Posted: 27.03.08 12:59. Post subject: Секреты распознавания.

Не легкая это дело – распознавать сканы, особенно, если они имеют дефекты (грязь, черные полосы, бледный текст, сжатость и т.д.)
Но не будем унывать. Можно и облегчить работу.

Нам нужно будет PhotoShop, начиная с версии 6.0. по 1х.0 (или другой полноценный графический редактор) и ABBYY FineReader 9.0.

Photoshop устранит те дефекты, которые присущи сканам.
(Ведь часто бывает, что человек, который сканирует книги не думает о человеке, который будет их распознавать. ИМХО!)
Файнридер 9.0 - быстро и хорошо распознает сканы и покажет орфографические ошибки и исправит их, что ускорит нашу работу.
И конечно (желательно) хороший комп с большой оперативной памятью - 1, а лучше 2 Гб.

Очень часто сканы сжаты, да к тому же и текст бывает бледный, что приводит к плохому качеству распознавания и большим орфографическим ошибкам даже в Файнридере 9.0, если распознавать как есть. Особенно если сканы «убитые».

1. Итак открываем первый скан в Фотошопе.
Чтоб убыстрить редактирование сканов в Фотошопе - создаем Скрипт (Action) – на панели выбираем меню «Window” -> «Action”.
При создании Скрипта (сначала создается папка, а в папке сам файл Скрипт (action) – при его создании он сразу входит в режим записи (record). Как только Скрипт в режиме записи выбираем в панели меню «Image» -> выбираем «Mode» -> «Grayscale» - оставляем «1».
Затем снова меню «Image» -> «Image Size». Тут выбирает разрешение (dpi) скана - ставим 500. Если убитый скан - 600.
В меню «File» - сохраняем (Save) скан и закрываем (Close) его.
Теперь останавливаем Скрипт - (stop).
Закрываем этот скан.
Теперь можно эти изменения распространить сразу на все сканы в рабочей папке.
Входим в меню «File» -> «Automate» -> «Batch».
В «Batch» выбираем наш Скрипт и папку со сканами и нажимаем на «ОК». - Фотошоп сам отредактирует все сканы в рабочей папке без вашего участия.
Если скан бледный или много грязи - уж тут лучше каждый скан отредактировать отдельно Бледность скана исправляется в меню «Image» -> «Adjustments» -> «Curves» или «Brightness/Contrast».
Если текст в скане достаточно крив из-за не лучшего сканирования, то надо его вернуть в первоначальный вид - меню «Edit» -> «Transform» -> «Rotate»
На редактирование уйдет меньше времени, чем потом исправлять многочисленные орфографические ошибки или вбивать самому текст в Файнридер 9.0.
Конечно, Файнридер 9.0. обещает, что он сам исправит последние вышеприведенные огрехи скана, но пускай он выполняет свою основную работу – распознавание скана. А Фотошоп лучше справится со своей работой.
Один минус - каждый файл может увеличиться в размере с 12 до 25 Мб. Но с современным компом это пустяк.

2. Теперь открываем отредактированные в Фотошопе сканы в Файнридере 9.0.
Даже такие большие сканы (500-600 dpi, размер - 25 Мб) Файнридер 9.0 откроет быстро и быстро распознает при соответствующем компе.

Чтобы Файнридер 9.0 в тексте, который набран дореволюционным способом, ставил знак переноса (повернутое «г») после не законченного слова, переходящего на другую строку, нужно поставить языки для распознавания (меню «Сервис» -> «Редактор языков»): «Русский и «Русский старый», а если есть и латинские буквы, например французские слова, то прибавить и «Французский» - «Французский, Русский, Русский старый».
Конечно, не всегда Файнридер поставит знак переноса после распознавания скана, но его можно скопировать и вставить там, где стоит тире «-».
Как только распознан скан, входим в окно редактирования текста - «Текст».
Сначала сознаем новый стиль для текста - выбираем меню «Сервис» -> «Редактор стилей» и создаем новый - ставим в параметрах шрифт «Time New Roman», размер шрифта – от 8 до 10 в зависимости от размера шрифта в скане. Это будет полезно, когда будете перекидывать текст из Офиса в HTML-редактор или сохранять текст как html-файл - меньше мусора.
Теперь выделяем весь текст на странице - выбираем вами созданный «стиль» и выбираем язык «Русский». И желательно выравнивание текста – в ширину.
Теперь в окне «Текст» можно исправлять орфографические ошибки, которые нашел Файнридер 9.0.
Как только вы готовы текст в документе Файнридера 9.0 перекинуть в Офис, то на панели окна «Текст» меняем «Точная копия» на «Форматированный текст» и перекидываем текст в Офис.

3. Для тех кто хочет помочь ускорить опубликование распознанной статьи (книги) на сайте, тому нужно установить, например, Microsoft Office 97. Скинутый из Файнридера текст сохраняете как html-файл. Данная версия Офиса отличается от последующих тем, что в html-файле нету того «мусора», которые появляется в большом количестве в последующих версиях Офиса.

 Posted: 10.04.08 01:45. Post subject: Интересно, чего твор..

Интересно, чего творит с текстом опенофис, если потом просмотреть его можно только в браузере... В блокноте виндовом такие сочные каракули, что диву даешься.

 Posted: 10.04.08 04:15. Post subject: Опенофис действитель..

Опенофис действительно с майрософтофскими изделями крайне мало совместим.

 Posted: 10.04.08 12:15. Post subject: Интересно, чего твор..

quote:

Интересно, чего творит с текстом опенофис, если потом просмотреть его можно только в браузере... В блокноте виндовом такие сочные каракули, что диву даешься.

Просто блокнот не знает других кодировок, кроме мелкомягких. К счастью, это не единственный редактор :) Хотя надо признать, что самый полный шрифт для юникода- майкрософтовский.

 Posted: 10.04.08 15:06. Post subject: Вообще-то это был не..

Вообще-то это был не стандартный виндовый блокнот. :) Каюсь. Спецблокнот для кодинга.

 Posted: 12.04.08 00:02. Post subject: Итак, я тут попыталс..

Итак, я тут попытался исправлять ошибки в фанридере 7. ошибок было очень много, и после второй страницы все это дело мне порядком надоело. Интересночто далеко не все ошибки фанридер принимал за таковые, ну к примеру слово "последн1й", он никак не отмечал за ошибку. Я сделал вывод что ошибкой файнридер считает только те слова в которых он прираспозновании засомневался.

В итоге я бросил эту идею и опять перешел на ворд,.. Даже если предположить, что время затраченное на исправление ошибок в FR быдут меньше, сам процесс меня сильно напряг. И даже если я пересилю себя и все исправлю.. то возможно возникнит жуткое нежелание заниматься этим и дальше.

 Posted: 12.04.08 02:43. Post subject: Камрад, щас тебе ска..

Камрад, щас тебе скажут, что 7 файнридер отстой. Надо пользовать девятый, там все круто.

 Posted: 13.04.08 16:48. Post subject: Я не хамлю! Но когд..

Я не хамлю!
Но когда говорят : "Комплекс - как раз в файнридере работать, ибо это сильно замедляет вычитку текста."
- это что истина в последней инстанции ?! Никогда не соглашусь!

"1. Увеличивать DPI скана по-моему бесполезно. Очертания букв от этого четче не становятся. А вот распознавание с обучением помогает."

- А по моему опыта как раз улучшает. И не надо никакого "обучения".

"Камрад, щас тебе скажут, что 7 файнридер отстой. Надо пользовать девятый, там все круто"

- Как вы угадали ?!!! Но для Stori я вижу хватит и версией 4.0.

Предлагаю Thietmar удалить эту тему вообще.

 Posted: 14.04.08 00:12. Post subject: Я бы удалил только л..

Я бы удалил только личные выпады, а полезные советы оставил.

 Posted: 14.04.08 01:30. Post subject: Benderod, тебе сколь..

Benderod, тебе сколько лет?

 Posted: 14.04.08 07:46. Post subject: Strori пишет: И не ..

Strori пишет:

quote:

И не надо никакого "обучения".

Трудно мне с вам спорить конечно, весь мой опыт это работа в 7 FR, опытки установить 9, пок ане увенчались успехом. Но функция обучения в FR мне кажеться очень полезной. например в прошлом тексте c которым я работал, большинство букв "и", выглядело ка кдве волнистые вертикальные черты с утолщениями сверху (направой) и снизу (на левой черте), специально заметил около дюжины слов в которых были ошибки, после обучения (на других страницах), в этих словах мой FR неправильно распознал лишь 2 знака. Так что создание пользовательского эталона для распознования считаю очень целесообразным для исправления ошибок, особенно если речь идет о низкокачественных в типографском смысле источниках.

 Posted: 14.04.08 07:49. Post subject: блин простите за оши..

блин простите за ошибки, печатаю быстро

 Posted: 14.04.08 09:17. Post subject: Это где я такое писа..

Это где я такое писал???

 Posted: 15.04.08 16:45. Post subject: Странно, ничего не п..

Странно, ничего не понял... это писал Benderod и ему я и отвечал.. наеврно я как всегда куда-нибудь не туда нажал.

Кстати FR 9 я установил... Первое вппечатление - слишком мудро для такого просто парня как я. Может быть привыкну. Но интерфес 7го, уютный и понятный, мне нравился больше.

А на счет ошибок, тоя сразу сдела проверку. Пока разницы конкрено в распозновании не отметил... Правдо и картинки я подсунул плохие. И еще при автоматическом распозновании заметил такую особенность что 9й принимал ксераксные пятна за текст гораздо активнее 7й версии. А это может создать немного неудобств когда сканов будет много.

Я тут слышал что существует доп. словарь к FR "Русский старый", но у меня он не установлен, я так понимаю его надо где-нибудь найти и установить... Но вот вопрос ГДЕ?

 Posted: 15.04.08 16:48. Post subject: Думаю я продолжу экс..

Думаю я продолжу эксперементы... Но все же думаю что процесс совершенствования и уменьшения количества ошибок лежим все-таки где-то в сфере ВЕЛИКОГО ФОТОШОПА

 Posted: 16.04.08 12:37. Post subject: Владислав пишет: Я ..

Владислав пишет:

quote:

Я тут слышал что существует доп. словарь к FR "Русский старый", но у меня он не установлен, я так понимаю его надо где-нибудь найти и установить... Но вот вопрос ГДЕ?

В моем 7-м он указывался в базовой установке. Можно ли доустановить - надо проверять экспериментально...