[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

[bap]

раз пошла такая тема, то под шумок, и мои сканы обработайте - рекомендации по расчету и проектированию звукопоглощающих облицовок

[Stierlitz]

Сообщение от Кочетков Андрей Спасибо за исходники )) СНиП II-12-77 Защита от шума PDF http://narod.ru/disk/42439163001.d7f...D0%B0.pdf.html http://rghost.ru/36790411 DJVU

руководство и СНиП отправил в даунлод еще в в четверг вечером, админ пока не обработал

[Сергей Козовник]

Сообщение от Сергей Козовник Выкладываю первую часть Ермошкин "Устройство буронабивных свай"

остальное от Ермошкина:

Интересно, а никто не натыкался на качественный скан Пособия к СНиПу Каменные и армокаменные конструкции? а то я нашел в даунлоде файл на 40 метров и пишет автор bap, что качество не очень... Так может, пока есть возможность у меня, я его того, отсканирую?

[Сергей Ружинский]

А не пора ли сделать стандартом «djvu + OCR» ? Ведь FR-11 уже пол года как вышел.

[Солидворкер]

Сообщение от Сергей Ружинский А не пора ли сделать стандартом «djvu + OCR» ? Ведь FR-11 уже пол года как вышел.

Сергей Ружинский, в этой теме все в твоих руках, продвигай стандарт

[Stierlitz]

Сообщение от Сергей Ружинский А не пора ли сделать стандартом «djvu + OCR» ? Ведь FR-11 уже пол года как вышел.

эээ
а что такое FR-11?

[Сергей Козовник]

файнридер, похоже

[Солидворкер]

Сообщение от guliaevskij а что такое FR-11?

Подозреваю, FineReader 11

[bap]

Сообщение от Сергей Козовник Интересно, а никто не натыкался на качественный скан Пособия к СНиПу Каменные и армокаменные конструкции? а то я нашел в даунлоде файл на 40 метров и пишет автор bap, что качество не очень... Так может, пока есть возможность у меня, я его того, отсканирую?

тут качество получше моего (дежавю, 11 метров) http://dwg.ru/dnl/8605

[Сергей Козовник]

Оооо! Спасибо! чето у меня с поиском туго)

[Сергей Ружинский]

FR-11 это действительно FineReader 11

http://www.abbyy.ru/finereader/

Программа платная, я покупаю, начиная с 8 версии, но … не мне Вас учить, короче.

Суть распознанного слоя в файле-контейнере (pdf, djvu) – это перевод информационного потока большой мощности (отдельная книга, или целая библиотека книг) из категории «База данных» в категорию «База знаний».

Если Вы откроете файл djvu то увидите текст и сможете его прочесть и понять задействуя для этого приобретенную (в школе) способность распознавать графические образы (буквы), преобразовывая их в смысловые. Читать короче.
Компьютер воспринимает тот-же файл как графический образ, как картинку.
Компьютер «видит» не буквы, а набор пикселов, соответственно он не может выполнить рутинную работу по поиску, каталогизации, упорядочению, выстроению семантических связей и т.д. над информацией. Извлечь информацию из djvu файла может только человек, читая книгу. А это затраты времени, порой неоправданно большие или ненужные – ну нет нужной информации в книге, но об этом узнаешь только прочитав книгу (как минимум – просмотрев).

Чтобы автоматизировать рутину по работе с информацией была разработана технология, когда под графическим слоем располагается т.н. текстовый слой. Преобразовывает графику в текст и «подкладывает» текстовый слой к уже имеющимся графическим Fine Reader. Есть и другие программы, но FR общепризнанный лидер.

И хотя сам формат djvu по умолчанию предполагал возможность внедрения текстового слоя, донедавна формат djvu был обделен в этом вопросе в основном потому, что ABBYY не развивала это направление. Существовала программа (скрипты, насколько я понял) от болгарского программиста Генчо, которая в весьма запутанный способ, и используя промежуточные результаты все того-же FR создавала djvu с текстовым слоем (djvu + OCR). Но это был очень громоздкий, сложный и запутанный процесс. Тем не менее именно стараниями Генчо «djvu + OCR» начал понемногу развиваться. Нижайший ему поклон за это.

Много лет группа энтузиастов выедала моск ABBYY (разработчик FR) на ихнем Форуме с просьбой ввести функцию создания djvu с текстовым слоем. Проблема заключалась в том, что ABBYY нужно было покупать лицензии на кодирование в djvu (открытие не требует лицензий).
Короче начиная с FR-9 появилась функция открытия djvu (с сохранением распознанного в pdf) а в FR-11 уже полноценно работает сохранеие в «djvu + OCR».
Следует признать, что сохранение в djvu в FR-11 не совсем отработано (в первую очередь скорость выгонки файла) но работать уже вполне можно, а на мощных компах недостатки практически незаметны.
Если оценивать потребительскую ценность электронной книги, то 90% я бы отдал на наличие текстового слоя, и уже остальные 10% - на все остальные «украшательства» - поля, фон, красивости, порезанные страницы и т.д.

Уважаемый Модератор – я тут немного наофтопичил. Может в отдельную тему?

[Солидворкер]

Сергей Ружинский, а ничего, что Armin еще в первом посте расписал про OCR, причем есть софт, который оптимизирован под DJVU и при этом абсолютно бесплатен?
А самое главное, текстовый слой уже давно с успехом применяется, в т.ч. в этой теме?

[Кочетков Андрей]

Сообщение от Сергей Ружинский Суть распознанного слоя в файле-контейнере (pdf, djvu) – это перевод информационного потока большой мощности (отдельная книга, или целая библиотека книг) из категории «База данных» в категорию «База знаний».

Это хорошая затея, но честно говоря на обработку есть очень мало времени. Если еще заниматься распознаванием, то времени станет еще меньше ))) С другой стороны, если процесс распознавания и внедрения текстового слоя выполнить в полностью автоматическом режиме, то и времени это сильно много не займет, но и качество распознавания пострадает.

[Сергей Ружинский]

Сообщение от Кочетков Андрей если процесс распознавания и внедрения текстового слоя выполнить в полностью автоматическом режиме, то и времени это сильно много не займет, но и качество распознавания пострадает.

Полная автоматизация внедрения OCR в djvu (реализованная в FR-11) как раз и ориентирована на это – автоматически и без излишних усилий. Для чайников, короче.
А вот качество распознавания у FR намного лучше, чем у остальных аналогичных проектов OCR. Во всяком случае для русскоязычных текстов.

Сообщение от Солидворкер Сергей Ружинский, а ничего, что Armin еще в первом посте расписал про OCR, причем есть софт, который оптимизирован под DJVU и при этом абсолютно бесплатен?

Ссылка («Создание в djvu-файле текстового слоя и интерактивного содержания») у меня не открывается – проверьте.
То, что, как я догадываюсь, скрыто под этой ссылкой – рекомендации Соколова Д.С. как раз и иллюстрируют мою мысль о «…очень громоздкий, сложный и запутанный процесс…». Во всяком случае, испробовав много вариантов внедрения OCR в djvu, я пришел к выводу, что рекомендуемый мной способ (FR-11) на сегодняшний день лучший. Это сугубо мое личное мнение, руководствуясь которым я уже именно в такой способ переработа около 4000 файлов. Но не смею его навязывать. Делайте как кому удобней.

Сообщение от Солидворкер А самое главное, текстовый слой уже давно с успехом применяется, в т.ч. в этой теме?

То, что «djvu + OCR» давно и с успехом применяется никто и не сомневается. Тем более, что именно это было предусмотрено уже в рамках разработки стандарта. Но механизм внедрения текстового слоя был не доработан ( в первую очередь, думаю, из-за того, что Лизард слишком рано перестал поддерживать стандарт, отдав его на откуп принципиально не заинтересованной в этом организации. А скорее – из-за лоббирования интересов ADOBE. Ну да спецы в курсе.) Моя личная выборка (около 4000 файлов djvu) показывает, что текстовый слой имеют примерно 0.1%
Я говорил вообще-то не о «применяется/не применяется» а о том, что обязательным признаком качества внешней обработки (с задействованием усилий стронних узких специалистов) должен стать именно стандарт «djvu + OCR». И рекомендовал свой личный опыт для этого. Не смею настаивать.

[Кочетков Андрей]

Рекомендации по расчету и проектированию звукопоглощающих облицовок

PDF
http://rghost.ru/36824377
http://narod.ru/disk/42628602001.637...D0%B8.pdf.html

DJVU

[Солидворкер]

Сергей Ружинский, я просто намекаю, что на FR свет клином не сошелся

[Кочетков Андрей]

Как эксперимент прикладываю OCR версию последнего файла.:

[Сергей Козовник]

Ну, вроде с кириллицей хорошо справляется, нижний индекс распознает, как рядовой текст. С латиницей посложнее, не всегда определяет их как латинские, особенно, когда специальные символы появляются; кириллический шрифт иногда распознает как латинский, когда он идет в одной строчке с латинским (нижний индекс). С формулами посложнее. Ну, а с греческим и латинским беда.
А так, ниче, можно использовать, только сверять надо.

[Stierlitz]

как то достаточно давно попалось
Руководство по проектированию и устройству кровель из битумно-полимерных материалов кровельной компании ТехноНИКОЛЬ

формат очень не удобный, стандартные средства его плохо смотрят - многостраничный тиф, так и не понял чем его можно распоковать постранично
http://www.avral.ru/0aa46da9772ff6ec9df690917c9e5cb7

[Сергей Ружинский]

Конвертировал этот файл из многостраничного tif в djvu + OCR при помощи FR-11

Загрузка – 71 сек
Распознавания – 51 сек
Выгонка в djvu – 75 сек

Итого: - 197 сек (i7-2600, ОЗУ – 4 Гб, + eBoostr – 8 Гб, W7)