Büyük bir kitabı dijital formata dönüştürmek için pratik OCR çözümü?

Bu hafta sonu büyükbaba veya büyükannemin yeri bitmişti. Büyükannem, aile tarihinin 1630 yılına kadar giden bu dev (~ 1400 sayfa) kitabı çıkardı. Ben dev nerd, bir veritabanında depolanan ve web'den kullanılabilir tüm bilgiler için kaygan olacağını düşündüm. Tüm web programlama ve düzenli ifadeleri işleyebilir ve ne değil, ama bilmiyorum şey metni kitaptan bilgisayara almak için en iyi yoldur.

Bir çeşit OCR'nin gerekli olacağını biliyorum, yaptığım küçük araştırmadan seçeneklerim şöyle:

1. her sayfanın bir fotoğraf makinesiyle fotoğrafını çekin ve ardından resimleri OCR yazılımı ile işleyin
2. her sayfayı taramak için bir tarayıcı kullanın, ardından OCR yazılımı ile işleyin
3. bunun gibi bir tür el cihazı kullanın .

Herkes bu sorunu çözmek için en iyi yolu hakkında herhangi bir fikri var mı? Kitabı yok etmek istemiyorum, çünkü bildiğim kadarıyla değiştirilemez. Muhtemelen büyük bir kitabı tarayacağım tek zaman, bu yüzden herhangi bir cihaza 250 dolardan fazla harcamak istediğimi sanmıyorum. Burada bazı manuel çabaları umursamıyorum (bunun büyük olasılıkla aylar alacağını anlıyorum), ancak mümkün olan en verimli yöntemi bulmak istiyorum.

Kitap hakkında not: Sadece yaklaşık 20 yaşında, bu yüzden oldukça iyi durumda. Tek renkli ve sayfalar sararmaya başlamamış. Yine de çok büyük olduğundan, metin ciltlemeye yaklaştığında olası gölgeler hakkında endişeleniyorum.

Ben rastladım bu Lifehacker üzerinde oldukça uzun bir zaman geri, ve o zamandan beri benim en DIY projelerinden biri olmuştur.

IPhone'u herhangi bir kamera veya görüntüleme ile değiştirin ve herhangi bir yazılımla, hatta (urks!) MS Office ...;) için OCR'ye hazır bir sürü güzel yüksek çözünürlüklü jpeg yığını elde edersiniz.

Ucuz. Etkili. DIY. Böyle bir fikri yenemezsin.

EDIT: Yorumlar gölgeler, sayfa kıvrımlar, vb hakkında bazı noktaları ortaya koydu. Kelimenin tam anlamıyla fotoğraf kopyalanan kütüphane metinleri olan herkes için kolayca çözüldü.

Kitabı aydınlatmak ve gölgeleri ortadan kaldırmak için birden fazla ışık kaynağı ekleyin.

kitabı sayfalarda 90 derece eğimli olarak ortadaki ciltlere doğru kıvrılmayın. Aynı zamanda bağlamayı da korur.

Bir örnek verip veremediğimi göreceğim.

DÜZENLEME 2: kitabı nasıl tutmanız gerektiğine dair yüklenen örnek ve ayrıca soldan ışık kaynağına dikkat edin.

Bildiğim kadarıyla ABBYY en iyi OCR yazılımını yapıyor, ancak ücretsiz değil. ABBYY FineReader'ın deneme sürümünü kullanmayı denemelisiniz , belki de size yardımcı olacaktır.

Resmi bir şekilde yakalamanız gerekir. Bunu sizin için yapacak çeşitli hizmetler vardır. Ayrıca, OCR henüz mükemmel olmadığından düzeltmek için metnin içeriğini bilen birine ihtiyacınız olacaktır. Özellikle el yazısıyla yazılmış herhangi bir şeyle.

Diğerleri sorunuzu burada tartışıyor: http://ask.metafilter.com/92506/scan-my-books

Bazı şirketler bunu sizin için yapacak: http://www.scandexsystems.com/BookScanning2.html http://www.kirtas.com/index.php?option=com_content&view=article&id=13&Itemid=48 http: // www. ristech.ca/product.html

Bazı Özgür Yazılımlar: http://download.cnet.com/Image-To-PDF-OCR-Converter-PDF-E-Book-Maker/3000-6675_4-10392924.html

Sizin ve ailenizin böyle büyük ve önemli bir projesi için, bir DIY Kitap Tarayıcı gitmek için bir yol olabilir, bazı tasarımlar bile spor sayfa çeviricileri - http://www.diybookscanner.org/ Bu OCR'yi doğal olarak desteklemiyor , ancak saatte 600 sayfa çekiyor ve http://hackaday.com/2011/07/18/diy-book-scanner-processes-600-pageshour/ gerçeğinden sonra OCR üzerinden çalıştırabilirsiniz.

Yakınınızdaki bir üniversitenin bir kitap tarayıcıya sahip olup olmadığını görmek ve daha sonra kitabınızı kitap içine koyması için bir öğrenciye rüşvet vermek / rüşvet vermek isteyebilirsiniz.

Chris'in belirttiği gibi, kitap taraması için düzenlenmiş bir düz yatak tarayıcı veya tüm bir kitap tarayıcı öneririm.

Mümkünse, doküman yönetim sistemleri söz konusu olduğunda görüntülerinizi endüstri standardı olan bir TIFF formatında derleyin.

OCR yapmak için, Google'ın kitap projesi için açıkladığı çerçeve olduğu için OCR'yi tesseract etmeyi öneriyorum .

süreci otomatikleştirmek cazip gelse de, bu kitap kişisel bir mesele olduğu için daha fazla zaman harcamak ve çalışmak isteyebilirsiniz. OCR toplu işlemi yapar, ancak sayfa sayfa okuyup orijinal ile karşılaştırmanız gerekir. unutmayın, yazarın hataları anlaşmanın bir parçasıdır, onları düzeltmeyin (çok eğimli hissediyorsanız dipnotlar oluşturun). acele etmeyin, kendinizi baskı altına alın, kitap tarama eşek işi ama titizlik öder ve ailenizin kronik ince bir dijital kopyası ile sonuçlanır. çabanızda iyi şanslar :)

İş yerinde yaklaşık 250 $ olan bir Plustek Optibook 3600 kitap tarayıcı kullanıyoruz . Temelde standart bir düz yatak tarayıcıdır, ancak cam levha tarayıcının kenarına doğru gider, böylece kitap sayfası plakaya düz olarak yerleştirilebilir. Bu, omurga gölgesini ortadan kaldırır ve kitaplara zarar vermekten kaçınır.