Kā digitalizēt grāmatas un daudzslāņu dokumentus ar Aspose.OCR

Grāmatu un žurnālu skenēšana vai fotografēšana bieži noved pie sarežģītām, daudzslāņu attēliem, kas apgrūtina standarta OCR. Aspose.OCR for .NET nodrošina uzlabotas iestatījumus, lai uzticami iegūtu strukturētu, slāņa pasūtīto tekstu, ideālu bibliotēkās, pētniecībā un publicēšanā.

Reālā pasaules problēma

Grāmatas, laikrakstus un žurnālus bieži glabā kā skenētas attēlus ar kolonnām, piezīmēm un ilustrācijām. izrakstīt lasāms, strukturēts teksts manuāli ir lēns, kļūdaino un dārgs bibliotēkām vai arhīviem.

Risinājumu pārskats

Aspose.OCR for .NET pārvalda daudzstūres un sarežģītus izkārtojumus, saglabājot lasīšanas kārtību un ļauj automatizēt grāmatu un žurnālu masveida digitalizāciju, ietaupot laiku un uzlabojot datu precizitāti pētniekiem un izdevējiem.

Prerequisites

Pārliecinieties, ka jums ir:

• Visual Studio 2019 vai vēlāk
• .NET 6.0 vai jaunāks (vai .Net Framework 4.6.2+)
• Aspose.OCR par .NET no NuGet
• C# prasmes

PM> Install-Package Aspose.OCR

Step-by-step īstenošana

using Aspose.OCR;

OcrInput input = new OcrInput(InputType.SingleImage);
input.Add("book_page1.png");
input.Add("book_page2.jpg");

RecognitionSettings settings = new RecognitionSettings();
settings.Language = Language.English;
settings.DetectAreasMode = DetectAreasMode.DOCUMENT; // Use DOCUMENT or AUTO for multi-column layouts

AsposeOcr ocr = new AsposeOcr();
List<RecognitionResult> results = ocr.Recognize(input, settings);

foreach (RecognitionResult result in results)
{
    result.Save("book_page.txt", SaveFormat.Text); // Save as text
    result.Save("book_page.docx", SaveFormat.Docx); // Save as Word doc
}

try
{
    // OCR and export code
}
catch (Exception ex)
{
    Console.WriteLine($"Error: {ex.Message}");
}

foreach (string file in Directory.GetFiles("./books", "*.jpg"))
{
    input.Add(file);
}

using Aspose.OCR;
using System;
using System.Collections.Generic;

class Program
{
    static void Main(string[] args)
    {
        try
        {
            OcrInput input = new OcrInput(InputType.SingleImage);
            input.Add("book_page1.png");
            input.Add("book_page2.jpg");

            RecognitionSettings settings = new RecognitionSettings();
            settings.Language = Language.English;
            settings.DetectAreasMode = DetectAreasMode.DOCUMENT;

            AsposeOcr ocr = new AsposeOcr();
            List<RecognitionResult> results = ocr.Recognize(input, settings);

            foreach (RecognitionResult result in results)
            {
                result.Save("book_page.txt", SaveFormat.Text);
                result.Save("book_page.docx", SaveFormat.Docx);
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error: {ex.Message}");
        }
    }
}

Izmantojiet gadījumus un pieteikumus

Bibliotēkas un digitālā cilvēcība

Spēj digitāli aizņemt, meklēt un analizēt retas grāmatas un vēsturiskos laikrakstus.

Akadēmiskā un pētniecības publikācija

Vienkārši digitalizējiet žurnālus, konferences procedūras vai teksta grāmatas, lai iegūtu elektronisku piekļuvi.

Daudzvalodu un sarežģīti izkārtojumi

Ievadiet saturu no žurnālistiem ar svešvalodas kolonnām, sānu lapām vai piezīmēm.

Kopīgi izaicinājumi un risinājumi

1. uzdevums: Izvairieties no kolonnām vai ilustrācijām

Lēmums: Izmanto augstas kvalitātes skenēšanu un testē DOKUMENT/AUTO režīmus, lai iegūtu labāko lasīšanas pasūtījumu.

2. izaicinājums: OCR kvalitāte vecajām vai bojātajām grāmatām

Lēmums: Uzlabo skenēšanu un validē rezultātus pirms masveida apstrādes.

3. izaicinājums: masveida digitalizācija

Lēmums: Automātiski sadalīt darba plūsmas un izmantot kļūdu apstrādi plaša mēroga darbībām.

Darbības apsvērumi

• Izmantojiet labu avotu skenēšanu, it īpaši retām vai trauslām grāmatām
• Batch process skalai
• Uzglabāt digitalizētus rezultātus elastīgos formātos (teksts, Word, PDF)

Labākās prakses

• Validējiet rezultātus pret oriģinālām lapām, lai nodrošinātu precizitāti
• Organizējiet grāmatu lapas pēc apjoma un nodaļas vieglai atpūtai
• Atsauksmes gan skenēšanas, gan digitalizētā teksta
• Apstiprināt OCR dzinēju par jaunākajiem uzlabojumiem

Augstākie scenāriji

1. scenārijs: daudzvalodīgo žurnālu digitalizācija

settings.Language = Language.German;

Scenārija 2: Eksports uz PDF e-grāmatu lasītājiem

foreach (RecognitionResult result in results)
{
    result.Save("book_page.pdf", SaveFormat.Pdf);
}

Conclusion

Aspose.OCR for .NET ir ātrākais veids, kā ievest grāmatas un sarežģītus publikācijas digitālajā laikmetā, kas ir gatava meklēšanai, analīzei un dalībai.

Skatīt papildu piemērus un integrācijas ieteikumus Aspose.OCR par .NET API atsauci .