స్కాన్ మరియు OCR

శుభ మధ్యాహ్నం

ఎలక్ట్రానిక్ రూపంలో కాగితం పత్రాన్ని అనువదించాల్సిన అవసరం వచ్చినప్పుడు మాకు ప్రతి ఒక్కరూ పని ఎదుర్కొన్నారు. ఇది అధ్యయనం, పత్రాలతో పనిచేయడం, ఎలక్ట్రానిక్ నిఘంటువులు ఉపయోగించి మొదలైన వాటిని అనువదించడానికి వారికి అవసరమైనది.

ఈ ఆర్టికల్లో నేను ఈ ప్రాసెస్లోని కొన్ని బేసిక్లను భాగస్వామ్యం చేయాలనుకుంటున్నాను. సాధారణంగా, స్కానింగ్ మరియు టెక్స్ట్ గుర్తింపు చాలా సమయం తీసుకుంటుంది, చాలా కార్యకలాపాలు మానవీయంగా చేయవలసి ఉంటుంది. మేము ఏమి, ఎలా మరియు ఎందుకు గుర్తించడానికి ప్రయత్నిస్తుంది.

ప్రతి ఒక్కరూ వెంటనే ఒక విషయం అర్థం కాదు. స్కానింగ్ చేసిన తర్వాత (స్కానర్పై అన్ని షీట్లను అమర్చడం) మీరు BMP, JPG, PNG, GIF ఫార్మాట్ యొక్క చిత్రాలు (ఇతర ఫార్మాట్లలో ఉండవచ్చు) ఉంటుంది. కాబట్టి ఈ చిత్రం నుండి మీరు టెక్స్ట్ పొందాలి - ఈ విధానం గుర్తింపు అని పిలుస్తారు. ఈ క్రమంలో, మరియు క్రింద ఇవ్వబడుతుంది.

1. స్కానింగ్ మరియు గుర్తింపు కోసం ఏం అవసరం?

1) స్కానర్

ముద్రిత పత్రాలను టెక్స్ట్ రూపంలోకి అనువదించడానికి, మొదట స్కానర్ మరియు దానితో పాటు "స్థానిక" ప్రోగ్రామ్లు మరియు డ్రైవర్లకు అవసరం. వారితో మీరు పత్రాన్ని స్కాన్ చేసి తదుపరి ప్రాసెస్ కోసం దీన్ని సేవ్ చేయవచ్చు.

మీరు ఇతర అనలాగ్లను ఉపయోగించవచ్చు, కానీ కిట్లో స్కానర్తో వచ్చిన సాఫ్ట్వేర్ సాధారణంగా వేగంగా పనిచేస్తుంది మరియు మరిన్ని ఎంపికలను కలిగి ఉంటుంది.

మీరు ఏ రకమైన స్కానర్ను బట్టి - పని వేగం గణనీయంగా మారవచ్చు. 10 సెకన్లలో షీట్ నుండి చిత్రాన్ని పొందగల స్కానర్లు ఉన్నాయి, వాటిని 30 సెకన్లలో పొందుతారు. మీరు 200-300 షీట్లపై ఒక పుస్తకాన్ని స్కాన్ చేస్తే - సమయం లో ఎలా తేడా ఉంటుంది ఎన్ని సార్లు లెక్కించటం కష్టం కాదు?

2) గుర్తింపు కోసం ప్రోగ్రామ్

ABBYY FineReader - మా వ్యాసం లో, నేను స్కాన్ మరియు ఖచ్చితంగా ఏ పత్రాలు గుర్తించడం కోసం ఉత్తమ కార్యక్రమాలు ఒకటి పని చూపుతుంది. ఎందుకంటే కార్యక్రమం చెల్లించిన, వెంటనే నేను మరొక లింక్ ఇస్తుంది - Cunei ఫారం దాని ఉచిత అనలాగ్. ట్రూ, నేను FineReader అన్ని విధాలుగా విజయాలు వాస్తవం కారణంగా, వాటిని పోల్చడానికి కాదు, నేను ఒకే ప్రయత్నించండి సిఫార్సు.

ABBYY FineReader 11

అధికారిక సైట్: // www.abbyy.ru/

దాని రకమైన ఉత్తమ కార్యక్రమాలలో ఒకటి. ఇది చిత్రంలో టెక్స్ట్ గుర్తించడానికి రూపొందించబడింది. అనేక ఎంపికలు మరియు లక్షణాలను నిర్మించారు. ఇది ఫాంట్ల సమూహాన్ని అన్వయించవచ్చు, చేతివ్రాత సంస్కరణలకు మద్దతు ఇస్తుంది (నేను వ్యక్తిగతంగా దీనిని ప్రయత్నించకపోయినప్పటికీ, చేతితో రాసిన సంస్కరణను గుర్తించలేకపోతున్నాను, మీకు ఖచ్చితమైన నగీషీ వ్రాత చేతివ్రాత ఉంటే తప్ప). ఆమెతో పనిచేయడం గురించి మరింత సమాచారం దిగువ చర్చించబడుతుంది. ఈ వ్యాసం కార్యక్రమం 11 సంస్కరణలో పని చేస్తుంది అని కూడా మేము గమనించండి.

ఒక నియమంగా, ABBYY FineReader యొక్క వివిధ వెర్షన్లు ఒకదానికి భిన్నమైనవి కావు. ఇతర వాటిలో మీరు సులభంగా చేయవచ్చు. ప్రధాన తేడాలు, సౌకర్యం యొక్క వేగం, దాని సామర్థ్యాలు మరియు దాని సామర్ధ్యాలలో ఉండవచ్చు. ఉదాహరణకు, మునుపటి సంస్కరణలు PDF పత్రం మరియు DJVU ను తెరవడానికి నిరాకరించాయి ...

3) స్కాన్ చేయడానికి పత్రాలు

అవును, ఇక్కడ, నేను ఒక ప్రత్యేక కాలమ్ లో పత్రాలను తీసుకోవాలని నిర్ణయించుకున్నాను. చాలా సందర్భాలలో, ఏదైనా పాఠ్యపుస్తకాలు, వార్తాపత్రికలు, కథనాలు, మ్యాగజైన్లు మొదలైనవి స్కాన్ చేయండి ఆ పుస్తకాలు మరియు సాహిత్యంలో డిమాండ్ ఉంది. నేను ఏమి చేస్తున్నాను? వ్యక్తిగత అనుభవం నుండి, నేను స్కాన్ చేయదలిచాను అని చెప్పగలను - ఇప్పటికే నెట్ లో ఉండవచ్చు! ఒక పుస్తకాన్ని లేదా మరొకటి ఇప్పటికే నెట్వర్క్లో స్కాన్ చేశాక నేను వ్యక్తిగతంగా సమయాన్ని ఆదా చేసాను. నేను పత్రంలో టెక్స్ట్ను కాపీ చేసి దానితో కొనసాగించాను.

ఈ సాధారణ సలహాల నుండి - మీరు ఏదో స్కాన్ చేసే ముందు, ఎవరైనా ఇప్పటికే స్కాన్ చేశారో లేదో తనిఖీ చేయండి మరియు మీ సమయాన్ని వృధా చేయవలసిన అవసరం లేదు.

టెక్స్ట్ స్కానింగ్ ఎంపికలు

ఇక్కడ, నేను స్కానర్ కోసం మీ డ్రైవర్ల గురించి మాట్లాడను, అన్ని స్కానర్ నమూనాలు భిన్నంగా ఉన్నందున, సాఫ్ట్వేర్ ప్రతిచోటా భిన్నమైనది మరియు ఊహించడం మరియు ఇంకా స్పష్టంగా ఆపరేషన్ ఎలా నిర్వహించాలో చూపిస్తుంది అవాస్తవంగా ఉంది.

కానీ అన్ని స్కానర్లు మీ పని యొక్క వేగం మరియు నాణ్యతను బాగా ప్రభావితం చేసే అదే అమర్పులను కలిగి ఉంటాయి. ఇక్కడ వాటి గురించి నేను ఇక్కడ మాట్లాడతాను. నేను క్రమంలో జాబితా చేస్తాను.

1) స్కాన్ నాణ్యత - DPI

మొదట, స్కాన్ నాణ్యత 300 DPI కంటే తక్కువగా ఉన్న ఎంపికలలో సెట్ చేయండి. సాధ్యమైతే కూడా కొంచెం ఎక్కువ ఉంచడం మంచిది. అధిక DPI సూచిక, మీ చిత్రం స్పష్టంగా మారుతుంది, మరియు మరింత ప్రాసెసింగ్ వేగంగా జరుగుతుంది. అదనంగా, స్కాన్ యొక్క అధిక నాణ్యత - తక్కువ తప్పులు తరువాత మీరు సరిదిద్దాలి.

ఉత్తమ ఎంపిక అందిస్తుంది, సాధారణంగా 300-400 DPI.

2) క్రోమాటిసిటీ

ఈ పారామితి చాలా సమయం స్కాన్ సమయాన్ని ప్రభావితం చేస్తుంది (మార్గం ద్వారా, DPI కూడా ప్రభావితం చేస్తుంది, కానీ అవి చాలా బలంగా ఉంటాయి మరియు యూజర్ అధిక విలువలను అమర్చినప్పుడు మాత్రమే).

సాధారణంగా మూడు రీతులు ఉన్నాయి:

- నలుపు మరియు తెలుపు (సాదా టెక్స్ట్ కోసం పరిపూర్ణ);

- బూడిద (పట్టికలు మరియు చిత్రాలతో టెక్స్ట్ అనుకూలంగా);

- రంగు (రంగు మ్యాగజైన్స్, పుస్తకాలు, సాధారణంగా, పత్రాలు, ఇక్కడ రంగు ముఖ్యం).

సాధారణంగా స్కాన్ సమయం రంగు ఎంపిక ఆధారపడి ఉంటుంది. అన్ని తరువాత, మీరు ఒక పెద్ద పత్రం కలిగి ఉంటే, మొత్తం మీద పేజీలో అదనపు 5-10 సెకన్లు కూడా ఒక మంచి సమయం అవుతుంది ...

3) ఫోటోలు

మీరు పత్రాన్ని స్కానింగ్ ద్వారా మాత్రమే పొందవచ్చు, కానీ దాని యొక్క చిత్రాన్ని తీసుకోవడం ద్వారా చేయవచ్చు. ఒక నియమంగా, ఈ సందర్భంలో మీరు కొన్ని ఇతర సమస్యలను కలిగి ఉంటుంది: చిత్రం వక్రీకరణ, అస్పష్టం. దీని కారణంగా, స్వీకరించిన వచనం యొక్క మరిన్ని ఎడిటింగ్ మరియు ప్రాసెస్ అవసరం కావచ్చు. వ్యక్తిగతంగా, నేను ఈ వ్యాపారానికి కెమెరాలను ఉపయోగించమని సిఫార్సు చేయను.

అలాంటి ప్రతి డాక్యుమెంట్ గుర్తించబడదని గమనించడం ముఖ్యం, ఎందుకంటే స్కాన్ నాణ్యత అతను చాలా తక్కువగా ఉంటుంది ...

పత్రం యొక్క టెక్స్ట్ యొక్క గుర్తింపు

మీరు పొందే ప్రతిష్టాత్మకమైన పుటలు మీరు అందుకున్నాము. చాలా తరచుగా అవి ఫార్మాట్లు: tif, bmb, jpg, png. సాధారణంగా, ABBYY FineReader కోసం - ఇది చాలా ముఖ్యమైనది కాదు ...

ABBYY FineReader లో చిత్రాన్ని తెరిచిన తర్వాత, కార్యక్రమంగా, కార్యక్రమంగా, యంత్రాంగాన్ని ప్రాంతాలు ఎంచుకుని వాటిని గుర్తించడానికి మొదలవుతుంది. కానీ కొన్నిసార్లు ఆమె తప్పు. దీని కోసం మనము కావలసిన ప్రాంతాల ఎంపికను మానవీయంగా పరిశీలిద్దాం.

ఇది ముఖ్యం! కార్యక్రమంలో ఒక పత్రాన్ని తెరిచిన తర్వాత, మూలం పత్రం విండోలో ఎడమవైపు ప్రదర్శించబడుతుంది, దీనిలో మీరు వివిధ ప్రాంతాల్లో హైలైట్ చేస్తారని ప్రతి ఒక్కరూ వెంటనే అర్థం చేసుకోలేరు. "గుర్తింపు" బటన్పై క్లిక్ చేసిన తర్వాత, కుడివైపు ఉన్న విండోలోని ప్రోగ్రామ్ మీకు పూర్తి టెక్స్ట్ని తెస్తుంది. గుర్తింపు పొందిన తరువాత, అదే FineReader లో లోపాలను టెక్స్ట్ తనిఖీ మంచిది.

3.1 టెక్స్ట్

వచనం హైలైట్ చేయడానికి ఈ ప్రాంతం ఉపయోగించబడుతుంది. పిక్చర్స్ మరియు పట్టికలు దాని నుండి మినహాయించాలి. అరుదైన మరియు అసాధారణమైన ఫాంట్లు మానవీయంగా ప్రవేశించవలసి ఉంటుంది ...

టెక్స్ట్ ప్రాంతాన్ని ఎంచుకోవడానికి, FineReader పైన ఉన్న ప్యానెల్కు శ్రద్ద. ఒక బటన్ "T" (క్రింద ఉన్న స్క్రీన్షాట్, మౌస్ పాయింటర్ ఈ బటన్లో ఉంది) ఉంది. దానిపై క్లిక్ చేసి, ఆపై చిత్రంలో ఉన్న టెక్స్ట్ లో ఉన్న సరిగా దీర్ఘ చతురస్రాకార ప్రాంతాన్ని ఎంచుకోండి. మార్గం ద్వారా, కొన్ని సందర్భాల్లో మీరు 2-3 యొక్క టెక్స్ట్ బ్లాక్స్ని సృష్టించాలి, మరియు కొన్నిసార్లు ప్రతి పేజీకి 10-12 ఉంటుంది టెక్స్ట్ ఫార్మాటింగ్ భిన్నంగా ఉంటుంది మరియు ఒక దీర్ఘచతురస్రాన్ని మొత్తం ప్రాంతాన్ని ఎంచుకోండి లేదు.

చిత్రాలు టెక్స్ట్ ప్రాంతం లోకి వస్తాయి కాదు గమనించండి ముఖ్యం! భవిష్యత్తులో, ఇది మీకు చాలా సమయం ఆదా చేస్తుంది ...

3.2 చిత్రాలు

చిత్రాలను మరియు అరుదైన నాణ్యత లేదా అసాధారణమైన ఫాంట్ కారణంగా గుర్తించదగ్గ కష్టం ఉన్న ప్రాంతాలను హైలైట్ చేయడానికి ఉపయోగిస్తారు.

క్రింద స్క్రీన్ లో, మౌస్ పాయింటర్ "చిత్రాన్ని" ప్రాంతాన్ని ఎంచుకునే బటన్పై ఉంది. మార్గం ద్వారా, పేజీ యొక్క ఏ భాగం అయినా ఈ ప్రాంతంలో ఎంపిక చేయబడుతుంది మరియు FineReader దానిని పత్రంలో ఒక సాధారణ చిత్రంగా ఇన్సర్ట్ చేస్తుంది. అంటే కేవలం "స్టుపిడ్" కాపీ చేస్తుంది ...

సాధారణంగా, ఈ ప్రాంతంలో పేలవమైన స్కాన్ పట్టికలు హైలైట్ చేయడానికి ఉపయోగించబడుతుంది, ప్రామాణికం కాని టెక్స్ట్ మరియు ఫాంట్, చిత్రాలు తమను హైలైట్.

3.3 పట్టికలు

దిగువ స్క్రీన్షాట్ పట్టికలు హైలైట్ చేయడానికి బటన్ను చూపుతుంది. సాధారణంగా, నేను వ్యక్తిగతంగా దీనిని చాలా అరుదుగా ఉపయోగిస్తారు. నిజానికి మీరు చాలా మామూలుగా పట్టికలో ప్రతి లైన్ (వాస్తవానికి) డ్రా మరియు ఏ మరియు ఎలా కార్యక్రమం చూపించు ఉంటుంది. పట్టిక చిన్నదిగా ఉంటే మరియు చాలా మంచి నాణ్యతలో లేకపోతే, నేను ఈ ప్రయోజనాల కోసం "చిత్రాన్ని" ప్రాంతాన్ని ఉపయోగించమని సిఫార్సు చేస్తున్నాను. తద్వారా చాలా సమయం ఆదా, మరియు మీరు త్వరగా ఒక చిత్రం ఆధారంగా వర్డ్ లో పట్టిక తయారు చేయవచ్చు.

3.4 అనవసరమైన అంశాలు

ఇది గమనించదగ్గ ముఖ్యం. కొన్నిసార్లు పాఠం గుర్తించటంలో కష్టతరం చేసే పేజీలో అనవసరమైన అంశాలు ఉన్నాయి లేదా మీరు కావలసిన ప్రాంతంని ఎన్నుకోవద్దు. వాటిని "ఎరేజర్" ఉపయోగించి తొలగించవచ్చు.

దీన్ని చేయడానికి, ఇమేజ్ సవరణ మోడ్కి వెళ్లండి.

ఎరేజర్ సాధనాన్ని ఎంచుకోండి మరియు అవాంఛిత ప్రాంతం ఎంచుకోండి. ఇది తొలగించబడుతుంది మరియు దాని స్థానంలో ఒక తెల్లటి పత్రం ఉంటుంది.

మార్గం ద్వారా, నేను వీలైనంత మీరు ఈ ఎంపికను ఉపయోగించి సిఫార్సు చేస్తున్నాను. మీరు ఎంచుకున్న అన్ని టెక్స్ట్ ప్రాంతాలను ప్రయత్నించండి, అక్కడ మీకు టెక్స్ట్ యొక్క భాగాన్ని అవసరం లేదు లేదా ఏదైనా అనవసరమైన పాయింట్లు, అస్పష్టత, వక్రీకరణలు ఉన్నాయి - ఒక eraser తో తొలగించండి. ఈ గుర్తింపుకు ధన్యవాదాలు వేగంగా ఉంటుంది!

4. PDF / DJVU ఫైల్స్ యొక్క గుర్తింపు

సాధారణంగా, ఈ గుర్తింపు ఫార్మాట్ ఇతరుల నుండి వేరుగా ఉండదు - అనగా. మీరు చిత్రాలతో ఉన్న దానితో పని చేయవచ్చు. మీరు PDF / DJVU ఫైళ్ళను తెరిస్తే, కార్యక్రమం చాలా పాత సంస్కరణ ఉండకూడదు మాత్రమే విషయం - 11 కు వెర్షన్ అప్డేట్.

ఒక చిన్న సలహా. FineReader లో పత్రాన్ని తెరిచిన తర్వాత - ఇది పత్రాన్ని గుర్తించడానికి స్వయంచాలకంగా ప్రారంభం అవుతుంది. తరచుగా PDF / DJVU ఫైళ్ళలో, పేజీ యొక్క నిర్దిష్ట ప్రాంతం మొత్తం పత్రం అంతటా అవసరం లేదు! అటువంటి ప్రాంతాన్ని అన్ని పేజీలలో తొలగించడానికి, క్రింది వాటిని చేయండి:

1. ఇమేజ్ ఎడిటింగ్ విభాగానికి వెళ్లండి.

2. "ట్రిమ్" ఎంపికను ప్రారంభించండి.

3. మీకు కావలసిన ప్రాంతాన్ని అన్ని పేజీలలో ఎంచుకోండి.

4. అన్ని పేజీలు వర్తించు క్లిక్ చేయండి మరియు ట్రిమ్.

5. పని ఫలితాలు తనిఖీ మరియు సేవ్ లోపం

ఇది ఇతర సమస్యలు ఎంపిక చేయబడినప్పుడు, అప్పుడు గుర్తించబడిన ఇతర సమస్యలను కలిగి ఉండవచ్చని అనిపిస్తుంది - దానిని తీసుకొని దానిని సేవ్ చేయి ... ఇది అక్కడ లేదు!

మొదట, మేము పత్రాన్ని తనిఖీ చేయాలి!

దీన్ని ప్రారంభించడం కోసం, గుర్తింపు తర్వాత, కుడివైపున విండోలో, "తనిఖీ" బటన్ ఉంటుంది, క్రింద స్క్రీన్షాట్ చూడండి. దీన్ని క్లిక్ చేసిన తర్వాత, FineReader ప్రోగ్రామ్ స్వయంచాలకంగా మీరు ప్రోగ్రామ్ లోపాలను కలిగి ఉన్న ప్రాంతాలను చూపుతుంది మరియు ఇది విశ్వసనీయంగా ఒకటి లేదా మరొక చిహ్నాన్ని గుర్తించలేకపోతుంది. మీరు మాత్రమే ఎంచుకోవలసి ఉంటుంది, లేదా మీరు ప్రోగ్రామ్ యొక్క అభిప్రాయంతో అంగీకరిస్తున్నారు లేదా మీ పాత్రను నమోదు చేయండి.

మార్గం ద్వారా, సగం సందర్భాలలో, సుమారు, కార్యక్రమం మీరు రెడీమేడ్ కుడి పదం అందిస్తాయి - మీరు కేవలం మీకు కావలసిన ఎంపికను ఎంచుకోండి మౌస్ ఉపయోగించడానికి కలిగి.

రెండవది, మీ పని ఫలితాన్ని మీరు సేవ్ చేసే ఆకృతిని ఎన్నుకోవాలి.

ఇక్కడ FineReader మీరు సంపూర్ణంగా ఒక మలుపు ఇస్తుంది: మీరు కేవలం సమాచారాన్ని ఒకరిపై ఒకటి బదిలీ చేయవచ్చు, మరియు మీరు డజన్ల కొద్దీ ఫార్మాట్లలో ఒక దానిని సేవ్ చేయవచ్చు. కానీ నేను మరొక ముఖ్యమైన అంశాన్ని హైలైట్ చేయాలనుకుంటున్నాను. మీరు ఎంచుకునే ఫార్మాట్, ఇది కాపీ రకాన్ని ఎంచుకోవడానికి చాలా ముఖ్యం! అత్యంత ఆసక్తికరమైన ఎంపికలను పరిగణించండి ...

ఖచ్చితమైన కాపీ

గుర్తించబడిన పత్రంలోని పేజీలో మీరు ఎంచుకున్న అన్ని ప్రాంతాలు ఖచ్చితంగా సోర్స్ డాక్యుమెంట్లో సరిపోలతాయి. మీరు టెక్స్ట్ ఫార్మాటింగ్ కోల్పోవడం కాదు ఇది చాలా ముఖ్యం ఉన్నప్పుడు చాలా అనుకూలమైన ఎంపికను. మార్గం ద్వారా, ఫాంట్లు కూడా అసలు చాలా పోలి ఉంటుంది. పత్రాన్ని బదిలీ చెయ్యడానికి, ఈ కిందికి మరింత పనిని కొనసాగించడానికి ఈ ఐచ్చికంతో నేను సిఫార్సు చేస్తాను.

సవరించగల కాపీ

మీరు ఇప్పటికే ఫార్మాట్ చెయ్యబడిన వచనం యొక్క సంస్కరణను పొందినందున ఈ ఐచ్ఛికం మంచిది. అంటే అసలు పత్రంలో ఉండే "కిలోమీటర్" యొక్క ఇండెంటేషన్ని - మీరు చేరుకోరు. మీరు గణనీయంగా సమాచారాన్ని సవరించినప్పుడు ఉపయోగకరమైన ఎంపిక.

ట్రూ, మీరు రూపకల్పన, ఫాంట్లు, ఇండెంట్ల శైలిని సంరక్షించడానికి మీకు ముఖ్యమైనది కావాలో ఎన్నుకోకూడదు. కొన్నిసార్లు, గుర్తింపు చాలా విజయవంతం కాకపోతే - మార్చబడింది ఫార్మాటింగ్ కారణంగా మీ పత్రం "వక్రంగా" ఉండవచ్చు. ఈ సందర్భంలో, ఖచ్చితమైన కాపీని ఎంచుకోవడం మంచిది.

సాదా టెక్స్ట్

అన్నింటికీ లేకుండా పేజీ నుండి టెక్స్ట్ అవసరం వారికి ఒక ఎంపికను. చిత్రాలు మరియు పట్టికలు లేకుండా పత్రాలకు అనుకూలం.

ఇది డాక్యుమెంట్ స్కానింగ్ మరియు గుర్తింపు కథనాన్ని ముగించింది. నేను ఈ సాధారణ చిట్కాల సహాయంతో మీరు మీ సమస్యలను పరిష్కరించగలరని నేను ఆశిస్తున్నాను ...

గుడ్ లక్!