[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

[Armin]

Сообщение от 6pa4o Armin, можно обработать и конвертнуть в djvu? http://yadi.sk/d/AUGW97-c81X_2 Заранее спасибо!

Нормального качества PDF-ка со сканом в небольшом разрешении 300 dpi ч/б
СП 63.13330.2012 БиЖБ (Актуализированная редакция СНиП 52-01-2003).
Страницы вроде выровнены.
Только перевод в DJVU требуется?

[derik]

да не люблю пдф

[tankist]

Сообщение от Armin PDF-ка со сканом в не большом разрешении 300 dpi ч/б

Так сейчас так печатают. Сканировал оригинал 600 dpi в сером, результат http://dwg.ru/dnl/12183 не намного лучше.

[eilukha]

Сообщение от tankist не намного лучше.

- оригинал хороший был?

[tankist]

Сообщение от eilukha - оригинал хороший был?

Как я отсканировал в http://dwg.ru/dnl/12183 один, в один. Я уже говорил про качество новых СП. Такое впечатление, что печатают на струйном принтере не хорошего качества. И текст расплывается, если на него намочить и пальцем провести. Т.е. чернила для струйного принтера используются. Как то так.

[eilukha]

Значит, в данном случае 600 dpi излишне.
Offtop:

Сообщение от tankist печатают на струйном принтере не хорошего качества

зачем напрягаться, всё равно покупают.

[Armin]

Сообщение от 6pa4o да не люблю пдф

Перевёл в DJVU.

Сообщение от tankist Так сейчас так печатают. Сканировал оригинал 600 dpi в сером, результат http://dwg.ru/dnl/12183 не намного лучше.

Согласен! Качество печати новых сэпулек отвратительное.

[selega]

Сообщение от tankist Такое впечатление, что печатают на струйном принтере не хорошего качества.

\
И на дешевой газетной бумаге

[bap]

Отдаю в обработку:
1. Рякин - "Строповка грузов". 1968 + отдельные главы из разных книг о монтаже кранов, подкрановых путях, строповке.
2. Лысова "Справочник по капитальному ремонту жилых зданий" (главы VI-VII). 1977
3. Кичихин Н.Н. Изготовление и монтаж технологических металлических конструкций. 1967

[Baires]

Большое спасибо Armin и Андрею Кочеткову за ответы - помогло в работе.

Очередной вопрос - есть довольно большие документы в пдф. Думаю что в дежавю они будут значительно меньше по обьёму.

Кто может подсказать, какой способ лучше всего для конвертации растровых пдф в djvu?

[Кочетков Андрей]

Сообщение от Baires есть довольно большие документы в пдф

Выложите плиз один файл.
У PDF есть одна замечательная штука, которая называется ClearScan.
Если исходник обладает достаточным качеством, то результатом вы приятно удивитесь.

[eilukha]

Сообщение от Кочетков Андрей У PDF есть одна замечательная штука, которая называется ClearScan.

- это отдельная программа или функция в Адоб?

[Кочетков Андрей]

Сообщение от eilukha - это отдельная программа или функция в Адоб?

Это появилось по моему в 9-й версии.
Сидит в модуле распознавания текста.

Для примера добавил исходник страницы и результат CS.
Посмотрите с большим масштабом.

[Armin]

Для примера добавил исходник страницы и результат CS. Посмотрите с большим масштабом.

Круто. Можно поподробнее.
При приближении в PDF всё смотрится очень очень.
Можно такую же штуку с формулами, таблицами и греческими символами посмотреть (включая различного рода индексы и степени, считай маленькие символы)?
И, на сколько понимаю, не касается рисунков.
PS: Для обычного текста - крутотенюшка. У нас основная цель - техническая литература со всеми сложностями.

Сообщение от eilukha - да-да, Кочетков Андрей, колитесь по-шагово. Так и не понял это шрифт или приукрашенный скан, и вроде даже это вектор.

Мало на растр похоже, согласен.

[eilukha]

Сообщение от Armin Круто. Можно поподробнее.

- да-да, Кочетков Андрей, колитесь по-шагово. Так и не понял это шрифт или приукрашенный скан, и вроде даже это вектор.

[Кочетков Андрей]

Про ClearScan by Adobe:
Есть несколько условий, которым должен ("желательно должен") соответствовать исходный скан для получения приемлемого результата:
1. Высокое разрешение (официально от 300 dpi, но по моим опытам, лучше выше 400, идеально 600 для текста больше 10 кегля)
2. Цветовое пространство скана - ч/б
3. Если есть полутоновые картинки (в другом слое), то проверить на них результат векторизации.

Теперь что такое ClearScan:
Это замена контуров символов, векторными кривыми.
Также под слой с этими кривыми внедряется слой с распознанным текстом.

Что касается распознавания формул и спецсимволов, то никаких проблем нет, учитывая, что это не OCR, а лишь аппроксимация растра вектором.
Нужно лишь соблюсти условия в начале этого сообщения и хороший результат будет получен.
Если Акробат посчитает, что при векторизации какого либо участка растра могут возникнуть проблемы, то этот участок остается в растре.
В 9й версии были проблемы с размещением результата на странице (по моему в апдейтах это исправили): часть текста могла вылететь за пределы страницы.
В последних версиях Акробата таких проблем не наблюдается.

Пошагово:
Document - OCR Text Recognition - Recognize Text Using OCR и в открывшимся окне нажимаем Edit в разделе Settings
Далее:
Primary OCR Language – основной язык документа
PDF Output Style – ставим ClearScan
Downsample Images – разрешение скана

[Armin]

Андрей, просьба уточнить название программы. Adobe Acrobat Pro?

Также просьба со сканами в архиве (см. вложение) произвести теже манипуляции с получением PDF, что и в #1513.
Специально подобрал сканы из двух книг с таблицами, формулами и картинками.

[Кочетков Андрей]

Сообщение от Armin Андрей, просьба уточнить название программы. Adobe Acrobat Pro?

Да, версия, выше 9й.

[eilukha]

Кочетков Андрей, подскажите ещё по pdf: имеется файл, который Адоб отказывается распознавать, говорит уже содержится текст, но при копировании текста из из него и вставки в другой документ получаю такое:

........................................................................................................... 12 1.1.3. Ñîïðîòèâëåíèå õðóïêîìó ðàçðóøåíèþ.................................................................. 15 1.1.4. Ñîïðîòèâëåíèå âÿçêîìó ðàçðóøåíèþ .................................................................... 21 1.1.5. Òåõíèêî-ýêîíîìè÷åñêàÿ ýôôåêòèâíîñòü ............................................................... 23 1.2. Êëàññèôèêàöèÿ ñòàëåé ....................................................................................................... 26 1.3. Ñòàëü óãëåðîäèñòàÿ îáûêíîâåííîãî êà÷åñòâà .................................................................. 32 1.4. Íèçêîëåãèðîâàííûå ñòàëè ïîâûøåííîé ïðî÷íîñòè....................................................... 40 1.5. Âûñîêîïðî÷íûå ñòàëè ñ êàðáîíèòðèäíûì óïðî÷íåíèåì ñ ôåððèòî-ïåðëèòíîé ìèêðîñòðóêòóðîé.................................................................................................................. 47 1.6. Çàêàëåííî-îòïóùåííûå ýêîíîìíî-ëåãèðîâàííûå ñòàëè âûñîêîé ïðî÷íîñòè............. 51 1.7. Ñòàëè ïîñëå êîíòðîëèðóåìîé ïðîêàòêè è òåðìè÷åñêîãî óïðî÷íåíèÿ ......................... 55 1.7.1. Ñòàëè ïîñëå êîíòðîëèðóåìîé ïðîêàòêè ............................................................... 55 1.7.2. Ñòàëè, òåðìè÷åñêè óïðî÷íåííûå, ñ èñïîëüçîâàíèåì ñïåöèàëüíîãî íàãðåâà ........................................................................................................................ 58 1.7.3. Ñòàëü, òåðìè÷åñêè óïðî÷íåííàÿ â ïîòîêå ñòàíà, ñ èñïîëüçîâàíèåì òåïëà ïðîêàòíîãî íàãðåâà ......................................................................................... 59 1.8. Ñòàëè ñïåöèàëüíîãî íàçíà÷åíèÿ ....................................................................................... 64 1.8.1. Ñòàëü ñ ãàðàíòèðîâàííûìè ìåõàíè÷åñêèìè

Соответственно поиск по тексту не работает. Как получить нормальный векторный распознанный pdf файл с кириллицей?

[selega]

Сообщение от Кочетков Андрей Да, версия, выше 9й.

В XI работает вполне прилично.