Кафедра вищої математики та інформаційних технологій

ЗАТВЕРДЖУЮ

Начальник кафедри

ВМ та ІТ

к.ф-м.н., доц.,

полковник с.ц.з.

_______ І.П. Частоколенко

“___”______2013р.

Навчальна дисципліна: Інформатика та комп’ютерна техніка

1-й курс (стаціонар, курсанти).

МЕТОДИЧНА РОЗРОБКА

на проведення практичного заняття

по темі № 2.1: «Створення та обробка текстових документів»

Час: 18 годин, з них 6 годин лекцій, 8 годин практичних занять, 4 години самостійної роботи.

Тема 13: Формат pdf. Перетворення документів в електронну форму.

Мета заняття: набуття практичних навичок роботи з файлами в програмі розпізнавання документів FineReader.

Метод проведення: практичне заняття.

Місце проведення: ауд. № 317, ауд. № 318.

Час проведення: 2 години

Матеріально-технічне забезпечення: ПК.

Методичну розробку підготував

Викладач кафедри ВМ та ІТ А.П. Марченко

Методична розробка обговорена та схвалена на засіданні кафедри

Протокол №____від “__”________2013р.

Практичне заняття

Заняття № 13. Формат PDF. Перетворення документів в електронну форму.

Мета роботи: набуття практичних навичок роботи з файлами в програмі розпізнавання документів FineReader.

Завдання:

1. Вивчити послідовність перетворення документів в електронну форму.

2. Ознайомитися з форматом та перевагами файлів PDF.

3. Ознайомитися з програмою розпізнавання документів FineReader.

4. Одержати практичні навички роботи з файлами у форматі PDF та розпізнавання документів в програмі FineReader.

5. Результати роботи оформити у вигляді звіту.

Теоретичні відомості

Перетворенням документу в електронну форму називається його автоматичне перенесення з паперового носія в пам’ять комп’ютера. При цьому може використовуватись або спосіб подання текстових даних, або спосіб подання зображень. За рахунок цього досягаються наступні цілі:

• вдосконалення способу зберігання документу;

• можливість передачі документу комп’ютерною мережею;

• автоматизація перекладу документу на іншу мову;

• спрощення створення копій документу;

• можливість редагування документу.

Для перетворення документу в електронну форму слід виконати дві основні операції: сканування і розпізнавання. Внаслідок сканування створюється графічний образ паперового документу. Основний фізичний принцип сканування – документ освітлюється і відбите світло сприймається світлочутливими елементами. Кожний світлочутливий елемент утворює окрему точку у загальному зображенні документу. Таким чином утворюється растрове

зображення документу.

PDF - універсальний формат документів для обміну даними. Перетворені у формат PDF документи, форми, графіка і веб-сторінки не відрізняються від надрукованих. PDF-файли однаково відображаються на всіх комп'ютерах, їх можна захищати паролями, їх зручно зберігати в електронних архівах. Розповсюджуваний файл PDF зможе прочитати практично будь-який користувач за допомогою безкоштовного ПЗ Adobe Reader. PDF-файли компактні.

Внаслідок розпізнавання графічне подання документу перетворюється у текстове. Завдяки цьому значно зменшується обсяг даних. Сам документ при цьому стає доступним для автоматичного перекладу та редагування. Для розпізнавання використовується спеціальне програмне забезпечення. Найбільш популярною програмою на даний момент є програма FineReader розробки фірми ABBYY, яка призначена для розпізнавання текстів багатьох мов, а також для розпізнавання змішаних двомовних текстів. Програма має ряд зручних можливостей. Вона дозволяє поєднувати сканування і розпізнавання в одну операцію, працювати з пакетами документів (чи з багатосторінковими документами) і з бланками. Програму можна навчати для підвищення якості розпізнавання невдало надрукованих текстів чи складних шрифтів. Вона дозволяє редагувати розпізнаний текст і перевіряти його орфографію.

Розпізнавання документів у програмі FineReader

Рис 13.1. Вікно програми

1. У лівій частині робочої області розташовується панель Пакет, що містить список графічних документів, що повинні бути перетворені в текст. Ці графічні файли розглядаються як частини одного документа. Результати їхньої обробки в подальшому поєднуються в єдиний текстовий файл. Форма значка, що відзначає вихідні файли, указує, чи було зроблене розпізнавання.

2. Панель у нижній частині робочої області містить фрагмент графічного документа в збільшеному виді. За її допомогою можна оцінити якість розпізнавання. Цю панель використовують також при «навчанні» програми в ході розпізнавання тексту.

3. Решту робочої області займають вікна документів. Тут розташовується вікно графічного документа, що підлягає розпізнаванню, а також вікно текстового документа, отриманого після розпізнавання.

4. У верхній частині вікна додатка під рядком меню розташовуються панелі інструментів.

5. Панель інструментів Стандартная містить кнопки для відкриття документів і для операцій з буфером обміну. Інші кнопки цієї панелі служать для зміни представлення документа.

6. Панель Scan&Read містить кнопки, що відповідають всім етапам перетворення паперового документа в електронний текст. Перша кнопка дозволяє виконати таке перетворення в рамках єдиної операції. Інші кнопки відповідають окремим етапам роботи і містять меню, що служать для керування відповідною операцією.

7. Панель Распознавание дозволяє вказати мову документа і вид шрифту. Останнє потрібно робити тільки в тих випадках, коли документ має недостатню якість друку.

8. Панель Инструменты використовують при роботі з вихідним зображенням. Зокрема, вона дозволяє керувати сегментацією документа. За допомогою елементів керування цієї панелі задають послідовність фрагментів тексту в підсумковому документі.

9. Елементи керування панелі Форматирование використовують для зміни представлення готового тексту при його редагуванні.

Послідовність виконання роботи:

Відкрийте вікно програми FineReader.

1. Перший етап роботи–відкриття PDF зображення.

В меню програми натискуємо Файл і далі пункт Открыть PDF/Изображение... та вибираємо файл формату PDF за вказівкою викладача.

Рис 13.2. Відкриття файлу

2. Другий етап роботи — сегментація. У документі текст не завжди розташовується у фіксованому порядку. Він може розміщуватись в декількох колонках, містити ілюстрації (і підписи до них). Додаткові вставки і табличні дані, також можуть порушити природний порядок тексту. Тому, перш ніж включати текст у документ, розбийте його на зони, що містять цільні фрагменти. Зони розпізнаються послідовно. Отриманий текст буде включатися в документ у порядку нумерації зон.

Для коректування розмітки ви можете скористатися:

• Інструментами ручної розмітки зон, розміщених на панелі інструментів вікна Зображення.

• Командами контекстного меню виділеної зони у вікні Зображення або Крупний план.

• Командами головного меню Зони.

Редагування форми і положення зон:

Перед розпізнаванням програма виділяє на зображеннях сторінок зони різних типів: Текст, Зображення, Фонове зображення, Таблиця і Штрих–код. Зони різних типів мають різні кольори рамок. Вони виділяються для того, щоб вказати системі, які ділянки зображення потрібно розпізнавати і в якому порядку. Так відтворюється вихідне оформлення сторінки.

Виділена зона є активною. Для того щоб зробити зону активною, клацніть на ній курсором миші. Переміщайтеся зонами за допомогою клавіші Tab. Послідовність обходу зон визначається їхніми порядковими номерами. Стандартно порядкові номери зон не відображаються у вікні Изображения, а відображаються тільки в тому разі, якщо користувач вибрав функцію перенумерації зон.

Якщо текст зони не поміщається всередині її меж (наприклад, унаслідок редагування розпізнаного тексту), то частину тексту неактивної зони може бути не видно на екрані. Ознакою цього є спеціальні червоні маркери на межах зони. Коли зона стає активною, її межі розширюються таким чином, щоб весь текст було видно на екрані повністю.

Інструменти для ручної розмітки і редагування зон розміщені на панелі вікна Зображення, а також на спливаючих панелях інструментів для зон Текст, Зображення, Фонове зображення і Таблиця (спливаюча панель інструментів з'являється біля активної зони).

3. Створіть нову зону Тексту вибравши на панелі вікна Изображения.

4. Курсором миші виділіть прямокутну зону.

5. Змініть тип створеної зони. Для цього в контекстному меню виділеної зони виберіть Змінити тип зони, а потім — потрібний тип. Пересуньте межу зони. Для цього встановіть курсор миші на межу зони. Натисніть ліву кнопку миші і потягніть у потрібний бік. Відпустіть кнопку миші.

6. Виділить декілька зон. Виберіть один з інструментів на панелі вікна Зображення і, утримуючи клавішу Ctrl, клацніть мишею на потрібних зонах. Щоб скасувати виділення вже вибраної зони, клацніть на ній повторно.

7. Пересуньте зону. Виберіть зону і, утримуючи клавішу Ctrl, мишею перемістіть її.

8. Перенумеруйте зони. У меню Зони виберіть пункт Перенумерувати зони. Виділіть зони у тому порядку, в якому ви хочете бачити їх вміст у кінцевому документі.

9. Видаліть зону. Виберіть інструмент і клацніть на зону, яку ви хочете видалити. Виділіть зони, які ви хочете видалити, а тоді в контекстному меню виберіть пункт Видалити зону. Виділіть зони, які ви хочете видалити, а тоді натисніть клавішу Delete.

Рис 13.3. Вибір необхідної зони документу

Після виконання необхідних операцій запустіть розпізнавання ще раз.

10. Наступний етап роботи програми — безпосереднє розпізнавання. Цей етап звичайно не вимагає втручання користувача, за винятком тих випадків, коли розпізнавання супроводжується «навчанням». Розпізнаний текст відображаємося в окремому вікні у вигляді відформатованого текстового документа. Він втрачає зв'язок з вихідним зображенням і може редагуватися і форматуватися незалежно від нього.

11. Продивіться розпізнаний текст на наявність помилок. Програма виділяє кольором ті символи, що вона сама розглядає як неоднозначно розпізнані. Це спрощує пошук помилок.

12. Передача отриманого документа в програму Word. На панель Scan&Read програми натискуємо крайню праву кнопку і далі пункт Передать все страницы та вибираємо в Microsoft Word.

Рис 13.4. Передача сторінок в Word