Forum Debian Users Gang

Najlepiej to użyj do rozłożenia pliku pdf na strony, polecenia:

pdftocairo  --help

Masz zapewne w systemie, bo jest w  pakiecie poppler-utils.

Najlepiej zrób format tiff lub png. Potem najlepszy byłby program Scantailor. Niestety projekt jest martwy, ostatnia aktualizacja w Debianie buster. Wczytujesz do niego obrazki i w pięciu etapach otrzymujesz gotowe obrazki: wyrównane, poprawione, podwójne strony podzielone, wyrównane, oczyszczone ze zbędnych elementów itp. Nawet poprawia perspektywę obrazków. Na koniec możesz wybrać jaką wersję obrazków chcesz zapisać. Kolorowy, szary, czarno-biały, nawet mieszany (część kolorowa, reszta szara itp.).
Tu masz pomoc: https://github.com/scantailor/scantailor/wiki

Podobne opcje ma program paperwork. Jego dopiero poznaję. Jednak trochę mi on nie podchodzi. Wolę program scantailor.

Ja końcowe obrazki wczytuję do Tex-a/Latex-a tworząc nowy pdf. Ty jak nie znasz Latex-a, to możesz wykorzystać dowolny program do łączenia obrazków w pdf.

https://packages.debian.org/buster/scantailor
https://packages.debian.org/bullseye/paperwork-backend

Paperwork ma pomoc w systemie.

Dodane:
Paperwork, dodatkowo, jak jest w systemie dostępny odpowiedni silnik OCR, potrafi dokonać rozpoznania tekstu.

Ostatnio edytowany przez fnmirk (2021-10-20 02:42:17)

Paperwork to przede wszystkim muł i nie ma porównania do ScanTailor-a.

ScanTailor, wyleciał, bo wszystko z qt4 z Debiana 11 wyleciało, to wiadomo. Ale jest fork scantailor-advanced z poprawką na qt5 i kompiluje się bardzo dobrze w Debianie 11, to i do repo kiedyś trafi. Ale działa ciut wolniej, niż stary na qt4. Bardzo dobry program, używam od lat, parę innych z qt4 też mi poleciało jak zrobiłem upgrade do 11, nie tylko ten.

Jest też przygotowany skrypt do czyszczenia zeskanowanego tekstu (zdjęcia z tekstem, też oczywiście), przez twórców convert/imagemagick, textcleaner. Na dole opis i pobranie.

---------------

A ja czyszczę zeskanowane materiały dla OCR-a, (przybierając tu twoją formę polecenia, by nie mieszać, bo ja to oskryptowałem inaczej pod prawego myszy), w taki sposób: (Materiały tekstowe lepiej zapisywać w innych formatach niż bardzo stratny jpeg).

To jest oczywiście propozycja robienia prosto z pdf-a, bo tak jest lepiej, prościej i mocno czyści dla OCR-a. Uwaga na pdf-y z wieloma stronami, lepiej podzielić na pojedyncze strony, bo obraz może być koszmarnie długi.

A najlepiej do testu wyodrębnić jedną stronę, można w pdftk (tu przykładowo 22 strona, wybrać z samym tekstem).

pdftk  book.pdf cat 22 output strona22.pdf

I dopiero teraz, z jedną stroną robić test.

ls ./*.pdf | xargs  -I {} convert  -density 300 {} -colorspace rgb -monochrome -median 2 -append  {}.png

A może spróbuj tą jedną stronę moim sposobem, od razu do tekstowego przenieś z ocr-em, musisz mieć tylko zainstalowany tesseract-ocr i tesseract-ocr-pol (można cuneiform używać jak ktoś lubi, lepiej formatuje text zwłaszcza dwu kolumnowy, ale miewa swoje problemy).

U mnie to działa całkiem przyzwoicie. Wiadomo, że wszystko zależy od materiału wyjściowego i czasami jest lipa. Na przykład jak są rysunki lub tabele, to można zapomnieć, że tesseract je odwzoruje, ale sam tekst daje rade. Uwaga na ilość plików w folderze, może lepiej zmienić, by nie łapało wszystkiego, lub rozpisać to dla pliku (może zdjęcia z tekstem umieszczone w tym pdf-e nie będą takie złe i cos z tego będzie).

ls ./*.pdf | xargs  -I {} convert  -density 300 {} -colorspace rgb -monochrome -median 2 -append  {}.png ; find . -name "*.png" -print0 | xargs -0  -I {} tesseract --dpi 300  {} {} -l pol

Dla testu możesz też zrobić zdjęcie tekstu i też spróbować rozdzielczość będzie lepsza materiału wyjściowego, całkiem dobrze to wychodzi. (Wiadomo na Androida są programy czyszczące, ale...)

Pdf-a skleisz też w pdftk, lub z GUI to może być PDFSum (darmowa wersja Basic wystarczy).

Może się do czegoś to przyda.

==========dodany=============

Edycja: Przepuściłem przez tesseract-ocr pliki zrobione tak jak opisałeś.

pdftocairo skan.pdf -mono -png

I też są  dobrze przetworzone do tekstu (pliki są o większej rozdzielczości 2x, niż moje, co pomaga przy ocr), wydaje się że OCR robi jeszcze mniej badów z nimi. Na 50 linii tekstu z marnego materiału, wyciągniętego z pdf-a, zrobił w moim jeden, a w drugim nie znalazłem błędów.

Dodatkowo z takiego JPG-a pobranego ze strony wikisource.org, zapakowanego specjalnie w pdf-a, dla testu. Po przerobieniu go moim sposobem, prawie nie zrobił błędów, ale to jest przyzwoity skan.

Dla porównania do zdjęcia, to jest ten wyciągnięty tekst z testu tego jpeg-a, przez tesseract-ocr.

— 17 —

grube 1 drobne, albo zupełnie gładkie; szerokie około
45 cali. Cena łokcia od 20 do 50 kopiejek. *)

6), Papier kolorowy, marmurkowy, szagryno-
wy, używany do tego, co 1 płótno angielskie. I on
jest w rozmaitych kolorach, a jak wiem z doświad-
czenia, najładniejszy jest koloru ciemnego, ciemno-
czerwonego i ciemno-niebieskiego w kółeczka. War-
to się poznać samemu dobrze na papierze, a także
przy braniu książek do oprawy zapytywać, jaki kto
papier lubi, bo na nim łatwo się sparzyć; kupiec bo-
wiem najczęściej podaje każdemu na wstępie towary
lichszego gatunku, więc i papier można kupić taki,
który zawsze będzie farbę puszczał. Cena arkusza
papieru od 1—34 kopiejek.

1) Złoto, którego się używa do wyciskania liter
lozdób. Jest ono w cienkich listkach, złożonych w ksią-    #<1-- i ozdób z większego pliku było iozdób
żeczkę i przekładanych papierem. Książeczka najlepsze-
go złota kosztuje 40 kopiejek i taką radzę każdemu
kupować.

Książeczki zaś „dwojniaku* I „trojniaku* można
dostać za 10 kopiejek, aleto takie paskudztwo, że
szkoda na nie pieniędzy — nie daje się brać do ręki,
przy najlżejszem dmuchnięciu w proch się rozlatuje
1 nigdy nie da tak pięknych odbić, jak numer |1-szy. #<2--- pierwsza 1 powinno być i, | dodał, z większego nie było tych błędów

8). Białko z jaja, którem się smaruje te miejsca,
gdzie mają być odciski. Przyrządzaj je w taki spo-
sób: stłukłszy świeże jajko knrze, wypuść z niego do  #<3-- knrze, ze wiekszego było prawidłowe kurze 
szklanki białko bez żóltka, dolej wody drugie tyle,    #<4-- żóltka tam jest ledwo widoczne że to ł 



*) Niektórzy ludzie (klijenci) każą książki oprawiać w to płót,.   #<5---- na zdjęciu widać że trudno to uznać za błąd ocr, tam też nie ma -
no, z którego krawcy robią podszewki do ubrania. Najlepsze czarne:

A z 2x większego obrazka, zrobionego przez pdftocairo było, jeszcze lepiej. Wynika z tego że lepiej sprawdzić, czy tesseract-ocr sobie poradzi, niż drukować paskudne zdjęcia ze słabym tekstem, to będzie zawsze gorzej wyglądało. Można zawsze zrobić, jak pdftocairo 2x większy plik, dla tesseract-ocr-a i będzie jeszcze mniej błędów, wystarczy -density 300, zmienić na 600.

Ostatnio edytowany przez jawojx (2021-10-20 22:20:27)

morfik napisał(-a):

Zadanie jest takie, by wydrukować ten pdf najmniejszym kosztem, tj. w back-white, a nie w skali szarości, co by pewnie zużyło cały toner.

Jak tonery kosztują, to zawsze można uskutecznić spacerek do punktu Xero,
tylko trzeba koło 17, bo wcześniej u mnie studenty okupują.
Płacę za czarno-biały 10 groszy strona, kolor 40 groszy.

Wychodzi taniej, niż prąd i toner w drukarce, o atramentach nie wspominając.

Najtrudniejszym problemem jest znaleźć wolny pendrak,
chociaż z  cegłofona czy maila też wydrukują.
:P

Pozdro

Ostatnio edytowany przez Jacekalex (2021-10-21 00:12:37)

Jacekalex napisał(-a):

Jak tonery kosztują, to zawsze można uskutecznić spacerek do punktu Xero,
tylko trzeba koło 17, bo wcześniej u mnie studenty okupują.
Płacę za czarno-biały 10 groszy strona, kolor 40 groszy.

No właśnie po to mam drukarkę, żeby nie latać po xero. Poza tym, toner do tej drukarki kosztuje więcej niż sama drukarka razem z tonerem (bo to używana była).  xD Mam kilka zamienników za 25 zeta ale po co hajs marnować? Do tego jeszcze dochodzi sam wydruk na szarym tle, który czyni dokument bardzo nieczytelnym.

Ten scantailor-advanced też wygląda na opuszczony projekt. Ostatni update był 2 lata temu i chyba już nie troszczy się o niego nikt. Ale jak da radę go zbudować, to się nim pobawię.

Generalnie to ten mój dokument jest bardzo słabej jakości. Jak go potraktowałem trybem mono, to mi w zasadzie wypluł białą stronę z kilkoma czarnymi kropkami. Dlatego tutaj trzeba trochę bardziej się wysilić, żeby cokolwiek było widać. xD

To wychodzi, że tekst chyba nie jest do końca czarny (ciemny, różny od tła). Możesz spróbować ten textcleaner, z ustawieniami przetworzenia do monochromatycznego, przed dalszą edycją. Z tym że on wymaga „orginalnego” imagemagick-a (zapomniałem o tym napisać) i nie działa prawidłowo z jego forkiem graphicsmagick.

I UWAGA: Jak się instaluje imagemagick to wyleci nie tylko graphicsmagick-imagemagick-compat, odpowiedzialne za udawanie kompatybilności tego pierwszego, ale jak ma się zainstalowany darktable, to i pakiety od niego polecą i nie będzie działał. Tylko to nie jest problem, można później przeinstalować te usunięte, przecież. Lub zrobić to na live Debianie.

Bez powiększania i prostowania linii (dla próby nie jest to potrzebne), z mocnym czyszczeniem tła, można spróbować tak.

./textcleaner -g -e normalize -f 80 -o 15 -s 1  in.jpg out.png

Możesz operować -f 80, jest to czyszczenie tła, reszta powinna być OK, wszystko opisane na stronie lub w pomocy -h, jak coś dodatkowo chcesz zmienić.

A jak możesz i materiał nie jest chroniony prawnie, to udostępnij jedną stronę w pdf-e. Z ciekawości zobaczę, co się da z tym zrobić.

Ostatnio edytowany przez jawojx (2021-10-21 20:10:22)

To tak bez ustawiań, bo późno, a rano trzeba wstać. Jak zrobiłem tę próbę, to domyśliłem się, gdzie robisz błąd, jak jest słaby skan/foto tekstu, to pierwsze co trzeba zrobić to je powiększyć. A tesseract-ocr zrobił jakieś błędy, ale to nic nie było ustawiane pod te strony specjalnie, i nie jest tak, że nic się nie wyciągnie OCR-em. Bo tak tylko po oczyszczeniu, bez ocr-a, to zawsze to słabo wygląda w drukowaniu. Tekst, do porównania. A jutro/dzisiaj po pracy zobaczymy, co da się z tego wyciągnąć.

IV. SKRZYNKA POSUWÓW (NORTON) RYS. 65, 06

1. Dla wyjęcia wałka 160 i ażwigni 151 należy:
al) wykręcić wkręt a czoła walka ! zdjąć podkładkę.
a2. zdjąć koło mmianowe, wyjąć wpust z wałka i zdjąć podkładkę dystannową 178:

a3, alumwać śrubę 307 (rys 06) w kitarze | zdjąć ją a korpusu 150 (rvs. 06);
a4' wyxięcić wkręty z pokrywki 197 i zdjąć ią;
a5: wybić wałek 100 przy użyciu pręta mosiężnego © 6—7 mm I młotka Ślusarskiego

0.5 xg z korpusu 130 I koła zębatego 163 osadzonego w przesuwnej dźwigni 151;
a0' ściągnąć łożysko tocrne z wałka;
a7) wybić sworzeń IS3:
a6' odkręcić wkręty w przykrywce 176 ! zdjąć Ją;
a0% wyjąć koła zębate I63 I 164.

Ocrvścić wszystkie części zdemontowane | nasnarować. Po dopasowaniu wymie-
nionych cześci montaż przeprowpdzić w odwrotnej kolejności do przeprowadzo-
nego demontażu.

2 Dla wyjęcia wałka 159 należy:

bi) wykonać demontaż wą pktów: al, a2, a3, jak wyźłej;

bai zdjąć osłonę 233 po ziuzowaniu wkrętu mocującego ją (rys 02):

b) wykręcić iruby mocujące korpus 150 I zdjąć go:
b4''odkręcić wkręt zabezpieczający 808;

b5) wybić walek 159 2 kół zębatych przez otwór tulej 165 przy pomocy mlotka

ślusarzkiego 0.5 xg i preta mosiężnego O 6—7 mm oraz tuleję 165. Dnlszy
demontaż nie nastręcza trudności.

Po pczemyciu, wymianie części I po dopasowaniu ich, montaż przeprowadzić
w odwrotnej kolejności wykonanego demontażu.

V.ZAMEK I SUPORT RYS. 02, (7

al) zdjąć wspornik 223 z loża po uprzednim wykręceniu śrub MOCWĄCYCH i prze-

sunięciu suportu z zamkiem pod wrzeciennik;

a2) zdjąć konik z łoża:
a3) usunąć suport z prowadnic loża łącznie z zamkiem i śrubą pociągową.

Dia wyjęcia śruby pociągowej 2 nakrętki należr wybić kołek stożkowy z łącz-
ntks 228 Dalszy demontaż jest prosty | nie wymaga opisu. Po oczyszczeniu, wy-
mianie zużytych części i po dopasowaniu nowych, montaż przeprowadzić w ode
wrotnej kolejności do wykonsnego demontażu.

VI. NAPĘD RYS. 016

1. Dla wymiany lożysk kulkowych w przystawce należy:
al) zwolnić paski klinowe I zdjąć je:
a2) odkręcić śruby mocujące podstawę 401 do dolnej płyty szafki | wyjąć calą
przystawkę;
a3) odkręcic nakrętki z obu końców wałka 410;
a4) zdjąć koła pasowe 403 i 404 i wyjąć wpusty z wałka:
_ a3) odkręci! wkręty w pokrywach 406 | zdjąć je:
06) wyjąć wałek 410 łącznie z łożyskami toctnymi z ramienis wahliwego 400;
87) usunąć zużyte łożyska z wałka,
Zdemontowane części oczyścić, wymienić łożysko toczne | zmontować w odwrotnej
kolejności do wykonanego demoniażu.
2 Dla wyjęcia silnika elektrycznego należy:
al' wyłączyć dopływ prądu 2 sieci;
a2) odłączyć kable z pod kspy silnika lub zacisków na przełączniku:
a3) zwolnić śruby mocujące silnik do sań | wysunąć go.
Pozostale zespoły są proste i nie nastręczają trudności przy demontażu i montażu.
Pamięć zawsze należy, by części do monisżu były oczyszczone, spasowane
| nasmarowane.

a. REWONT WYPOSAŻENIA SPECJALNEGO
Suport obcinający rym. 014
Dia zdjęcia suportu górnego 301 należy:
ni! wykręcić nakrętke ze zderzaka 317;

a2) zdjąć rączzę 306 przez zwolnienie śruby zaciskowej;
a3) zsunąć suport z prowadnicy dolnej płyty 360 w kierunku zderzeka 317.

Ostatnio edytowany przez jawojx (2021-10-22 00:29:33)

fnmirk napisał(-a):

Panowie, to co próbujecie zrobić to jest sztuka dla sztuki. Z takiej jakości materiału bazowego, mam na myśli plik png to bez konwertowania na eps o odpowiedniej rozdzielczości nie uzyskacie przyzwoitej jakości wydruku. Bez względu na zastosowaną technikę, wydruk będzie nieczytelny. Nawet eps wyjdzie kiepski. Tracąc czas na obróbkę grafiki, lepiej jest wykonać ocr i złożyć ponownie. Problemem mogą być rysunki. Nimi można zająć się indywidualnie. Jednak lepiej mieć dobry tekst i kiepskie rysunki, niż jedno i drugie.

Nie wiem, dlaczego forma mnoga "panowie" :), ja od początku pisałem, by użyć OCR-a. Tekst z tego pliku wklejony wyżej, post 12, jest tylko z powiększonego obrazka. Normalnie OCR sam przygotowuje plik do przerobienia, nawet jak jakieś GUI wykorzystuje tesseract-a, to tak robi. Dlatego nie trzeba robić tego samemu. Ale jak korzystamy z tesseract-ocr, lub cuneiform-a, w trybie tekstowym, to sami musimy to zrobić. A zaleta, można sobie napisać skrypt i zapomnieć o całym problemie.

Dla mnie nie chodzi tu nawet o oszczędzanie tonera, to zawsze paskudnie wygląda, jak nie zrobi się tego przez ocr.

----------------------
Co do testu z plikiem.

Można poprawić tego jpeg-a, dla ocr-a można przekonwertować bez kolorów i powiększyć z lekkim wyostrzeniem i tyle wystarczy. (podaje oddzielnie może coś zaadoptujesz dla siebie).

Przygotowanie tego twojego pliku.

convert -sharpen 0x1 -resize 200% in.png out1.png

convert  -density 300 out1.png -colorspace Gray -median 2 -append out2.png

I tesseract-ocr.

tesseract --dpi 300 out2.png gotowy -l pol #<-- lub out1 można sprawdzić

I będzie taki wynik z tesseract-ocr, jest lepiej niż z nieczyszczonego, a pewnie można jeszcze lepiej przygotować ten twój plik dla ocr-a.

IV. SKRZYNKA POSUWÓW (NORTON) RYS. 05, 06

1. Dla wyjęcia wałke 160 I dźwigni 151 należy:
al) wyzręcić wkręt z czoła wałku | zdjąć podkładkę;
a2; zdjąć koło zmianówe, wyjąć wpust ż wałka i zdjąć podkładkę dystamiową 178;
n3) zluwywnć śrubę 807 (rys 06) w kiturze | zdjąć ją z Korpusu 150 (rvs, 06);
4) wysręciće wkręty z pokrywki 177 i zdjąć ią;
aj: wybić wałek 100 przy użyciu pręta mosiężnego © 6—7 mm I młotka ślusarskiego
05 kg z korpusu 150 I kola zębatego 153 osadzonego w przesuwnej dźwigni 151;
a6) ściągnąć łożysko toctne z wałka;
a7) wybić swarzeń 133;
aB' odkręcić wkręty w przykrywce 178 I zdjąć ją;
ad) wyjąć koła zębate 163.1 164
Oczyścić wszystkie części zdemontowane | nasmarować. Po dopzsowaniu wyrnie-
nionych części montaż przeprowadzić w odwrotnej kolejności do przeprowadzo-
nego demontażu.
2 Dla wyjęcia wałka 155 należy:
bl) wykonać demontaż wę pktów: nl, aż, ad, jak wyżej;
b2) zdjąć oslonę 233 pa zluzowanii wkrętu moctjącego Ją (rys. 02);
b23) wykręcić śruby mocujące korpus 150 1 zdjąć go:
bńi'odkręcić wkręt zabezpieczający 808;
bój) wybić walłok 159 z kół zębatych przeż otwór tulej 165 przy pomócy młotka
ślusarskiego 0,5 kg i pręta mosiężnego O 6—7 mtn orax tuleję 165. Dnlszy
demontaż nię nastręcza trudności.
Po ptzemyciu, wymienie części | po dopasowaniu ich, montnż przeprowadzić
w odwrotnej kolejności wykonanego demontażu

V. ZAMER I SUPORT RYS. 02, 07

ai) zdjąć wspornik 223 z loża po uprzednim wykręceniu śrub mocujących | prze-
sunięciu suportu z zamkiem pod wrzeciennii:

a2) zdjąć konik z łoża;

a3) usunąć suport z prowudnic łoża łącznię z zamkiem i śrubą pociągową

Dia wyjęcia śruby pociągowej z nakrętki należy wybić kołek stożkowy z lącz-
nikn 228, Dalszy demontaż jest prosty | nie wymaga opisu, Po oczyszczeniu, wy-
mianie zużytych części i po dopmsowania nowych, montaż przeprowadzić w od-
wrotnej kolejności do wykonanego demontażu,

VI, NAPĘD RYS. 010

1. Dla wymiany łożysk kulkowych w przystawce należy:
a1) zwolnić paski klinowe I zdjąć je;
a2) odkręcić śruby mocujące podstawę 401 do dolnej płyty szafki i wyjąć całą
przystawkę;
a3) odkręcic nnkrętki z obu końców wnłka 410;
a4) zdjąć koła pasowe 403 i 404 I wyjąć wpusty z wałka;
a5) odkręcić wkręty w pokrywach 406 | zdjąć je:
a6) wyjąć wałek 410 łącznie z łożyskami tocznymi z ramienia wahliwego 400;
n7) usunąć zużyte łożyska z wałka,
Zdemontowaine części oczyścić, wymienić łożysko toczne I zmontować w odwrotnej
kolejności do wykonanego demontażu.
2 Dla wyjęcia silnika elektrycznego należy:
al! wyłuczyć dopływ prądu z sieci;
a2) adłączyć kable z pod kapy silnika lub zacisków na prźełączniku:
a3) zwolnić śruby mocujące silnik do sań 1 wysunąć zo.
Pozostałe zespoły są proste i nie nastręczają trudności przy demontażu i montażu.
Pamięwć zawsze należy, by części do. montsżu były oczyszczońe, spasowane
| nasmarowane

1. REMONT WYPOSAŻENIA SPECJALNEGO
Suport obcinający rys. 014

Dla zdjęcia suportu górnego 301 należy:

ai) wykręcić nakrętkę ze zderzaka 317;
a2) zdjąć ręczzę 306 przez zwolnienie śruby zaciskowej;
ad) zsunąć suport z prowzdnicy dolnej płyty 300 w kierunku zderzaka 317.

Jak na taki słaby materiał to i tak nie jest źle, a pewnie da się przygotować obraz z tekstem lepiej. Z komercyjnym abbyy finereader będzie trochę lepiej, można też użyć coś na Aneroida, lub OCR ze strony, tylko że większość darmowych, korzysta i tak z tesseract-ocr.

Tesseract ma możliwość zapisywania do pdf, tylko on wciśnie tam to zdjęcie (trzeba mieć przygotowane lepsze, może takie jak na dole podałem) i doda tekst, co umożliwi kopiowanie go z pdf-u. Lepiej przygotować pdf samemu tylko z tekstem.

tesseract -l pol --dpi 300 in.png out pdf

Jeżeli chodzi o drukowanie z wyczyszczonego pliku, to pisałem, cytat:

„A z 2x większego obrazka, zrobionego przez pdftocairo było, jeszcze lepiej. Wynika z tego, że lepiej sprawdzić, czy tesseract-ocr sobie poradzi, niż drukować paskudne zdjęcia ze słabym tekstem, to będzie zawsze gorzej wyglądało.„

Nic wiele lepszego nie będzie, niż coś takiego, ale jest czytelne. UWAGA: Lepiej go pobrać i ustawić do wielkości strony, skompresował się i paskudnie wygląda na stronie, nawet powiększony. (Plik się skasują po 7 dniach. To jest jpg gorzej wygląd trochę niż oryginalny png, tu jest mniej ostry, ale 6x mniejszy na stronę.)

wget https://i.ibb.co/7CL9DPm/1.jpg

Przycięty converter-em, by usunąć cienie po załamaniu strony. 

Textcleaner też można oczyścić twój plik, tylko przy tych ustawieniach zostaną kolorowe foty, przy drukowaniu monochromatycznym to i tak bez znaczenia.

textcleaner  -f 30 in.png out.png

Lub tak, czcionki będą szare.

textcleaner -g -e normalize -f 30 -o 12 -s 2  in.png out.png

Skantailor, jak i żaden inny program, tak jak pisano wyżej, nie wiele tu zmieni (trochę), zawsze będą paskudne litery. Moje zdanie się nie zmienia, ja bym to robił OCR-em i składał. Moim celem było pokazanie, że nawet ze słabych obrazów z tekstem, da się użyć OCR-a. Lubie tesseract-ocr, chociaż nie jest doskonały, jak ma dobrze przygotowane zdjęcie to sobie poradzi.

fnmirk napisał(-a):

...
Czas jaki upłynął od założenia wątku, to książka już powinna być obrobiona i złożona.
...

O, a to niby dlaczego, komu się tu śpieszy. To jest czas na wymianę doświadczeń, na naukę i szukanie rozwiązań, po to jest forum dyskusyjne. Jakby wszyscy dawali tylko linki do rozwiązań, to skąd by się brały te rozwiązania, na stronach. :)

Znalazłem fajny program, jest w Debianie:
https://packages.debian.org/bullseye/krop

Praktycznie intuicyjny.
https://arminstraub.com/software/krop
https://arminstraub.com/software/krop-screenshots

morfik, usuniesz nim obramowania w pdf-ie.

Ja, gdybym wcześniej trafił na program krop to w wielu wypadkach ułatwiłbym sobie pracę.

Jak chcesz sobie sprawdzić inne skany to spróbuj na takiej książce:
https://polona.pl/archive?uid=10939317&cid=122647814

Tu jest źródło książki:
https://polona.pl/item/prawidla-przystoynosci-i-oby … info:metadata

Książka jest niby rozpoznana i pdf tworzy tzw. „kanapkę”, to rozpoznany tekst jest kiepskiej jakości. Na stronie źródłowej można pobrać oryginalne obrazki, po zeskanowaniu (zrobieniu zdjęć dobrym aparatem cyfrowym) i można na tym potrenować.

jawojx napisał(-a):

No to dobrze, że właściwy program, nic nie będziesz musiał zmieniać, by działał textcleaner. To jest skrypt ze strony imagemegic (dostarczany oddzielnie), ułatwiający posługiwanie się ich programem convert, tylko w jednym celu, oczyszczenia tekstu na skanie/zdjęciu, podałem tam wyżej, link do pobrania i opisu.

Ok widzę. xD