Практичне рішення OCR для перетворення великої книги в цифровий формат?

Я минув вихідні за місцем моєї бабусі та дідуся. Моя бабуся витягнула цю гігантську книгу своєї сімейної історії (близько 1430 року), яка починається приблизно з 1630 року. Велетенський ботанік, який я є, я думав, що було б чудово мати всю інформацію, що зберігається в базі даних та доступну в Інтернеті. Я можу обробляти всі веб-програмування та регулярні вирази, а що ні, але те, що я не знаю, - це найкращий спосіб перенести текст з книги на комп'ютер.

Я знаю, що потрібен буде якийсь ОКР, з невеликих досліджень, які я робив, схоже, що мої варіанти:

1. сфотографуйте кожну сторінку за допомогою камери, а потім обробіть фотографії програмним забезпеченням OCR
2. використовуйте сканер для сканування кожної сторінки, а потім обробіть програмою OCR
3. використовувати якийсь ручний пристрій, як це .

Хтось має уявлення про найкращий спосіб вирішити цю проблему? Я не хочу знищувати книгу, тому що, наскільки я знаю, її неможливо замінити. Це, мабуть, єдиний раз, коли я збираюся сканувати велику книгу, тому не думаю, що хочу витратити більше 250 доларів на будь-який пристрій. Я не проти деяких ручних зусиль тут (я розумію, що це, швидше за все, займе місяці), але я хотів би знайти найбільш ефективний метод.

Зауважте про книгу: Їй лише близько 20 років, тож вона в досить хорошій формі. Він однотонний, а сторінки не стали жовтіти. Оскільки вона настільки велика, я переживаю за можливі тіні, коли текст наближається до палітурки.

Я натрапив на це на Lifehacker досить давно, і з тих пір це був один з моїх найкращих проектів самостійно.

Замініть iPhone будь-якою камерою чи зображеннями, і ви отримаєте стек приємних jpegs високої роздільної здатності, готових для OCR з будь-яким програмним забезпеченням, навіть (урками!) MS Office ...;)

Дешево. Ефективна. Зроби сам. Ви не можете перемогти таку ідею.

РЕДАКТУВАННЯ: У коментарях виникли певні моменти щодо тіней, скручування сторінок тощо. Досить легко вирішити для тих, хто буквально скопіював тексти бібліотеки.

Додайте кілька джерел світла для освітлення книги та усунення тіней.

нахил книги на 90 градусів, щоб сторінки не згорталися до палітурки посередині. Він також зберігає зв'язування.

Я побачу, чи можу я навести приклад і налаштувати його сам.

EDIT 2: завантажено зразок того, як слід тримати книгу, а також помітити джерело світла зліва.

Як я знаю, ABBYY робить найкраще програмне забезпечення для OCR, але це не безкоштовно. Спробуйте скористатися пробною версією ABBYY FineReader , можливо, це вам допоможе.

Вам потрібно буде якось захопити зображення. Існують різні послуги, щоб зробити це за вас. Вам також знадобиться хтось, хто знайомий зі змістом тексту, щоб прочитати, оскільки OCR ще не ідеальний. Особливо з чим завгодно рукописним.

Інші обговорюють ваше запитання тут: http://ask.metafilter.com/92506/scan-my-books

Деякі компанії зроблять це за вас: http://www.scandexsystems.com/BookScanning2.html http://www.kirtas.com/index.php?option=com_content&view=article&id=13&Itemid=48 http: // www. ristech.ca/product.html

Деякі безкоштовні програми: http://download.cnet.com/Image-To-PDF-OCR-Converter-PDF-E-Book-Maker/3000-6675_4-10392924.html

Для великого та важливого для вас та вашого сімейного проекту, подібного до цього, може бути дороговказний сканер книг "Зробіть сам". Деякі конструкції навіть перетворюють спортивні сторінки - http://www.diybookscanner.org/ Цей оригінально не підтримує OCR , але знімає 600 сторінок на годину, і ви можете запускати його через OCR після факту http://hackaday.com/2011/07/18/diy-book-scanner-process-600-pageshour/

Ви можете дізнатися, чи є у вашому університеті цілий сканер книг, а потім попросити / підкупити студента, щоб передати вашу книгу.

Я б рекомендував планшетний сканер, встановлений для сканування книг, або цілий сканер книг, як згадував Кріс.

Якщо ви можете, складіть свої зображення у формат TIFF як такий, що є галузевим стандартом, що стосується систем управління документами.

Для роботи з OCR я рекомендую tesseract OCR, оскільки це рамка, яку Google роз'яснив для свого проекту книг.

хоча це автоматично звучить заманливо, ви можете захотіти вкласти більше часу та роботи, оскільки ця книга є особистою справою. OCR зробить основну масу, але вам доведеться перечитувати сторінку за сторінкою і порівнювати з оригіналом. майте на увазі, помилки автора - це частина угоди, не виправляйте їх (створюйте виноски, якщо ви відчуваєте це так схильно). не витрачайте на себе час, не піддавайте себе тиску, сканування книг - це робота ослів, але ретельність платить, і ви закінчитеся з прекрасною цифровою копією хроніки вашої родини. удачі з вашим починанням :)

У роботі ми використовуємо сканер книг Plustek Optibook 3600, який коштує близько 250 доларів .
Це в основному стандартний сканер плоскої ліжка, але скляна тарілка направляється до краю сканера, щоб сторінка книги була розміщена плоскою на тарілці. Це усуває тінь хребта і уникає пошкодження книг.