书籍清晰度问题

横槊赋诗

网上流传的电子书，有时存在不清晰之处，有一次，我看一本1981年出版的书，有个标题以为是“侧”，后来看到了它2014年的版本，发现其实是“倒”。

我手头有本2017年出版的书，看上去足够清晰了，但里面有个字，似乎是谷的繁体字，但死活看不清，和这个字类似的字也有好些个，上下文也推断不出，看来都得去找实体书了。

agent124

文字pdf，又叫矢量pdf，印前pdf，就基本不存在清晰度的问题了。不过个别pdf里，有的生僻字用扫描的图片代替，也碰到过。

gongqi

agent124 发表于 2023-8-27 23:16
文字pdf，又叫矢量pdf，印前pdf，就基本不存在清晰度的问题了。不过个别pdf里，有的生僻字用扫描的图片代替 ...

有种双层pdf不错。一层扫描，另一层文字。


西文的pdf，很多都可以copy文字，应该和ocr容易有关。

agent124

gongqi 发表于 2023-8-27 23:25
有种双层pdf不错。一层扫描，另一层文字。

双层pdf，如果是用老马的工具pdg2pic制作的，调用的是modi来ocr，那个识别率好像不算特别高（和abby比起来）

横槊赋诗

gongqi 发表于 2023-8-27 23:25
有种双层pdf不错。一层扫描，另一层文字。

有些字母复杂的，似乎ocr也有难度。

gongqi

agent124 发表于 2023-8-27 23:27
双层pdf，如果是用老马的工具pdg2pic制作的，调用的是modi来ocr，那个识别率好像不算特别高（和abby比起 ...

双层pdf读的不多。不太知道。


读的那几本，文字还是听准确的。

gongqi

横槊赋诗 发表于 2023-8-27 23:27
有些字母复杂的，似乎ocr也有难度。

应该是。总之罗马字母最容易识别，阿拉伯文、天城文、泰文就应该差一些，汉字可能最难。

agent124

gongqi 发表于 2023-8-27 23:25
有种双层pdf不错。一层扫描，另一层文字。

如果是所谓的印前pdf，那应该不是ocr的，就是电脑排好版之后转的pdf

gongqi

agent124 发表于 2023-8-27 23:37
如果是所谓的印前pdf，那应该不是ocr的，就是电脑排好版之后转的pdf

嗯。西文很多书都是印前pdf，都是出版社流出来的，有的还特意标明了版权和处罚。


中文的这种好像很少。

agent124

gongqi 发表于 2023-8-27 23:41
嗯。西文很多书都是印前pdf，都是出版社流出来的，有的还特意标明了版权和处罚。

现在也很多了。本坛求书版有很多，读秀，畅想之星，书香，可知等都有大量这样的书

gongqi

agent124 发表于 2023-8-27 23:43
现在也很多了。本坛求书版有很多，读秀，畅想之星，书香，可知等都有大量这样的书

主要从独秀找书。印象里一本这种书都没遇到过。

agent124

gongqi 发表于 2023-8-27 23:57
主要从独秀找书。印象里一本这种书都没遇到过。

读秀里没有，要从汇雅进去，有“pdf阅读”按钮的就是

aabbccli

以前超星扫的书都二值化处理过了，现在不做二值化了。