1. Обработка скано в ScanTailor.
Берем последнюю версию
ST+ или
ST Enhanced Открываем, нажимаем "Новый проект"
В открывшемся окне указываем папку, где лежат сканы
Обратите внимание на галочку "Исправить dpi, даже если он кажется правильным". Эта галочка может понадобиться, если скан "нестандартный", допустим с фотоаппарата. Можно предварительно поиграться с одним двумя файлами, чтобы подобрать исходное разрешение при котором получается наилучший результат.
В моем случае пришлось вручную выставить 150 dpi для всех файлов.
Далее собственно процесс обработки, который состоит из 6 этапов. На первом нам предлагают повернуть изображения, если они отсканированы неправильно. Если ориентация картинок правильная, то этот шаг можно пропустить.
На втором шаге нужно указать разбивку на страницы. Это нужно обычно когда вы сканируете книгу разворотом.
К меня нет страниц, требующих разрезки, поэтому я попросил программу ничего не резать и применил эту опцию ко всем страницам.
Следующий шаг - исправление наклона страницы. Тут все чаще всего исправляется корректно. Но иногда потребуется повернуть страницу-другую вручную.
Далее программа выбирает полезную область (т.е. содержащую текст и картинки). На этом шаге нужно произвести обработку всех страниц (серой кругленькой стрелочкой). Это займет несколько минут. Иногда программа определяет полезную область некорректно: обрезает номера страниц (как у меня на скриншоте) или наоборот принимает мусор за рисунок. Такие страницы надо поправить вручную. Для удобства поиска "кривых" страниц можно менять способ сортировки (в правом нижнем углу): доступны опции "натуральный", "по ширине" и "по высоте".
Пятый шаг - задание полей. Тут все просто: выбираем наиболее "типичную страницу", задаем ей поля, применяем ко всем страницам. Затем используя сортировку страниц, поправляем поля для самых широких и высоких страниц; выравниваем по краям. Если убрать галочку Match size with other pages, то страница будет исключена из общего "макета", что полезно для обложек и всяких неформатных вкладок.
На последней стадии происходит собственно обработка. С помощью бегунка в секции "Режим" можно контролировать уровень бинаризации. Поставьте наиболее подходящий для вашего скана и примените ко всем страницам. По умолчанию вывод происходит в формат ч\б
Для страниц с иллюстрациями нужно выбрать режим "смешанный". Если все иллюстрации прямоугольные, то нужно поставить соответствующую галочку.
Затем запускаем процесс обработки всех страниц и идем пить кофе \ курить \ заниматься своими делами. В зависимости от количества страниц, иллюстраций и тяжести сканов, процесс вывода может занимать до часа и более.
2. Создание djvu
Тут все просто до безобразия. Запускаем DjVuSmall, выбираем обработанные нами файлы (находятся по адресу папка_с_исходным_сканом/out) и профиль кодирования (в 99% случаев хватит Scanned 600 dpi).
Пара минут и djvu'шка готова:
3. Распознавание текста.
Нам понадобится FineReader версии 8 (другие лучше не использовать во избежание проблем) и прогаммка DjVuOCR
Открываем обработанные сканы в Файнридере, выбираем подходящий язык распознавания и жмем "Распознать все"
Важно! После завершения распознавания обязательно надо перейти с последней страницы куда-нибудь на другую. Иначе DjVuOCR выдаст ошибку.
Запускаем DjVuOCR, выбираем работу в ручном режиме
Затем указываем место расположения проекта распознавания FR. Если вы его не сохраняли, то по умолчанию он будет храниться в Untitled0 во временной папке вашего пользователя (в разных версиях ОС пути будут разные). Также надо указать место расположения временного файла, где будет храниться текст (можно задать любое) и файл, который вы будете обрабатывать.
Через пару минут в файле окажется слой распознанного текста.
Все
Сообщение: #11
Сообщение: #14
.