• úvod
  • témata
  • události
  • tržiště
  • diskuze
  • nástěnka
  • přihlásit
    registrace
    ztracené heslo?
    JYRKAElektronické knihy - tvorba a příprava
    PULKA
    PULKA --- ---
    Ahoj, není tady někdo sazeč, co by měl český ekvivalent anglického pullquote? Ve smyslu té citace, která je vyňata z obsahu (často i vizuálně třeba na stranu v novinách)? Pátrám a zatím marně, tak mne napadá zkusit nějaké DTP related auditko, snad to není OT.
    FERRYH
    FERRYH --- ---
    MEMNON666: ja jeste docela dbam na to aby v abbbyy FR pred exportem do souboru (skenbook djvu nebo pdf a docx na ebook) bylo co nejmene chyb OCR ... da to praci, ale pak je zas kvalitni i ten text pod obrazkama v djvu a jinejch skenbokach a dobre se v tom vyhledava, kdyz se dela korektura v docx ebooku podle skenu... ale kazdej ebookar ma svuj zabehany system a profil... chce to zkusit co vyhivuje nejlepe...

    jinak s tim abbyy a sedym pozadim bez kontrastu to je pravdapravdouci... a take to 300dpi max a 200dpi min. 600DPI uz je mnohem vic chybove a mensi DPI ztake... 300 je zlata stredni cesta u beletrie se takto nejlepe dela to OCR a je tam nejmene chyb... cim starsi je ta kniha a ma vice nekvalitni papir a skvrn, tak tim lepe se pak OCR, kdyz je hodne sedive pozadi - teda papir...
    skenbook z tohodle pak neji problem udela dodatecne kontrastni tim, ze se pouzije treba Scantailor na upravu tech skenu....a vyslednej sken se pouzije na peknej kontrastni, kvalitni skenbook... umi to i mix barevne a sede s cernobilym textem 600DPI
    jinak ten postup zminenej MEMNON666: mas celej popsanej tady a jsou tam i ty makra do worda:
    http://santiago.wz.cz/stranky/tipy.html
    MUXX
    MUXX --- ---
    MEMNON666: Posledne jsem mel stesti na knihu. Udelal jsem skeny, ale lezelo mi to skoro rok v pocitaci. Tak jsem to vzdal a hodil to na xtrance s tim, ze to casove nedavam Za tyden mi to nekdo poslal hotove ve wordu.
    MEMNON666
    MEMNON666 --- ---
    MUXX: jednotný návod k digitalizaci je podobný hlavolam - kde záleží jaký máš cíl a co digitalizuješ - pokud to zobecním na beletrii tak nejjednodušší postup (na kterém se také velmi pravděpodobně neshodneme .) ) je plus mínus takový - skenování v ABBYY FR 300DPI šeď (výhodou jsou slovníky) zde provést ruční kontrolu a případně ořez/úpravu rozpoznávaných oblastí, po OCR - export do upravitelného formátu a PDF/DJVU (pro korekturu stačí takto)
    dále už ve Wordu se santiago/quinta makry - odstranění textových polí+Odstranění stylů+Základní úprava textu+(Nahrazení odrážek a číslování+Nahrazení tabulátorů+Spojování stránek a řádků+Spojování odstavců)
    potom Slovníková nahrazení a Kontrolní makra, v dalším kroku projet postupné místa označená kontrolou pravopisu a lehké naformátování nadpisů apod. - takhle se podle mě dostaneš +- spolehlivě do čitelného stavu "Oprava po OCR" a pokud chce někdo lepší verzi tak má k dispozici náhledové skeny a použitelný zdrojový text :)

    (za případné chyby a úmyslná/nechtěná zjednodušení se omlouvám)
    MUXX
    MUXX --- ---
    KRAMERIUS: To jsem mel minule asi spatne. Vysoky kontrast a vysoke dpi, OCR mi pak v kazde spine hledalo hacek nebo carku a mel jsem z toho dost opravovani. No snad mi to tentokrat pujde lip.
    ERGOSUM
    ERGOSUM --- ---
    KRAMERIUS: Já už nějakou dobu neskenuju, ale fotím a tam to chce nastavit EV aby nebyl šedý papír. Postprocesing nedělám(snad mimo ořezů, ale často mám uložené surové snímky).
    KRAMERIUS
    KRAMERIUS --- ---
    ERGOSUM: Dle praktické zkušenosti příliš kontrastu FineReaderu při OCR vadí - má pak horší výsledky než u přirozeně naskenovaných stránek bez nějakého postprocesingu.
    ERGOSUM
    ERGOSUM --- ---
    MUXX: Sám OCR nedělám, ale třeba tady
    Free Online OCR - Frequently Asked Questions
    https://www.onlineocr.net/service/faq
    jim stačí 200DPI
    Na OCR je důležité, aby text byl kontrastní a nebyly tam stíny. Udělat si z kusu papíru masku kolem knihy je dobré na oči a kvalitě to též pomůže.
    KRAMERIUS
    KRAMERIUS --- ---
    MUXX: 300 v odstínech šedé by mělo být OK.
    Pokud jsou tam barevné obrázky tak ty stránky samozřejmě barevně.
    Já obvykle skenuju přímo do FineReaderu, celou knihu přejedu na automat v odstínech šedé, pak ručně vybrané stránky barevně a v FR projektu pak v sekvenci stránek ty šedé nahradím barevnými - a nakonec to celé přejet OCR a vyexportovat v DJVU (obrázky s OCR vrstvou) a do Wordu (text).
    MUXX
    MUXX --- ---
    Chtel bych vyrobit e-knihu z jedne starsi knihy, ktera se neda moc sehnat. K dispozici budu mit Plustek Optibook na skenovani, ale potreboval bych poradit vhodne nastaveni. Predpokladam, ze nejlepsi format je PNG/TIFF, ale jake mam zvolit dpi, aby si s tim OCR pak v pohode poradilo? 300dpi nebo radsi 600dpi?
    MA747
    MA747 --- ---
    MA747: Pokud by to někomu náhodou přišlo vhod: Nenašel jsem SW, který by to uměl, proto jsem napsal skript, který "rozbije" dvě PDF na entity/objekty, identifikuje v nich obrázky a překopíruje je z "malé ostré" verze do "velké neostré s textovou vrstvou", vše složí a zapíše zpět. Kupodivu to funguje (asi je potřeba při uložení v A.F.R. zachovat stejnou velikost dokumentů). Skript je v PoC kvalitě a je napsaný pro konkrétní PDF, proto nemusí být univerzální.
    MA747
    MA747 --- ---
    ERGOSUM: díky za tip, vyzkouším. Nepřesný OCR text pod je jen jakýsi bonus. Důvody jsem popsal zde.
    ERGOSUM
    ERGOSUM --- ---
    MA747: Na PDF používám Master PDF editor. Obecně ale radím spíš pdf nepoužívat. Když už tak plně textové PDF.
    Tahle obrázková pdf s textovou vrstvou jsou dost nešťastná řešení. Sám takové asi 4 mám a používám je..., no raději nepoužívám.
    Buď je totiž text shodný s tím na obrázku a potom je ten na obrázku zbytečný, nebo se liší a to přináší mrzutosti.
    GALENIUS
    GALENIUS --- ---
    Chtěl bych se zeptat, nevíte někdo, jak kompletně reinstalovat firmware na Bookeen Odyssey? Tchýni se nějak rozsypal FW, pro systém (menu atd.) nejspíše používá Windings nebo něco podobného.
    Obnova do továrního nastavení nepomáhá.
    Díky
    MA747
    MA747 --- ---
    Řeším vyhledatelný (searchable) PDF. Tento formát umí ABBY FR (11 i 14). Problém mám s velikostí a s kódováním "obrázků". Nedokážu při uložení vnutit stejné (identické) rozlišení jako vstupní PDF (GIF, 4bit color). Při uložení dochází ke konverzi do JPEGu, i když je ve volbách uložení nic neměnit, nedegradovat kvalitu. Když zatrhnu uvedené volby, je výsledná velikost třeba 10x větší než vstup. Pokud chci "rozumnou" velikost, což je asi 3x větší než vstup, tak je grafický výstup degradovaný (ztrátová konverze, menší rozlišení). Navíc při velkém přiblížení vidím ve všech případech hrany písmen rozostřené - originální vstup je "bitmapově" ostrý. Nenasměroval by mě pls někdo jak to pořešit? Ze zoufalství mě napadlo obě PDF rozbít na entity, promíchat a zase složit, ale nevím, jestli to v rozumném čase realizovatelné.

    BTW: nejlepší zkušenost s výrobou nejmenšího PDF jsem udělal pomocí img2pdf.
    ERGOSUM
    ERGOSUM --- ---
    Můj kompakt má režim "slova" určený právě na tohle. Například nemá snahu dělat z bílé šedou.
    FERRYH
    FERRYH --- ---
    to narovnavani prohnutejch str delam zvlast v abbyy fr. 12 ...
    to osvetleni u fotek a obrazku to JE big problem ja vim... to nejde jinak nez rucne v photoshopu nebo podobnejch (paint shop pro) SW .. a i tam je to teda pekna pruda!! mam s tim letite zkusenosti :))
    MA747
    MA747 --- ---
    FERRYH: Ano, je to myšleno na výrobu "skenbooků", protože existují knihy/časopisy/..., které jsou buď obtížné/pracné převést na ebook (tabulky, grafy, vzorečky, složitější sazba, ...) a nebo mi to za to nestojí (relativně časově omezená platnost informace, ...). Proto se i přes nevýhody spokojím se "skenbookem" (protože tablet).
    ScanTailor Advanced (díky za tip) jsem teď zkoušel a stále bohužel neumí to, co bych si představoval, tedy narovnání prohnutých stránek a "normalizaci" nestejnoměrného osvětlení vzniklých nafocením.
    FERRYH
    FERRYH --- ---
    MA747: jestli jsem tomu dobre rozumel jde o produkt na tvorbu "skenbooku"
    teda pdf nebo djvu, kde stranky jsou obrazky-skeny... to neni moc beznej format e-booku
    vetsinou se to pouziva jen v amatersken ebookarskem prostredi nebo na tvorbu uzivatelskych ebooku - skripta a pod.

    ...na tohle je i docela dost sikovnejch a velice kvalitnich free produktu -napriklad ebookari pouzivaji ScanTailor - nejlepsi, momentalne stale jeste aktualizovany a stale zdokonalovany je verze Scantailor Advanced - https://github.com/4lex4/scantailor-advanced/releases
    MA747
    MA747 --- ---
    Zaujal mě Booksorber. Podle odkazu umí řešit:
    • warped page content,
    • inhomogeneous text quality (due to uneven illumination),
    • too high-contrast images,
    • unremoved finger artifacts.
    Kliknutím sem můžete změnit nastavení reklam