Сканирование, распознавание и подготовка текстовых материалов к верстке

В данной презентации приведены алгоритмы сканирования, распознавания и подготовки текстовых материалов к верстке с использованием программы FineReader.

Сканирование, распознавание и подготовка текстовых материалов к верстке

В практической деятельности часто встречаются ситуации, когда необходимо перевести в электронный вид документ, напечатанный на бумаге.

В этом случае можно просто набрать документ на компьютере, что довольно трудно, либо воспользоваться сканером - устройством, специально предназначенным для перевода документов в электронный вид.

Для организации сканирования изображения помимо непосредственно сканера требуется одна из специальных программ систем оптического распознавания текста.

Системы оптического распознавания текста

( Optical Character Recognition - OCR -системы)

предназначены для автоматического ввода печатных документов в компьютер.

Одной из популярных программ сканирования и оптического распознавания текстов является программа ABBYY FineReader 7.0.

Она преобразует полученное с помощью сканера растровое графическое изображение в векторные символы (буквы).

Вся обрабатываемая информация хранится программой в виде пакетов.

Каждый пакет представляет собой отдельную

папку с несколькими файлами, хранящимися в ней.

Кроме этого, пакет включает в себя несколько файлов, в которых хранятся его общие настройки.

Кроме этого, пакет включает в себя несколько файлов, в которых хранятся его общие настройки.

Пакет создается перед началом работы командой

Файл - Создать новый пакет . .

2.Сохранение пакета

Сразу после создания пакета его необходимо сохранить

командой Файл - Сохранить пакет как . .

В диалоге «Сохранить пакет как» необходимо

одинарным щелчком мыши указать папку, внутри которой будет создан пакет, а в строке «Имя пакета» - вписать его имя .

После первого сохранения пакета все изменения в нем сохраняются автоматически в процессе работы, т.е. принудительно сохранять изменения нет необходимости.

По этой причине пакет, с которым осуществляется работа, должен находиться на том же компьютере, за которым работает пользователь, чтобы уменьшить нагрузку на сеть.

Процесс ввода и обработки текстовой информации осуществляется в несколько этапов. Каждому из этих этапов соответствует кнопка на панели инструментов программы

Первый этап : сканирование

используется для сканирования оболочка сканера ( создание нового пакета , сканирование печатного документа )

используется для сканирования интерфейс, предложенный самой программой ABBYY FineReader 7.0 (работа с уже готовым пакетом)

Отказ от оболочки сканирования позволяет осуществлять сканирование с заранее установленными параметрами для всех страниц, при этом сканирование будет осуществляться в автоматическом

режиме через заданный интервал времени .

Изменение параметров сканирования и временного интервала выполняется в диалоге «Опции», вызываемом командой Сервис - Опции , на вкладке «Сканирование / Открытие».

Сканировать

сканирование одной страницы : использовать команду Сканировать изображение .

если изображения уже отсканированы и хранятся на диске, то добавить их в пакет можно командой Открыть изображение .

сканирование нескольких страниц : использовать команду

Сканировать несколько страниц .

источник информации

разрешение

(при сканировании материала)

Текстовый документ

Текстовый документ с изображениями

Изображения обрабатываются отдельно от текста

в программе Adobe Photoshop .

«черно-белый документ»

«цветной документ»

(при сканировании материала)

диапазон от 150 до 300 dpi

!

Уменьшение разрешения:

• повышает скорость сканирования
• ухудшает качество отсканированного материала
• увеличение количества ошибок при распознавании текста

1. разместить материал на сканере

2. Нажать кнопку « сканировать »

• Проконтролировать отсутствие перекосов и замятий листов нажать кнопку « предварительный просмотр » при наличии таковых их необходимо устранить и повторно произвести предварительный просмотр

4. Произвести выбор источника сканирования

5. Выбрать разрешение сканирования

6. Окончательное сканирование производится при нажатию на кнопку «сканировать»

7. Предварительно обработать отсканированные изображения ( все строки в тексте должны читаться слева направо и располагаться сверху вних)

действия предварительной обработки (применяются к выделенным фрагментам)

М. Изображение – Повернуть по часовой стрелке

Поворот станицы

М. Изображение – Повернуть против часовой

стрелке

М. Изображение – Повернуть на 180 ˚

Устранение мелкого мусора

М. Изображение – Очистить изображение от мусора

Изменение области просмотра

М. Вид – Масштаб

второй этап : распознавание

1.Сегментирование

Разбитие информации на странице

на блоки различного типа

2.Распознавание символов

Преобразование изображения символов в текстовую информацию

Простой текст: сегментирование и распознавание осуществляется автоматически выбором команд Распознать или Распознать все

1.Выбрать язык

( комбинированный список на панели инструментов)

Для распознавания русских и латинских символов

выбрать «Русско-английский»

2. Произвести сегментирование вручную (для сложного текста – содержащего текст, таблицы, изображения)

Инструменты группы Изображение – Выбрать инструмент:

• выделить зону распознавания (серый)
• выделить текстовый блок (зеленый)
• выделить табличный блок (синий)
• выделить картинку (красный)

Перечисленными инструментами следует выделять соответствующую информацию на странице в виде прямоугольных блоков (каждый инструмент соответствует блоку определенного цвета)

!

дополнительные действия

Добавить часть к блоку

Создание блоков непрямоугольной формы

Удалить часть блоков

Изменение нумерации блоков ( блоки на странице размещаются в порядке прочтения )

Перенумеровать блоки

Изменение разметки таблицы (граница блока = границам таблицы)

Добавить вертикальную линию

Добавить горизонтальную линию

Удалить линию

Изменение типа блока

М.Изображение–Тип блока: выбрать из списка

Алгоритм распознавания продолжение

3. После завершения сегментирования,

для распознавания текста выбрать меню кнопки Распознать – команда Распознать ( для обработки текущей страницы )

команда Распознать все ( для распознавания всех страниц пакета)

Распознанный текс должен появиться в окне Текст

Символы и слова, содержащие ошибки будут помечены голубым цветом

!

Третий этап : проверка

Проверка текста на присутствие грамматических ошибок осуществляется таким же образом, как и в текстовом редакторе Microsoft Word

Четвертый этап : сохранение

1.Сохранение текстовых материалов

Установить следующие параметры:

• Тип файла ( rtf, doc)
• Сохранить (отметить страницы для сохранения)
• Опции файла (Все страницы в один файл; Каждая страница в отдельный файл)
• Оформление

• Сохранить полное оформление документа (несложная структура текса)
• Сохранить начертание и размер шрифта (редактирование в Microsoft Word)
• Не сохранять (для обработки текста в программах верстки)
• Сохранять картинки (выделенные иллюстрации - в текстовом файле)

Меню кнопки Сохранить – Сохранить текст в файл

• 1. включить компьютер
• 2. открыть программу ABBYY FineReader 7.0. (пуск-программы- ABBYY FineReader 7.0. )
• 3. создать (открыть) пакет для сканирования
• 4. сохранить пакет
• 5. поместить документ в сканер
• 6. дать команду сканировать
• 7. произвести настройки для сканирования
• 8. дать команду сканировать
• 9. по окончании сканирования документа
• произвести его сегментацию и распознавание
• 10. сохранить полученные результаты