Przygotowanie skanów¶

Wstęp¶

Skany załadowane na platformę sa przetwarzane na tekst automatycznie z wykorzystaniem oprogramowania OCR (Optical Character Recognition). Aby zminimalizować błędy rozpoznawania znaków i osiągnąć jak najlepszą jakość wczytanego tekstu skany musza spełniać kilka warunków:

• Pliki są w formacie JPG lub PNG
• Każdy plik zawiera jedną stronę książki
• Obrazki w plikach sa tak przycięte, żeby była widoczna tylko strona książki bez fragmentów innych stron lub tła
• Nazwy plików zawierają tylko kolejne liczby (nie musza odpowiadać numerom stron) z dodanymi wiodącymi zerami, aby każda nazwa zawierała tyle samo cyfr. Np. dla książki o ponad 100 stronach pliki powinny nosić nazwy 000.jpg, 001.jpg, 002.jpg, ..., 010.jpg, 011.jpg itd.

Dodatkowo, zarówno dla potrzeb OCR, jak i pracujących na tekstach osób redagujących, wskazane jest żeby skany miały jak najlepszą jakość, tzn. aby miały odpowiednią rozdzielczość, jak największy kontrast, jasne tło i mało zanieczyszczeń.

Skany z Wolnych Lektur¶

Obrazy zapisane przez nasz firmowy skaner najczęściej mają wygląd podobny do takiego:

podczas gdy do dalszego przetwarzania powinny wyglądać tak: