[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

[zvezdochiot]

Сообщение от Нубий-IV Тут ведь не увеличение надо, и не шум почистить, а настоящую реставрацию сделать.

Теоретически - да. Но практически - нет. Ибо 150 dpi да пожатый JPEG - это кал полный и надо неизбежно пересканировать хотя бы в 300 dpi. И уже к пересканированному применять реставрацию, а не к этому калу. А так то да, нейросети позволяют накапливать в своей памяти много любопытных вещей и "способностей".

PS: Но здесь нужны нейросети обученные не upscale, а обученные конкретным шрифтам. А вот про такие (особенно русские) я не особо слышал, окромя FR. Да и FR как то тихушничает.

[ingt]

Если только текст, то проще распознать и в вектор перевести.

[Николаевич]

Сообщение от ingt Если только текст, то проще распознать и в вектор перевести.

Опробуешь: https://dwg.ru/dnl/2747 ... ?!

[Нубий-IV]

Сообщение от zvezdochiot 150 dpi да пожатый JPEG - это кал полный и надо неизбежно пересканировать

Интересу ради поковырял апскейлеры из wiki на первых попавшихся картинках из яндекса. В принципе, превращать размазню в четкие линии умеют многие модели, в основном анимешные. Но одна, похоже, таки натаскана именно на текст. Вон как хитро она узнает запятые, кавычки, добавляет засечки, и разлепляет слипшиеся буквы (простые отчернобеливатели в ST так не умеют):

Похоже, правда, что она на латинице тренирована, и не порченной JPG-ом. Но как минимум, можно включать этап апскейла в обработку на некоторых сканах. Прям хоть сам берись и тренируй свою версию.

Во вложениях - дюжина тестовых сканов в низких разрешениях (страницы идут тройками - оригинал, ST, апскейлер+ST). Как правило, сетка делает лучше.

[ingt]

Сообщение от Нубий-IV Миниатюры

1. Очень эффективно. Будет ли аналогичный эффект на формулах или на картинках черно-белых?
2. Typescale - это что?

[zvezdochiot]

Сообщение от Нубий-IV Интересу ради поковырял апскейлеры из wiki на первых попавшихся картинках из яндекса. В принципе, превращать размазню в четкие линии умеют многие модели, в основном анимешные. Но одна, похоже, таки натаскана именно на текст.

Посмотрел я "модели". Прикольно. Они, можно сказать, полутекстовые, как PNM (то есть сначала текстовые описания данных, а уж после сами данные). Это круче чем гугловский Protocol Buffer (*.pb) в плане встраивания. А движок для пользования какой? Вот "этот" на пайтоне?

[ingt]

СП 20_Изм. 1, 2, 3, 4.

[Нубий-IV]

Сообщение от zvezdochiot А движок для пользования какой?

Судя по зависимостям, которые скачивают программы-апскейлеры для работы, PTH - это формат файлов для библиотеки машинного обучения PyTorch под питон. Видимо, кто умеет питонить - в несколько строк может их загружать и натравливать на разные картинки. На гитхабе полно всяких питоновских улучшалок, типа GFPGAN, ловятся поиском "GAN" по гитхабу. Несколько лет назад я пытался с ними поиграть, но ничего не вышло. Одни строго под линукс. Другие вместо работы начинают выносить мозг сообщениями об ошибках и неправильных версиях библиотек; парочка вообще заявила, что у меня Visual Studio неправильной версии, надо ее снести и поставить правильную версию. Мне надоело играть в "угадай, какие версии всех 100500 библиотек стояли у автора", и я все посносил.

Для непрограммиста нужна готовая программа. Точно могу сказать, что просто работают, а не выносят мозг, как минимум:

• AUTOMATIC1111
  Установить Python, Git, запустить webui-user.bat, все нужное программа скачает сама. Доступна из браузера или из Photoshop/Krita через веб-интерфейс. Вообще-то она для художественного рисования, но в комплекте с ней идет набор апскейлеров, в том числе с пакетным режимом. Требует видекоарту с большим объемом памяти и десятки гигабайт места. Например, на рабочем компе с GeForce GT 1030 на апскейл текста не хватает памяти.
• cupscale
  Готовая программа - EXE. Поменьше размером (3.5G в рабочем состоянии), и чисто для апскейла. Скачать, распаковать, нажать кнопку "Dependency Checker" на панели сверху, она сама докачает что надо и начнет работать. Есть режим работы на CPU - разумеется, медленный и печальный. На рабочем компе апскейл тянет.
• В обеих программах достаточно скачать нужный PTH и кинуть в папку с моделями.

Сообщение от zvezdochiot Они, можно сказать, полутекстовые

Видел предупреждения не качать модели с неизвестных мест. Видимо, туда еще и код может быть встроен.

Сообщение от ingt Будет ли аналогичный эффект на формулах или на картинках черно-белых?

Судя по превью и тестам, сетка тренирована на фотографиях JPG без артефактов. На них размытый мелкий, но читаемый, текст восстанавливается очень хорошо. А пикселизованный, как на сайте минстроя, она не понимает, вместо гладких букв восстанавливаются ступенчатые. Есть другие модели - для пиксель-арта, они такое сглаживают, но коверкают форму букв.

Видимо, нужна модель, тренированная на конкретных видах повреждений. Я таких не нашел.

Сообщение от ingt Typescale - это что?

На сайте https://upscale.wiki/wiki/Model_Database в разделе "Text" модель "NMKD Typescale", по ссылке искать папку "NMKD Typescale", файл "8x_NMKD-Typescale_175k.pth".

[andriadi]

Сообщение от Нубий-IV cupscale Готовая программа - EXE.

Советуют предварительно установить Python3
https://br.atsit.in/ru/?p=73714

[Николаевич]

Вот...

[Николаевич]

Вот...

[Vslav16m]

Уважаемые коллеги!

Есть очень толковая книга Григоренко А.Г., Кюнтцель В.В., и др. Инженерная геодинамика , 1992 , но сверстана в убогом виде в 90Мб - находится здесь

Её можно привести в удобочинаемый вид ?
Заранее спасибо

[ingt]

Сообщение от Vslav16m Её можно привести в удобочинаемый вид ?

Нет. Любая обработка будет хуже оригинала.

[zvezdochiot]

Сообщение от Vslav16m Её можно привести в удобочинаемый вид ?

Никак:

Код:

[Выделить все]

pdfimages -list geokniga-inzhenernaya-geodinamika.pdf 
page   num  type   width height color comp bpc  enc interp  object ID x-ppi y-ppi size ratio
--------------------------------------------------------------------------------------------
   1     0 image    2323  1792  icc     3   8  jpeg   yes      820  0   297   306 1008K 8.3%
   2     1 image    2103  1568  icc     3   8  jpeg   yes        3  0   255   270  235K 2.4%
   3     2 image    2097  1652  icc     3   8  jpeg   yes        7  0   261   266  459K 4.5%
   4     3 image    2130  1664  icc     3   8  jpeg   yes       11  0   253   268  710K 6.8%
   5     4 image    2048  1638  icc     3   8  jpeg   yes       15  0   241   251  756K 7.7%
...

Мало того, что разрешение никакое (< 300 dpi), так ещё и сами страницы искривлены так, как будто книгу пытали.

PS: "Книга" сделана явно не сканированием, а фотографированием с непонятного ракурса.

[andriadi]

Сообщение от ingt Нет. Любая обработка будет хуже оригинала.

если текст распознавания поверх оригинала, но много работы.

[ingt]

Можно и несложно, но это нормально только в джвю делается, при переводе из пдф в джвю читаемость снизится (хотя возможно и несильно).

[zvezdochiot]

Сообщение от ingt при переводе из пдф в джвю читаемость снизиться

Вы явно делаете что то не так и не тем. Ежели текст обработан порогом (JB2) (а именно так он должен быть обработан, всё остальное - кал), то перевод в PDF бит в бит (CCITT Group4 или JBIG2).
Но ежели "текст" кривой-косой, в непонятном недостаточном dpi и не дообработан, то "это" не более чем мусор.

[Vslav16m]

к файлу - Григоренко А.Г., Кюнтцель В.В., и др. Инженерная геодинамика , 1992

Коллеги! Спасибо за внимание к вопросу и книге и быстрый ответ.

[ingt]

Сообщение от zvezdochiot Но ежели "текст" кривой-косой

Я имею в виду конкретно файл из #3652.

[Wlaster]

Сообщение от Vslav16m Уважаемые коллеги! Есть очень толковая книга Григоренко А.Г., Кюнтцель В.В., и др. Инженерная геодинамика , 1992 , но сверстана в убогом виде в 90Мб - находится здесь Её можно привести в удобочинаемый вид ? Заранее спасибо

https://cloud.mail.ru/public/SbXP/L94A2TB7Y