PDF电子书图像预处理【扫描图像后处理】

lxh623

原题：PDF电子书后期加工技术导论
作者：davidldq
一、PDF后期加工的技术含量不高，只是需要称手的软件。我现在比较喜欢用的软件包括：acrobat professional 9、Finereader 9.0.0.1019、Scanfix 4.2、FreePic2Pdf。这些软件都有破解版或免费版，可以通过迅雷或Google搜到。
一般制作程序如下：
1、切割页面。用Finereader 9.0.0.1019打开源文件。这个软件运行很慢，优点是自动化程度高。打开以后（通常需要半个小时以上），选择图像编辑-自动切割页面-应用到所有页面，软件开始切割页面，一分为二。有些页面不能自动切割（当包含空白页时），此时可以手动切割。
2、倾斜校正。在图像编辑窗口选择倾斜校正-应用到所有页面。当源文件有明显扭曲时，还可以使用“对齐文本行”功能，不过通常没有明显变化。
3、导出图像，建议选择TIFF-黑白-300DPI-无压缩。关闭Finereader，不必保存。
4、运行Scanfix 4.2。如果源文件页面比较干净，可以只打开“切除空白”功能，其他全关闭。选择刚才存储图像的文件夹，批量处理。
5、用FreePic2Pdf转成PDF。
6、用acrobat professional 9处理得到的PDF，统一页面。这个过程比较麻烦，一般程序：选择一个标准页面；重设页面大小，确保大于所有页面，应用到全部页面；删除本页空白边距；把本页的裁剪值应用与所有页面；依次检查各页面，必要时用高级编辑工具拖动页面内容。
7、导出图像，建议用tif-黑白-118像素（注意厘米和英寸的差别，118即300dpi），用PIC2PDF重新封装为PDF。这个过程的目的是抛弃冗余数据。
8、对于比较厚而且比较重要的书，可以添加目录。用Finereader识别目录页面，导出XLS表格，用宏命令把表格中的数据写入PDF文件。
9、在属性中添加书名、作者等信息。
10、用Acrobat Professional 9的OCR功能处理全书，设置clearscan、300DPI。（可选。如果源文件基础较好，OCR之后页面很漂亮，而且文件小了很多。）
11、添加封面和封底等彩色页面，保存。
12、向老婆炫耀一下，吃一只水果庆祝。（可选，呵呵~）

用这个程序也可以直接处理DJVU电子书。对于非常重要的经典书，也可以用Finereader进行OCR识别，输出PDF文件。Finereader的OCR比acrobat professional还强劲，缺点是需要人工校对，而且字体比较呆板。

以上方法的效率不是很高，好处的比较容易驾驭。真正的高手通常不会这样做。他们善用一些专用的小工具和PhotoShop。国学数典论坛有一个“先利其器”版面，讨论这类技术。另外可以看一些PDF论坛。不过没有必要搞这么透彻。

二、最近用Scan Kromsator做了几本书，有心得如下：图片的预处理：双页分割、去污、倾斜校正、去边、图像增强等，SK自己就可以了。它最强大的功能是illumination correction，照明校正。对于双页中间阴影明显、渗入文本部分的拍照书，SK处理尤其得心应手。缺点是，软件针对每一页的自动判断不够准确，经常需要人工调校。

三、分享几条处理电子书的心得：

1、把灰度图片转成黑白通常可以明显提高阅读效果，但前提是源文件的底子比较好。从读秀搞下来的繁体书，通常怎么折腾都是白搭；字体比较小的书（例如词典）通常也没有进一步处理的价值。一般的读秀书最好折腾一下，读起来才舒服。

2、有很多工具可以胜任灰度转黑白、同时提高分辨率的任务，除chaque兄的新宠Scan Kromsator以外，还有老马的CEP、XnView、ImageProcessor。

3、扫描文字页面最好用300DPI灰度，然后用以上任何一款软件转成黑白。

4、整理页面（对齐版心、纠偏、去污等等）最好用的工具是ImageProcessor。缺点是需要自编脚本，优点是自动化程度高。运行脚本以后，用irealer检查一下，纠正错误。

http://www.97renven.cn/forum/showthread.php?t=19353

推荐理由：CX不纠偏，只有自己来。[还有，国外都是文本，漂漂亮亮的，文件小，保存时间长(pdf图像书，一段时间不看，好像越来越不清楚)。]

lxh623

图片批量分割，纠正，居中的功能
finereader 等一般的OCR软件都有。

scan tailor(http://www.readfree.net/bbs/read.php?tid=4846738)。
recogniform p_w_picpath processor( http://www.readfree.net/bbs/read.php?tid=4751178 )
蕤兒文档扫描影像处理软件http://www.readfree.net/bbs/read.php?tid=4669538
扫描图片式电子书的PS处理技术http://qkzz.net/magazine/1009-4776/2009/05/3519280.htm

使用感觉，Scankromp题名就是俄语切割，它会把页面文字区域自动框起来，切除外面，添加边框。如果选择原始图像大小(切割线)，纠偏效果不理想。操作很复杂。

初步想法，pdg转来的tiff或Jpg，文档扫描影像处理软件居中+纠偏，CEP处理。或CEP处理，finereader纠偏。

云之惑

占位学习~

学到了～～～～·