned-pdf/)說明了後續的校對流程。[OCR 與翻譯工作流程指南](https://pdfcraft.ai/zh-Hant/blog/ocr-and-translate-workflow/)則解釋為什麼辨識和語意必須分開檢查。原始檔和處理後的副本請放在一起，日後修正時才追得回來源。