スポンサーサイト

上記の広告は1ヶ月以上更新のないブログに表示されています。
新しい記事を書く事で広告が消せます。
line

Adobe Acrobat 9 StandardのOCR機能

 ScanSnap S1500にはAdobe Acrobat 9 Standard版が添付されています。
このAcrobatの機能に画像ファイルのOCR機能が有り、JPGファイルなどから検索可能な文字列を埋め込んだPDFを作成することが出来ます。

 この埋め込まれた文字を全て選択-コピー-テキストエディタ等でペーストすることによりテキストファイルとして利用することが出来ます。

 画像補整、傾き補正を加えたファイル
org 01-02

 OCR結果
++++++++++++++++++++++++++++++++++++++++++++++++++++++
10
人影は別段、気を悪くした風もなく、
「では、言おう。私をクラウハウゼンの村まで送ってもらいたい」
ここから西へ二00キロ||辺境の果てにある村である。果てといっても、
しゅんげん
数千メートル級の山脈が峻厳とそびえ立つばかりだ。
寸ひとりで行けぬ身でもあるまい」
その向こうには
と馬上の戸は言った。
「それがそうもいかん」
と青い人影は川合えた。
ヘ主がんす占ぴぼう
したたり落ちるような金髪と碧眼。凄まじい美貌の主であった。月光がそれに神秘さをつけ
力日

周囲の万物をかすませてしまいそうだ。
ただひとり
「その村には私の訪問を歓迎しないものがいる。近づけば、たちどころに迎撃してくるだろう。
正直、ひとりでは自信がない。君の助けがいるのだ、nuト4F」

「おれの同行を求める理由をきこう。腕に自信がないなどとは言わぬことだ」
「ひとつはもう、わかっているはずだ。
それを発してもらいたい。
もうひとつは言えん。その村に待っている相手は貴族
これで勘弁してくれたまえL
/1 J)ー青白き堕天使l
Dは無言で奇妙な依頼主を見つめた。彼に貴族の抹殺を求めるのは、確かに筋、が通っている
カf
現由を口外しないのはルル違反であった。先刻からDの態度はどこか不可思議であった。
彼は背を向けた。
「待ってくれ」
パラlジュが呼びかけた。
「肉親の恥をさらしたくはなかったが、仕方がない。
と申一円い山川町
クラウハウゼンの寅放の名は、


ド・パラlジュ。私の父親だ」
..,
な馬
ぜ首
父が
をP 再
影~革び
す'巡
るつ
のた
か。




し〉



し当

し〉

とパラlジュは硬い声で言った。
「私は父を姥さねばならない。4晶、
余計な奴らを相手に力を削ぐわけにいかん。それだけが目的だ。
吸血鬼ハンターが貴族の依頼を受けるなど、前代未聞の話だろうが、承諾し曲げて頼む。
てはくれまいか?」
吸血鬼が、
これは沈黙せざるを州何まい。
まさに彼らを滅ぼすための存在に助力を依頼し、しかも、自ら狙う敵が肉親であ
沈黙があった。Dとはいえ、
++++++++++++++++++++++++++++++++++++++++++++++++++++++
ルビ、ノンブル(ページ番号)が文中に現れ、一部横書きと認識されています。


 更にMeTilTranを使ってルビ、ノンブル(ページ番号)を削除、行間を広くして再配置
MeTilTran 01-02

 OCR結果
++++++++++++++++++++++++++++++++++++++++++++++++++++++
人影は別段、気を恕くした風もなく、
寸では、言おう。私をクラウハウゼンの村まで送ってもらいたい」
ここから西へこ00キロ辺境の果てにある村である。果てといっても、その向こうには数千メートル級の山脈が峻雌とそぴ
え立つばかりだ。
「ひとりで行けぬ身でもあるまい」
と町内上の声は言った。
寸それがそうもいかん」
と背い人彩は川合えた。
したたり落ちるような金援と碧眼。凄まじい美貌の主であった。月光がそれに神秘さをつけ加え、周閣の万物をかすませてしま
いそうだ。
ただひとり
「その村には私の訪問を歓迎しないものがいる。近づけば、たちどころに迎燃してくるだろう。正直、ひとりでは自信がない。君の
助けがいるのだ、Dよ」
「おれの同行を求める理由をきこう。腕に自信がないなどとは一言一わぬことだ」
寸ひとつはもう、わかっているはずだ。もうひとつは言えん。その村に待っている相手は訟玖た。それを銘してもらいたい。
、,

れで勘弁してくれたまえ」
Dは川県吉一同で脊妙な依頼主を見つめた。彼に訂版の抹殺を求めるのは、般かに筋が通っているが、副叫山を口外しないのはルル逃
反であった。先刻からDの態度はどこか不可思議であった。
彼は坤Hを向けた。
「待ってくれ」
と州Hい山川町パラlジコが仰びかけた。
「肉親の恥をさらしたくはなかったが、Ir--、;; 利υ1'L古品yb クラウハウゼンのお族の名は、ヴラド・パラージュ。私の父親だL
市内首が一山び巡った。
「なぜ父を詠するのかは訊かないでもらいたい」
とパラlジュは硬い戸で言った。
「私は父を姥さねばならない。それだけが目的だ。余計な奴らを相手に力を削ぐわけにいかん。吸血鬼ハンターが民族の依頼を受
けるなど、前代未聞の認だろうが、山げて頼む。承治してはくれまいか?」
沈黙があった。Dとはいえ、これは沈黙せざるを川何まい。
酬明刷出品が、まさに彼らを減ぽすための存在に助力を依頼し、しかも、自ら狐う敵が肉税であ
++++++++++++++++++++++++++++++++++++++++++++++++++++++

 ルビ、ノンブル(ページ番号)が消え、段組の誤認識は無くなりましたが一部順番が入れ替わっている行もあり
漢字の誤認識はまだまだ目立ちます。

 わずか2ページでこれだけの誤変換があるのですから、250ページもの修正はやってられません。
なにせ読むのは自分1人なんですから。
 JPGのまま読むか、PDFに検索(補助)用として透明なまま埋め込むのがいいところでしょう。

 考えてみれば紙に印刷された文章は絵と言えます。検索なんてそもそもできません。
JPGのまま読んだからと言って不便になるわけでもありません。
ファイルサイズがテキストと比べると大きいのは難点ですが、このくらい圧縮してもとくに文字が崩れるわけでもありません。

M 01

 高級なOCRソフトの認識率は95%くらいだそうですが、それでも100文字中5文字は誤認識するわけです。
仮にこれが99%まで上がったとしても100文字中1文字は間違えるわけで、1行が40文字なら5行に2個誤りがあることになります。
将来99.9%まで上がったとしても1000文字中1文字は・・・結局本を廃棄することを考えたらチェックせざるを得ません。

 本気でテキスト化を考えるのであれば、むしろチェックの方法を工夫した方がよいでしょう。
例えば複数のOCRソフトにかけ、異なる結果になった場所だけピックアップしてチェックするとか。
 実はMeTilTranのオプションを少し変えるだけでもOCR結果は微妙に変化します。
正しく認識できるようになる場所もあれば、逆に誤変換してしまう場所もあります。
 それ以前に600dpiでスキャンした方が効果が大きいかも?

<追記>
 かも? と思ったので600dpiでスキャンしなおしてみました(資源ゴミの回収日に出し忘れたので残ってたw)

 結果は・・・いいかも?
 もちろん認識率(正解率)は100%じゃありません。
だけどかなり検討しています。このままでも読めないこともない・・・

 けれど数文字無かったことにされている場所も2カ所ほどある。
他の文字と比べて差があるとも思えないのですが、Acrobatの処理が理解できません。

 うーん、しかしこれは困った
OCR前提なら600dpiでスキャンしないといけない。
もちろん600dpiでもフラットベッド型のスキャナに比べたらかなり早いんですけどね。


++++++++++++++++++++++++++++++++++++++++++++++++++++++
人影は別段、気を悪くした風もなく、
「では、言おう。私をクラウハウゼンの村まで送ってもらいたい」
ここから西へ二00キロ辺境の果てにある村である。果てといっても、その向こうには数千メートル級の山脈が峻厳とそびえ立つばかりだ。
「ひとりで行けぬ身でもあるまい」
と馬上の声は言った。
「それがそうもいかん」
と青い人影は答えた。
したたり落ちるような金髪と碧眼。凄まじい美貌の主であった。月光がそれに神秘さをつけ加え、周囲の万物をかすませてしまいそうだ。
ただひとり馬上の騎主を除いて。
「その村には私の訪問を歓迎しないものがいる。近づけば、たちどころに迎撃してくるだろう。正直、ひとりでは自信がない。君の助けがいるのだ、Dよ」
「おれの同行を求める理由をきこう。腕に自信がないなどとは言わぬことだ」
「ひとつはもう、わかっているはずだ。もうひとつは言えん。その村に待っている相手は貴族だ。それを廃してもらいたい。これで勘弁してくれたまえ」
Dは無言で奇妙な依頼主を見つめた。彼に貴族の抹殺を求めるのは、確かに筋が通っているが、理由を口外しないのはルlル違反であった。先刻からDの態
度はどこか不可思(議)であった。
彼は背を向けた。
「待ってくれ」
と青い影パラlジュが呼びかけた。
「肉親の恥をさらしたくはなかったが、仕方がない。クラウハウゼンの貴族の名は、ヴラド・パラlジュ。私の父親だ」
馬首が再び巡った。
「なぜ父を諒(誅)するのかは訊かないでもらいたい」
とパラlジュは硬い声で言った。
「私は父を艶(斃)さねばならない。それだけが目的だ。余計な奴らを相手にカを削ぐわけにいかん。吸血鬼ハンターが(貴)族の依頼を受けるなど、前代未聞の話だろ
うが、曲げて頼む。承諾してはくれまいか?」
沈黙があった。Dとはいえ、これは沈黙せざるを得まい。
吸血鬼が、まさに彼らを滅ぽすための存在に助力を依頼し、しかも、自ら狙う敵が肉親であ
++++++++++++++++++++++++++++++++++++++++++++++++++++++

”|”は縦書きなら正解。
”誅”と”斃”の字を誤認識していますが2ページで2文字なら大した物!
ただ判らないのが、不可思(議)、(貴)族の2文字をなぜか無視しているところ。他の箇所の”貴族”は正解しているのに?
 貴方の方が不可思議だよ"Acrobat"!







http://pdfhon.web.fc2.com/

スポンサーサイト

theme : 電子書籍
genre : 本・雑誌

line
line

comment

管理者にだけ表示を許可する

line
line

FC2Ad

line
プロフィール

本をPDFに

Author:本をPDFに
FC2ブログへようこそ!

line
最新記事
line
最新コメント
line
最新トラックバック
line
月別アーカイブ
line
カテゴリ
line
FC2アフィリエイト
line
検索フォーム
line
RSSリンクの表示
line
リンク
line
ブロとも申請フォーム

この人とブロともになる

line
QRコード
QRコード
line
sub_line
上記広告は1ヶ月以上更新のないブログに表示されています。新しい記事を書くことで広告を消せます。