Тема 12 Автоматизация обработки документов

12.1 Распознавание текстов. Принцип работы сканирующих устройств

12.2 Основы работы с программой FineReader

12.3 Преобразование документов в электронную форму

12.4 Автоматизированный перевод текстов (программа PROMT)

12.1 Распознавание текстов. Принцип работы сканирующих устройств

Сканером называется устройство, позволяющее вводить в компьютер образы изображений, представленных в виде текста, рисунков, слайдов, фотографий и другой графической информации. Несмотря на обилие различных моделей сканеров в первом приближении их классификацию можно провести всего по нескольким признакам. Например, по кинематическому механизму сканера и по типу вводимого изображения.

В настоящее время все известные модели можно разбить на два типа: ручной и настольный. Существуют и комбинированные устройства, которые сочетают в себе возможности и тех и других.

Для того чтобы ввести в компьютер какой-либо документ при помощи ручного сканера, надо без резких движений провести сканирующей головкой по изображению. Равномерность перемещения сканирующей головки существенно сказывается на качестве вводимого изображения. Ширина вводимого изображения обычно не превышает 4 дюйма ( применрно10см).

Настольные же сканеры позволяют вводить изображения размером 8,5 на 11 дюймов или 8,5 на 14 дюймов. Существует три разновидности настольных сканеров: планшетные, рулонные и проекционные.

Принцип работы черно-белого сканера заключается в следующем. Сканируемое изображение освещается белым светом. Отражённый свет через уменьшающую линзу попадает на фоточувствительный полупроводниковый элемент, называемый прибором с зарядовой связью (ПЗС). Каждая строка сканирования соответствует определённым значениям напряжения на ПЗС. Эти значения напряжения преобразуются в цифровую форму либо через аналогово-цифровой преобразователь АЦП (для полутоновых сканеров), либо через компаратор (для двухуровневых сканеров). Разрядность АЦП для полутоновых сканеров зависит от количества поддерживаемых уровней серого цвета. Например, сканер, поддерживающий 64 уровня серого, должен иметь шестиразрядный АЦП.

В настоящее время существует несколько технологий для получения серых и цветных сканируемых изображений. Один из принципов работы цветного сканера заключается в следующем. Сканируемое изображение освещается через вращающийся RGB-светофильтр или тремя лампами различного цвета.

Для связи с компьютером сканеры могут использовать 8-и или 16-и разрядную интерфейсную плату. Кроме того в настоящее время достаточно широко используются стандартные интерфейсы (последовательный и параллельный порты, а также интерфейс USB).

12.2 Основы работы с программой FineReader

ABBYY FineReader позволяет ввести документ одним нажатием на кнопку Scan&Read, не вдаваясь в подробности работы программы. Распознанный текст можно передать в текстовый редактор или электронную таблицу, сохранить в форматах RTF, DOC, Word XML (при сохранении в Microsoft Office 2003), PDF и HTML с полным сохранением оформления документа или передать в базу данных.

Программа работает на основе системы оптического распознавания символов (Optical Character Recognition – OCR) предназначеной для автоматического ввода печатных документов в компьютер.

ABBYY FineReader – омнифонтовая система оптического распознавания текстов. Это означает, что она позволяет распознавать тексты, набранные практически любыми шрифтами, без предварительного обучения. Особенностью программы ABBYY FineReader является высокая точность распознавания и малая чувствительность к дефектам печати, что достигается благодаря применению технологии «целостного целенаправленного адаптивного распознавания».

Процесс ввода документа в компьютер можно подразделить на два этапа:

1. Сканирование. На первом этапе сканер играет роль «глаза» Вашего компьютера: «просматривает» изображение и передает его компьютеру. При этом полученное изображение является не чем иным, как набором черных, белых или цветных точек, картинкой, которую невозможно отредактировать ни в одном текстовом редакторе.

2. Распознавание. Обработка изображения OCR-системой.

Остановимся на втором шаге более подробно. Обработка изображения системой ABBYY FineReader включает в себя анализ графического изображения, переданного сканером, и распознавание каждого символа. Процессы анализа макета страницы (определение областей распознавания, таблиц, картинок, выделение в тексте строк и отдельных символов) и распознавания изображения тесно связаны между собой: алгоритм поиска блоков использует информацию о распознанном тексте для более точного анализа страницы.

Как уже упоминалось, распознавание изображения осуществляется на основе технологии «целостного целенаправленного адаптивного распознавания».

• целостность – объект описывается как целое с помощью значимых элементов и отношений между ними;

• целенаправленность – распознавание строится как процесс выдвижения и целенаправленной проверки гипотез;

• адаптивность – способность OCR-системы к самообучению.

В соответствии с этими тремя принципами система сначала выдвигает гипотезу об объекте распознавания (символе, части символа или нескольких склеенных символах), а затем подтверждает или опровергает ее, пытаясь последовательно обнаружить все структурные элементы и связывающие их отношения. В каждом структурном элементе выделяются части, значимые для человеческого восприятия: отрезки, дуги, кольца и точки. Следуя принципу адаптивности, программа самостоятельно «настраивается», используя положительный опыт, полученный на первых уверенно распознанных символах. Целенаправленный поиск и учет контекста позволяют распознавать разорванные и искаженные изображения, делая систему устойчивой к возможным дефектам письма.

В результате работы в окне ABBYY FineReader появится распознанный текст, который Вы можете отредактировать и сохранить в наиболее удобном для Вас формате.

Сканирование.

ABBYY FineReader работает со сканерами через TWAIN-интерфейс. Это единый международный стандарт, введенный в 1992 году для унификации взаимодействия устройств для ввода изображений в компьютер (например, сканера) с внешними приложениями. При этом возможно два варианта взаимодействия программы со сканерами через TWAIN-драйвер:

• через интерфейс ABBYY FineReader: в этом случае для настройки опций сканирования используется диалог программы ABBYY FineReader «Настройки сканера»;

• через интерфейс TWAIN-драйвера сканера: для настройки опций сканирования используется диалог TWAIN-драйвера сканера.

Особенности каждого из режимов.

В режиме «Использовать интерфейс TWAIN-драйвера сканера», как правило, доступна функция предварительного просмотра изображения (preview), позволяющая точно задать размеры сканируемой области, подобрать яркость, тут же контролируя результаты этих изменений. Диалог TWAIN-драйвера у каждого сканера выглядит по-своему, в большинстве случаев все надписи даются на английском языке. Вид этого окна и смысл опций описан в документации, прилагаемой к сканеру. В режиме. «Использовать интерфейс ABBYY FineReader» доступны такие опции, как возможность сканирования в цикле на сканерах без автоподатчика, сохранение опций сканирования в отдельный файл набора опций (*.fbt) и возможность использования этих опций в других пакетах.

Вы можете легко переключаться между этими режимами: на закладке Сканировать/Открыть диалога Опции (меню Сервис>Опции) установите переключатель в одно из положений: Использовать интерфейс TWAIN-драйвера сканера или Использовать интерфейс ABBYY FineReader.

Замечания:

• для некоторых моделей сканеров опция Использовать интерфейс ABBYY FineReader может быть по умолчанию отключена (недоступна);

• чтобы в режиме Использовать интерфейс ABBYY FineReader показывался диалог Настройки сканера, на закладке Сканировать/Открыть (Сервис>Опции) отметьте пункт «Запрашивать опции» перед началом сканирования.

Важно! Для того чтобы правильно подключить сканер, обратитесь к документации, прилагаемой к сканеру. При установке не забудьте установить необходимое программное обеспечение, поставляемое вместе со сканером (драйвер TWAIN и/или сканирующую программу).

Чтобы запустить сканирование: Нажмите кнопку «Сканировать» или в меню «Файл» выберите пункт «Сканировать изображение». Спустя некоторое время в главном окне программы ABBYY FineReader появится окно «Изображение» с «фотографией» отсканированной страницы.

Если вы хотите отсканировать несколько страниц, то на закладке «Сканировать/Открыть» (Сервис>Опции) отметьте пункт «Сканировать несколько страниц».

В случае если сканирование не началось сразу, показывается один из следующих диалогов:

• встроенный TWAIN-диалог сканера. Установите параметры сканирования и нажмите кнопку Scan (Final и так далее, название кнопок зависит от конкретной модели сканера);

• диалог «Настройки сканера». Установите параметры сканирования и нажмите кнопку Scan (Final и так далее, название кнопок зависит от конкретной модели сканера).

ABBYY FineReader отсканирует и распознает изображения. В главном окне программы появятся окно «Изображение» с «фотографией» отсканированной страницы и окно «Текст» с результатом распознавания. Распознанный текст вы можете передать во внешние приложения или сохранить в одном из поддерживаемых форматов.

Установка параметров сканирования.

Качество распознавания во многом зависит от того, насколько хорошее изображение получено при сканировании. Качество изображения регулируется установкой основных параметров сканирования: типа изображения, разрешения и яркости.

Основными параметрами сканирования являются:

• тип изображения – серый (256 градаций), черно-белый или цветной. Сканирование в сером является оптимальным режимом для системы распознавания. В случае сканирования в сером режиме осуществляется автоматический подбор яркости. Черно-белый тип изображения обеспечивает более высокую скорость сканирования, но при этом теряется часть информации о буквах, что может привести к ухудшению качества распознавания документов среднего и низкого качества печати. Если вы хотите, чтобы содержащиеся в документе цветные элементы (картинки, цветные буквы и цветной фон) были переданы в электронный документ с сохранением цвета, необходимо выбрать цветной тип изображения. В других случаях используйте серый тип изображения.

• разрешение – используйте 300 dpi для обычных текстов (размер шрифта 10 и более пунктов) и 400-600 dpi для текстов, набранных мелким шрифтом (9 и менее пунктов).

• яркость – в большинстве случаев подходит среднее значение яркости порядка 50%. Для сканирования некоторых документах в черно-белом режиме может понадобиться дополнительная настройка яркости.

Замечание. Сканирование с разрешением 400-600 dpi вместо 300 dpi или сканирование в сером или в цвете может занять существенно больше времени, чем сканирование в черно-белом режиме. На некоторых моделях сканеров сканирование с разрешением 600 dpi занимает в 4 раза больше времени, чем сканирование с разрешением 300 dpi.

При сканировании через TWAIN с использованием интерфейса ABBYY FineReader: на закладке Сканировать/Открыть в диалоге Опции (меню Сервис/Опции) щелкните по кнопке «Настройки сканера» и в открывшемся диалоге Настройки сканера установите нужные опции.

При сканировании через TWAIN с использованием интерфейса TWAIN-драйвера сканера для установки параметров сканирования используется диалог сканера, который открывается автоматически при нажатии на кнопку «Сканировать».