古籍數(shù)字化技術(shù)(1)-資料下載頁
2025-01-21 14:36本頁面
【正文】 決方案。下面是一些有價值的提示，要認真理解和體會。 1．在掃描儀中一定要放正原稿，不能位置傾斜，否則掃描出來的原稿也會是傾斜的，從而造成 OCR軟件無法正確識別。另外，在放置掃描原稿時，把掃描的文字材料一定要擺放在掃描起始線正中，以最大限度地減小由于光學透鏡導致的失真。 2．選擇適當?shù)姆直媪σ彩呛苤匾?，一般來說，使用 200～ 300dpi的分辨力進行掃描比較合適，如果分辨力太高也沒有太大意義，只會增加掃描時間和文件的大小。 3．在掃描識別報紙或其他半透明文稿時，背面的文字透過紙張混淆文字字形，對識別會造成很大的障礙。遇到該類掃描，可以在掃描原稿的背面附蓋一張黑紙，并增加掃描對比度，即可減少背面模糊字體的影響，提高識別正確率。 四 、進行文字識別時的注意事項 4．對掃描后生成的圖像，用圖像處理軟件擦掉圖像污點，包括原來版面中的不需要識別的插圖、分隔線等，使文字圖像中除了文字沒有一點多余的東西，這可以大提高識別率并減少識別后的修改工作。 5．版面分析。如果需要識別的原稿包含多種字號、多種字體的文字、多個文本區(qū)塊、圖文混排等復雜版面，就需要進行版面分析，將要識別的內(nèi)容劃分為一個塊，這樣 OCR軟件才能正確識別。 6．多頁批識別功能 。若需識別的文章有多頁組成，使用 OCR的批量識別功能十分方便。首先將多頁文件以 TIF的格式按頁面順序依次掃描后存盤。而后再打開它們，一次性進行批量識別，好處是速度快，效率高。一般來說，批量識別的文件版面不要太過復雜，文件頁數(shù)也要根據(jù)計算機配置適量控制。另外，在進行大批量文稿掃描時，必須對原稿進行測試，找到最佳的閥值百分比。 四 、進行文字識別時的注意事項 數(shù)字圖像的文件格式 ? JPEG(JPG)格式 JPEG格式文件采用的是 “ 有損壓縮 ” 編碼格式，其壓縮率是圖像格式中較高的一種，一般可將圖像壓縮為原大小的十分之一而看不出明顯差異。也正是由于 JPEG格式可以進行大幅度的壓縮，使得它方便儲存、通過網(wǎng)絡進行傳送，得到了廣泛的應用。主要用于圖像瀏覽和制作網(wǎng)頁。 數(shù)字圖像的文件格式 ? GIF格式 最多只能用 256色來表現(xiàn)物體，對于色彩復雜的物體它就力不從心，正因為此，它的文件比較小，適合網(wǎng)絡傳輸，在通信行業(yè)和 HTML網(wǎng)頁制作中應用較多。而且它還可以用來制作動畫。 數(shù)字圖像的文件格式 ? BMP格式 是微軟公司為 Windows環(huán)境設置的標準圖像格式，在 Windows環(huán)境下運行的所有圖像處理軟件都支持這種格式。采用 “ 無損失壓縮 ” 的編碼格式，既節(jié)省了存儲空間又不產(chǎn)生失真，但在打開文件時將會花費較長的時間，不利于網(wǎng)絡傳輸。 數(shù)字圖像的文件格式 ? TIF格式 這是現(xiàn)階段印刷行業(yè)使用最廣泛的文件格式。 TIFF格式可包含壓縮和非壓縮圖像數(shù)據(jù)，如使用無損壓縮方法 LZW來壓縮文件，圖像的數(shù)據(jù)不會減少，即信息在處理過程中不會損失，能夠產(chǎn)生大約 2： 1的壓縮比，可將原稿文件消減到一半左右。 數(shù)字化和多媒體技術(shù) －－圖像處理部分 基本操作 ——認識 PHOTOSHOP 本 章 結(jié) 束
教學課件相關推薦
鄂ICP備17016276號-1