[Armin]

Тема-побратим.
ScanKromsator Программа для обработки сканов книг. Вопросы, советы, хитрости, обсуждение.

Сетевой каталог отсканированной литературы от Wer666 (пока без ссылки, ищем сетевой ресурс).

Чтобы посмотреть выложенную в данной теме литературу (все вложения в данной теме) заходим в раздел "Поиск литературы, чертежей, моделей и прочих материалов". Возле названия темы "Ваши сканы, наша обработка и перевод в DJVU" жмём на изображение скрепки (см. рис).




КРЫЛОВ СМ - Экспериментальное исследование работы железобетонных перекрытий каркасных зданий (статья).
Руководство по проектированию свайных фундаментов 1980
Клейн ГК = Расчет подпорных стен_1964 OCR HypLink (версия от Armin)
ДПМ-Пульс-01_60 (серия по противопожарным дверям)
Пособия по проектированию ЖБК без предварительного напряжения
СНиП 3.02.01-87 Земляные сооружения, основания и фундаменты (2007)
СНиП 2.02.01-83* Основания зданий и сооружений (не окончательная версия)
Макаров ЕВ Светлаков НД = Справочные таблицы весов строительных материалов (версия от Armin)
Строительные работы в зимних условиях Справочное пособие 1953
Пешковский ОИ "Технология изготовления металлических конструкций"
Мурашев ВИ "Трещиноустойчивость, жесткость и прочность железобетона" 1950 (версия от Armin)
Слицкоухов Ю.В. Индустриальные деревянные конструкции 1991 (версия от Armin)
Филиппов Н.А. Константинов И.А. Примеры расчёта и проектирования деревянных конструкций. 1965 (версия от ЛАО)
Арленинов Д.К. и др. Конструкции из дерева и пластмасс. 2002 (версия от ЛАО)
Арленинов Д.К. и др. Конструкции из дерева и пластмасс. 2002 (версия от Armin)
пока до #160

Старое название темы.
Умеeшь сканировать, но не умеешь обрабатывать сканы и переводить в DJVU? Постараемся помочь.

Про ценность отсканированной литературы, выкладываемой в общий доступ, понятно всем.

У многих есть возможность отсканировать и выложить необработанные сканы в инете (на файлообменниках и т.п.).
Но вот умения/возможности/времени обработать сканы (удалить мусор, на страницы порезать, перевести всё это в формат DJVU и т.д.) нет.

У меня есть предложение для таких людей.
Выкладывайте свои сканы, а я (и другие заинтересованные формучане) поможем вам обработать данные растровые файлы и поможем привести в божеский вид.

Естественно всё один я не потяну и интересны мне в основном книги связанные с проектированием (расчет/конструирование) железобетонных и прочих конструкций, зданий и сооружений (особенно старые, годов с 30-ых).

Предлагаю выкладывать в данной теме название книги, которую Вы имеете возможность отсканировать + один отсканированный лист, чтоб была возможность подсказать, как лучше сделать (в каком лучше разрешении и формате сканировать, чтоб получился хороший результат).

Статьи по поводу сканирования с http://djvu-soft.narod.ru

Сканирование бумажной книги. В результате получаются т.н. "сырые сканы"- серые или цветные необработанные изображения страниц книги. Смысл - получение "сырья" для будущей электронной книги. Рекомендуемая программа - Irfan View.

1. Не используйте программу ABBYY FineReader версий 7, 8 или ниже для сканирования книг. Она корёжит получаемые скан-изображения страниц книги. Можно использовать программу ABBYY FineReader 9 для этого - но перед сканированием сбросьте там в опциях галку "Исправлять перекос страниц".

2. Не сканируйте книги в чёрно-белом режиме (Black-White или Line Art или 1-bit), а ТОЛЬКО в режиме серого (Greyscale, или 8-bit) или цветного (Color, или 32-bit) - если книга содержит цветные рисунки. Сканирование в чёрно-белом режиме приводит в итоге к необратимому ухудшению качества получаемой DjVu-эл.книги. Данный режим сканирования задаётся в интерфейсе сканера - т.е. в том окне, которое появляется после нажатия в программе кнопки "Сканировать".

3. Не сканируйте в формат JPG. Формат JPG "размывает" скан-изображения страниц книги.

4. Не используйте опцию "Заменять неуверенно-распознанные символы их изображениями" - когда создаёте Pdf-эл.книгу в ABBYY FineReader - такие эл. книги выглядят ужасно.

5. Сканируйте книги в формат TIF и с разрешением не менее 300 DPI. Для наиболее высокого качества сканируйте с разрешением 600 DPI.

Эта мини-инструкция в картинках, описывающая полный цикл создания электронной версии научно-технической книги, и предназначена для человека, искренне захотевшего сделать приемлемого качества е-книгу, но не знающего с чего начать. Важно понимать, что существует немало апробированных методов создания достаточно качественных e-книг, все они характеризуются тем, что на выходе книга, как правило, научно-техническая, имеет разрешения 600 dpi ч/б (все книги в 300 dpi ч/б, несмотря на все старания создателей, явно проигрывают в качестве).

Рассматриваемая здесь метода, основана на сканировании в 300 dpi, в градациях серого (600 dpi ч/б будет после обработки). По этому поводу следует заметить, что уменьшение геометрического размера сырого скана в 4 раза, по сравнению со сканированием в 600 dpi, практически компенсируется увеличением глубины цвета в 8 раз (зато скорость сканирования возрастает в 2 раза ), а также уменьшением количества паразитного мусора (чистить практически не надо будет).

Беря в руки увесистую книгу, многие думают, что отсканировать ее может только маньяк. Совершенно верно, именно так. Без применения научно-организованного подхода, любая работа превращается в мучение, но, сделав работу незаметной, хоть большого удовольствия и не получишь, но дело сделаешь.

Для сканирования сгодится любая программа, способная взаимодействовать с TWAIN-драйвером сканера и сохранять отсканированные изображения на диск, нумеруя их удобным способом. Сойдет любой просмотровщик графических файлов: ACDSee, IrfanView, XnView… Если ваш сканер поддерживается программой сканирования VueScan, можете использовать и ее.

Например, в IrfanView (скачайте свежую версию этой бесплатной программы) это выглядит примерно так:
- В меню Файл жмем пункт Выбрать TWAIN-источник…
- Далее, там же, выбираем пункт меню Получить изображение/пакетное сканирование…

здесь выбираем, как будут нумероваться файлы сканов, где они будут складироваться и тип графического формата. Не забудем проверить Опции графического формата:

можно выбрать или Без сжатия или LZW (внимание, не все программы корректно с ним работают), в последнем случае размер файла на выходе будет примерно в два раза меньше. Можно, наверное, и ZIP, но это проверьте самостоятельно.
- жмем на кнопку OK и переходим в окно TWAIN Вашего сканера.

Сама техника сканирования незатейлива:
Берется книга, кладется разворотом (т.е. двумя страницами) на стекло, прижимается если надо сверху рукой (это быстрее, чем использовать груз).
Делается предварительное сканирование.
Картинка, если это возможно, в окне сканирования, разворачивается на 90 градусов (в нормальное положение).
Выбирается область сканирования с некоторым запасом, как правило по горизонтали (по вертикали трудно промахнутся).
Мышкой жмется кнопка основного сканирования.
После того, как данный разворот отсканирован, во время обратного движения каретки сканера, переворачиваем страницу книги, кладем на то же место и жмем опять на левую кнопку мыши (курсор ведь остался на кнопке сканирования), и так пока книга не кончится.

Т.е. идея проста, сканируем развороты вслепую. Этим достигаем максимальной скорости сканирования, которая ограничена только техническими характеристиками сканера, и полной свободы головы. Таким образом, во время сканирования, Вы можете заниматься многими другими вещами, да хоть кино посмотреть.

Небольших перекосов, отсканированных страниц, бояться не стоит, это будет исправлено при последующей обработке, но все же надо соблюдать аккуратность. Желательно всё ж таки серединку прижимать посильнее, исправление геометрических искажений строк здесь не будет рассмотрено.

Не забываем, что сканируем с разрешением 300 дпи и в градациях серого (greyscale), если будете сканировать в черно-белом режиме при 300 дпи, то просто потеряете время (хорошая книжка уже не получится).

На выходе этого этапа получаем так называемый сырой материал – файлы в формате tiff с разрешением 300 dpi в градациях серого, обычно размер каждого файла, без использования сжатия, составляет примерно 8 мегабайт (4 при LZW).

Скорость сканирования может достигать до 200 и даже более разворотов (400 страниц) в час, на сканере со скоростью 16 секунд на сканирование А4, т.е. сканирование среднестатистической книги, займет не более 2 часов времени! Ну, а если у Вас Plustek OpticBook 3600, то за час можно отсканировать более 500 страниц (250 разворотов).

Обычно первый и последний разворот книги содержат по одной странице. Ну, так и сканируем их по одной, т.е. все-таки придется сделать 3 предварительных сканирования на книгу .

Лично я раньше сканировал книги в формате tiff (CCITT Fax 4) 600 dpi ч/б. Приемлимо только для новых книг (белая бумага и чёткий текст и картинки).
У нас на работе инженерная машина (принтер/копир/сканер) только этот формат поддерживала. На данный момент аппаратуру обновили и сканирую только в tiff 600 dpi с оттенками серого или в цвете.
Повторюсь, что не надо сканировать в jpeg.
Самое лучшее - несжатый tiff в оттенках серого 600 dpi (чтоб по менее файлы весили можно использовать сжатие ZIP или LZW - потерь не будет).
В большинстве случаев хватит и разрешения 300 dpi при сканировании в формате tiff в оттенках серого.

Пересохранять файлы tiff с разным сжатием можно с помощью бесплатной программы Irfan View.

Многое зависит от качества бумажного оригинала.
По этому я и предлагаю для начала отсканировать из книги один лист/разворот и выложить в теме. Посмотрим на качество и сформулируем рекомендации для конкретного данного случая.

Жутко простая и жутко удобная программка на русском языке для обработки сканов Scan Tailor.
С хорошо сделанными сканами справляется на ура. Саму программу см. вложение scantailor-0.9.10-install.zip

Ссылка на программу СканКромсатор версии 5.91
Описание работы с программой СканКромсатор (ScanAndShare1.07, пдф-ка)
Полезныя ссылка на статью по поводу создания книг DJVU
Как сделать DJVU-книгу

Добавлено (февраль 2012).
По поводу внедрения текстового слоя (ссылку на статью убрал, ибо стала не рабочей).
Советую программу ABBYY FineReader 11.0. Открываем в ней книгу в формате DJVU, распознаём, сохраняем в DJVU (уже с текстовым слоем).
Раньше для внедрения текстового слоя приходилось использовать несколько программ, сейчас всё намного проще.
Ссылка на пост с программкой и инструкцией по её использованию для автоматического внедрения текстового слоя с помощью ABBYY FineReader 11.0 сразу в несколько книг (пакетная обработка). Благодарствие DEM
Сделать оглавление в книге можно легко с помощью Pdf & DjVu Bookmarker Просто попробуйте
Просьба. Если у кого есть в бумажном виде:
1) М.Я. Штаерман, А.М. Ивянский "Безбалочные перекрытия" 1953.
2) Голышев А. Б. и др. "Железобетонные конструкции" (часть I и часть 2) 2001
3) Железобетонные стены сейсмостойких зданий: Исследования и основы проектирования / под редакцией Г.Н. Ашкинадзе и М.Е. Соколова
Москва, Стройиздат, 1988
отсканируйте пожалуйста в хорошем разрешении (не менее 300 dpi) в tiff в оттенках серого.
На сайте уже есть эти книги, но не в очень хорошем качестве.
PPS: Самое основное и главное требование к сканам книг, которые вы делаете или будете делать и в дальнейшем выкладывать в общий доступ.
...
Делайте, как для себя.

http://djvu-spec.narod.ru
О том как правильно делать OCR в DJVU (FineReader 11)
Последний релиз Scantailor

[eilukha]

Сообщение от Armin 5. С помощью программы DjvuOCR достаю текстовый файл (*.txt) из второй раздутой версии.

- я тоже так думал. Самое интересное, что слой можно достать даже если его нет (попробуйте). Т. е. программа заново распознаёт документ и накладывает слой копирует в указанное место, а не вытаскивает существующий.

----- добавлено через ~1 мин. -----

Сообщение от Armin 7. Вуаля, имеем файл DJVU с текстовым слоем не раздутого размера.

- качество распознавания там плохое.

----- добавлено через ~3 мин. -----

Сообщение от Николевич Потом сохраняю, как jpg

- разве при этом качество не теряется?

[Николаевич]

Сообщение от eilukha разве при этом качество не теряется?

А кто его знает? Хуже уж иногда не бывает...
Пы.сы. Обыкновенный Paint иногда лучше Finereader...

[eilukha]

Сообщение от Armin Повторюсь, что не надо сканировать в jpeg.

- Николевич, см. шапку темы. Теряется инфа полученная при сканировании, только тиф и только оттенки серого.

[Armin]

Сообщение от eilukha - качество распознавания там плохое.

В смысле плохое?
Я беру из раздутого DJVU текстовый слой (распознанный FineReader и сжатый в DJVU) и вставляю его в DJVU сжатый другой программой.
Текстовый слой, как я разумел, не меняется.
Качества распознания лучше, чем у FineReader я не знаю.

Т. е. программа заново распознаёт документ и накладывает слой копирует в указанное место, а не вытаскивает существующий.

Хм ... надо проверить, за такую тему я не в курсе.
То, что DjvuOCR может сама что-то распознавать - для меня новость.
В описании к программе она позиционируется, как

Программа для добавление OCR информации к DJVU-книги с помощью програмы распознавания текста FineReader

------------------------------------------------------------------ A program for adding OCR information to Djvu books with the text-recognizing program FineReader v 7.x/8.x ------------------------------------------------------------------ OCR information in Djvu books allows searching and copying of text. Basic idea of the program: 1) there is a Djvu book; 2) the program helps for extracting the pages' graphic images from the book; 3) load this images in FineReader and recognize them; 4) the program processes the work files of the FineReader, extracts the necessary information, and creates OCR layer in the book mentioned in 1). FineReader is used as the best text-recognizing program. For the mentioned purposes is enough only the demo-version(try&buy version) The necessary documentation how the program works is in the "doc" folder. Programs: FRFGrab - console version DjvuOCR - Win32 GUI version Djvused - a standart program from the djvulibre package DjvuDecoder - a standart program for extracting graphic images of the pages from the Djvu book

Какая версия DjvuOCR (у меня 2.4)?

PS: Уточнил версию, ABBYY FineReader 11 у меня.

[Николаевич]

Сообщение от eilukha Николевич, см. шапку темы.

При чем здесь шапка темы??? При чем здесь Tiff?
А мне jpeg-серый больше нравится, сглаживает черно-белые границы.
Да и Djvu-файлы получаются не хуже, чем из Tiff...

Пы.сы. А если пропустить через FineReader 12, то вообще прекрасная предобработка...

[eilukha]

Сообщение от Armin Какая версия DjvuOCR (у меня 2.4)? PS: Уточнил версию, ABBYY FineReader 11 у меня.

- тоже самое.

----- добавлено через ~32 мин. -----
Armin, я ошибся, не распознает, т. к. пустой файл в итоге даёт.
Но файлы полученные через DjvuOCR имеют лишние (двойные) пробелы.

[Armin]

Сообщение от Николевич При чем здесь шапка темы??? При чем здесь Tiff? А мне jpeg-серый больше нравится, сглаживает черно-белые границы. Да и Djvu-файлы получаются не хуже, чем из Tiff...

За счёт "размазывания" при сохранении в jpeg можно получить размытые перемычки в буквах ("и", "н" и т.п.). В последствие при переводе в ч/б вариант они могут вообще потеряться (это, кстати можно увидеть в обработаной версии Улицкого).
Если разрешение скана 600dpi и более + текст в книге не самого мелкого размера, ухудшение качества будет не так заметно (хотя всё равно может отразится на мелких индексах в формулах (степени и пр.)).

Размытие (ручками в редакторах или путем сохранения в jpeg (с контролем степени сжатия)) актуально для не правильно выполненных сканов.
Например выполнены ч/б сканы в маленьком разрешении. Я предварительно увеличивал разрешение и соответственно размер сканов, получал больше квадратов-пикселей на букву (при этом меньше потерь при обработке и сжатии), потом использовал сглаживание (одним из вышеперечисленных методов), чтобы уйти от "зазубрин-лесенок".

Если сканируешь сам в серый tiff без потерь с разрешением не менее 300 dpi (в идеале не менее 600 dpi) - такие танцы с бубном вообще не актуальны.

[eilukha]

Сообщение от Armin одним из вышеперечисленны

- где перечисленных?

[Armin]

Сообщение от eilukha - где перечисленных?

Размытие (ручками в редакторах или путем сохранения в jpeg (с контролем степени сжатия)).

Например в Gimp - фильтр "Гауссово размывание", Spotlight Pro - фильтр "размыть" (для ч/б - фильтр "сгладить").

[eilukha]

Сообщение от Armin Spotlight Pro

- в этом делал, удобен пакетный режим. Но применял не совсем для этого.
Зазубрины-лесенки букв отлично исправляет такая схема: Исходный > ClearScan (в Адоб) > tiff ч/б (dpi как в исходном или кратно выше) > джвю. При кратном (1 или 2) разрешении хорошо пакуются картинки, для которых не применяется или плохо применяется обработка ClearScan.

[Николаевич]

Сообщение от eilukha Читать по-приятнее стало. Миниатюры * *

А формулы математические так тоже разберет? Страницы формул!?

[eilukha]

Сообщение от Николевич так тоже разберет?

- а какая разница?

[sasa-2]

В коллективную таблицу для использования. Критика приветствуется.

[eilukha]

Как победить лишние пробелы?

1. Если сохранять текстовый слой в FR, то лишних пробелов нет, но такой файл плох большим весом.
2. Если сохранять текстовый слой через DjvuOCR, то появляются двойные (тройные) пробелы, ухудшающие возможности поиска.
3. Что интересно, лишние пробелы появляются после DjvuOCR, в исходном файле из FR их нет.

----- добавлено через ~2 мин. -----

Сообщение от sasa-2 Критика приветствуется

- сделайте вариант с ClearScan (в Адоб).

----- добавлено через ~45 мин. -----
Пересканированная книга Проектирование железобетонных конструкций, Справочное пособие, Голышев, Будивельник, 1985, четыре варианта обработки. Какой лучший?

[Timonicheff]

Голышев_ЖБК_Адоб_1200.djvu

Хотя и через СканТэйлор офигительна) Но уж долго будет на смартфоне открываться...))))

[eilukha]

Сообщение от Timonicheff через СканТэйлор офигительна)

- это версия максимально близкая к оригиналу, разрешение вывода - 1200 dpi.

----- добавлено через ~15 ч. -----
Голышев_ЖБК в днл, будет доступна после модерации.

----- добавлено через ~15 ч. -----

Сообщение от Timonicheff на смартфоне

- неужели на смартфоне 600 и 1200 dpi отличить можно?

[sasa-2]

к посту 2594

Сообщение от eilukha - сделайте вариант с ClearScan (в Адоб).

Поподробней, если возможно. Процесс, предложенный Вами, распишите.

[eilukha]

Перегоняете в адоб, далее там: Инструменты > Распознавание текста > В этом файле > См. картинку.
Обсуждалось тут.

[Timonicheff]

Сообщение от eilukha - неужели на смартфоне 600 и 1200 dpi отличить можно?

нет конечно) всё просто - тяжёлая версия тяжелее открывается
ну а на РС лучше конечно 1200 dpi.

[PashaStr]

В download выложить не дали, пускай будет здесь, много норм американского института бетона ACI. Может быть кому-нибудь будет полезно