Интернет-журнал "Домашняя лаборатория", 2008 №3

Если в книге очень мало графики, в основном представленной скриншотами или небольшими фотографиями, как это часто бывает в книгах на компьютерные темы, то выбор должен быть один: черно-белые сканы с максимально возможным разрешением, на которое у вас хватит времени и терпения или серые, с последующей обработкой и приведением к черно-белому. При выборе конечного формата pdf с текстовым слоем с помощью FineReader и нежелании исправлять ошибки после OCR (опция "Сохранять только текст и картинки" в этом случае не используется), пожалуйста, выбирайте в опциях pdf формат CCITT4, черно-белый или LZW серый (без потерь), не обращая внимания на размер конечного файла. Почему не обращая? Если нет желания сохранить скан в djvu по каким-то причинам, то, по крайней мере, оставьте шанс тем, кто может это сделать, и не портите графические файлы, о тексте речи вообще нет, тот же FineReader, только не на вашем компе, сделает OCR достаточно быстро. Все равно ваш файл будет изрядного размера, но лучше скачать 100 мегов качественных сканов, чем 50 мегов размазанной грязи. В последнем случае разочарование обходится дороже, чем лишний трафик.

Если сканы были серые, то еще и еще раз прочитайте правило, приведенное чуть выше насчет того, что чем должно остаться и подберите яркость и контраст до того, как начнете сканировать все страницы на автомате. Может статься, что вам будет лень обрабатывать несколько сот сканов, доводя их вид до ума, поэтому "лучше день потерять, потом за пять минут долететь". Повторяю просьбу: в FineReader не выбирайте jpg перед отправкой сканов с OCR в контейнер pdf, причины, на мой взгляд, достаточно убедительные, приведены выше.

Когда-то слышал хорошее правило: если ты сделаешь медленно, но хорошо, то все забудут про "медленно", но будут помнить про "хорошо". А если сделаешь быстро, но плохо, то все забудут про "быстро", но будут помнить про "плохо".

Возвратимся туда, где рассматривались режимы сканирования, и была упомянута такая вещь, как ресэмплинг. Что это и чем может помочь при сканировании? Ресэмплинг, в данном контексте, это изменение разрешения растрового изображения. Различают два вида ресэмплинга: даунсэмплинг с понижением разрешения и апсэмплинг с повышением разрешения. С даунсэмплингом вы сталкивались, когда делали из большого изображения иконку или аватару. Несмотря на сравнительно большие размеры оригинала, все равно получали хоть и маленькое, но похожее на исходное, изображение. Апсэмплинг может быть очень полезен при сканировании, он экономит время за счет искусственного повышения разрешения, следовательно, улучшается четкость изображения.

Исходные данные: одна и та же буква, полученная из pdf файла сохранением в tif, слева 300 dpi, справа 600 dpi, только обе буквы сделаны одинакового размера, на самом деле, левое изображение меньше правого. Действует обычное правило: если увеличить высоту и ширину в два раза, то площадь возрастет в четыре раза. На каждый пиксель в 300 dpi приходится четыре пикселя при 600 dpi. Отличие сразу заметно на глаз, низкое разрешение дает более изломанную границу у кривых линий.

А теперь оба изображения в 600 dpi, но правое было ресэмплировано из 300 dpi, для этого черно-белый файл открыт в Ирфане, через меню "Изображение" — "Изменить размер изображения", выбрано "Увеличить в два раза", отмечен пункт "Ресэмплирование (качественнее)", выбран метод "Lanczos (самый медленный)", "Повысить резкость", "Эффекты — Размытие", затем "Уменьшить глубину цвета" до двух.

На заключительном этапе — возврат в меню "Изменить размер изображения" и изменение разрешения на 600 dpi. Сама по себе установка разрешения не играет большой роли, но лучше установить необходимое значение, чтобы не забыть об обработке изображения.

Могут быть разные методики ресэмплинга, но суть остается одной: повысить количество пикселей, но не простым их учетверением, а с помощью алгоритма интерполяции. Как именно работает этот алгоритм, нам знать не требуется, вполне достаточно получить практический результат.

Апсэмплинг можно использовать для получения черно-белых изображений, когда исходные сканы были сделаны в сером. Таким образом, имеется возможность улучшить исходное изображение при автоматической обработке в любой подходящей для этого программе.

У Ирфана, в меню "Файл-Преобразовать/Переименовать группу файлов…" есть практически все необходимые инструменты. Кроме того, Ирфан может работать со многими плагинами Photoshop. Если страниц немного, а качество очень плохое, то используя, как вариант, плагин Alien Skin Explosure, вполне реально добиться явного улучшения изображения, либо для OCR, либо для других задач, например, конвертирования в djvu.