Könyv digitalizálása: te hogyan csinálnád?

minthaka

Kíváncsi vagyok, te hogyan oldanád meg. Tudom hogyan kell csinálni, de kíváncsi vagyok, mások hogyan állnának hozzá. Használható eszközök: szkenner, ABBY FineReader 10 + valamilyen képszerkesztő (pl. Gimp)+ esetleg valamilyen szövegszerkesztő. Cél: egy könyv PDF formátumban, könyvjelzők nélkül, 16cmx24cm formátumban.

Dr. Szöszi

Úgy kezdeném, hogy engedélyt kérnék rá a kiadótól.

minthaka

Dr. SzösziEz jó válasz! De tegyük fel hogy megszünt, mint pl. az egykori Jugoszlávia, ahol kiadták? Na de ezen túl, ha pl. megvetted a FineReader licencét is... Erre az elméleti esetre kérdezem.

hehenrik

minthakaA volt Jugoszlavianak ma a Szerbia a jogutodja, a kiadonak is lehetseges , hogy van valamilyen jogutodja. ---------------------- en eloszor megneznem, hogy nem e digitalizalta e valaki .

kurru

Szétvágnám a könyvet lapjaira, és önadagolós szkennerrel bemásolnám pdf-be.

Kendek

kurruHa már itt tartunk, akkor én bevinném a munkahelyre és megcsináltatnám az egészet a titkárnővel. Egyébként szkenneltem már be főnöknek jómagam is könyvet (legalábbis egy részét), hát, elég unalmas és hosszadalmas is.

bobi64

hehenrik+1

inigo

Kendekaz engem pont meglepett amikor ilyet csináltam, hogy maga a szkennelés része milyen gyorsan megvan. vagy legalábbis én azt hittem jóval tovább fog tartani :)

kurru

inigoJa, a cégnél a miénk is gyorsabban szkennel, mint nyomtat.

minthaka

Az egészet azért kérdezem, mert én úgy csinálnám, hogy 1. Beszkennelném az egészet 2. Gimp-ben kipucolnám oldalanként. 3. FineReaderrel felismertetném 4. OpenOfficevel átnézetném és tördelném és innen exportálnám PDF-fé. Lehet, hogy van hatékonyabb algoritmus?

ar3.14

minthakaOFF Miért, most jobb a hup? Katasztrófális. Pedig azok az emberek akik ott írogatnak valószínüleg átlag feletti intelligeciával rendelkeznek, de általában ez nem jön le a hozzászólásokból, annyi flame és troll sehol sincs több. Szerintem nincs egyszerűbb az általad leírtaknál, legalábbis kis mennyiségnél. Esetleg én kipróbálnám a Google Docs online OCR -t, mivel Windows-om nincs, és a Linuxos OCR programokat még nem nagyon dícsérte senki. Én ugyan régebben próbáltam a Google online OCR -t, és akkor használhatatlan volt, de hátha azóta javítottak rajta.

szoda

Vennék olyan szkennert, ami tud kereshető pdf-be beolvasni. Pl. HP ScanJet G2710, ilyen van a munkahelyemen. Sajnos csak Windows alá van meg a HP Szolgáltatóközpont nevű program, amit a lapolvasó mellé adnak CD-n. Nem kell semmit vacakolni vele, mert a beolvasás végén a szoftver maga létrehozza a pdf-et, szinte hibátlanul. Kiadsz érte 20 ezret, van egy jó szkennered, és nem kell semmi plusz szoftver hozzá. Sajnos Linux alatt gyerekcipőben jár a karakterfelismerés, így a gScan2pdf nevű program sajnos siralmas eredményt hoz. Remélem, majd fejlődik az iparág, illetve a szkenner gyártója megírja a mellékelt szoftvert Linuxra is. szoda

efsanyi

szodaA Susésok szépen haladnak a karekterfelismeréssel, láttam az eredményeiket! http://forums.opensuse.org/other-languages/magyar-hungarian/448986-karakterfelismeres-linuxon.html

ar3.14

ar3.14Kipróbáltam a Google Docs OCR-t, és nagyon jól használható.A magyar nyelv támogatását sehol nem említik, ennek ellenére felismeri az ékezetes betűket (a hosszú magánhangzókat is). A konvertált szövegben működik a magyar helyesírás ellenörző. Aki csak esetenként használna OCR-t, annak megéri kipróbálni. Itt van cikk róla: http://googledocs.blogspot.com/2010/06/optical-character-recognition-ocr-in.html

Lobonc

efsanyiJa. Itt a lényeg: YAGF+Tesseract (kimondottan a Susie-ra és SUSE-re fordítva)+ImageMagick+XSane, vagy XSane+Tesseract. Előbbi esetben csináltunk egy ál Cuneiform állományt, ami meghívja a Tesseractot és az ImageMagick-et (de először a XSane-t). Második esetben pedig egyszerűen a GOCR helyére betettük a Tesseractot (elneveztük GOCR-nek). Szándékosan elég gyatra minőségű dokumentumokon lett tesztelve, és jól teljesít. A YAGF meglévő dokumentumot is fel tud dolgozni.

szerke

http://ubuntu.hu/node/21654

[törölve]

szerkeTesseract, de csak txt-be, ha utána úgyis Ooo Writer.

minthaka

LoboncFelraktam a getdeb-es YAGF csomagot. Kipróbáltam, de elég gyatrán ment. Hogyan manipuláltátok a Tesseractot és a Gocr-t? Adnál-e kicsit több leírást erről, mert így az egyszerű képbedobással nem volt valami nagy eredmény. Megpróbálom pillanatképpel megetetni.

Lobonc

minthakaEzt olvasgasd már át: http://forums.opensuse.org/other-languages/magyar-hungarian/448986-karakterfelismeres-linuxon.html , aztán ha valami nem világos belőle, tisztázzuk.