Vorweg, ich bin kein Grafik-Experte und muss auch keine grösseren Dokumentenmengen, gar Bücher, bearbeiten, ich habe also kaum Fachkenntnisse und allzu kompliziert darf es auch nicht werden. Es geht nur um ca. 10 Seiten, die gescannt und als PDF, möglichst lesbar, gespeichert werden sollen. Texterkennung wäre schön, muss sich aber im Aufwand im Rahmen halten.

Ich habe gscan2pdf installiert mit libsane-perl Frontend, Texterkennung soll Cuneiform machen, bereinigen mit unpaper.

Das erste Problem ist, dass die DIN A4 Dokumente mit schwarzer Schrift auf leicht blauem Papier gedruckt sind. Scanmodus Strichzeichnung liefert nur Murx, Graustufen und Farbe ist OK. Nun will ich das Dokument aber schwarz/weiss haben und auch sonst bereinigen, z. B. grade ausrichten - aber wie? Wenn ich die Voreinstellungen von bereinigen (unpaper) verwende, wird der Text zwar begradigt und ausgerichtet und das Papier wird weiss aber um die einzelnen Textblöcke bleibt das farbige Papier sichtbar. Meine Experimente mit den Filtern, also den Schwellenwerten für Schwarz und Weiss, waren völlig erfolglos. Auch das deaktivieren der Filter brachte nichts - bin ich da überhaupt richtig?

Und bei der Texterkennung kommen nicht einmal ansatzweise brauchbare Ergebnisse zustande.

Ausserdem bleibt das Programm immer bei der Hälfte des Fortschrittsbalkens hängen, wenn ich das Ergebnis als PDF speichern will, auch wenn nur eine Seite im Dokument ist. Speichern als JPG geht gut aber das könnte ich auch mit Scanlite. Ich hätte halt gerne mehrere Seiten in einem Dokument/File.

Und warum sind Dokumente eigentlich immer schief, auch wenn ich mir noch so viel Mühe gebe die Vorlage gerade auf die Scheibe zu legen?

---update---

Aus irgendeinem Grund kriege ich das speichern als PDF nun doch hin. Es geht also "nur noch" darum, auch ein schönes PDF zu erstellen und vielleicht sogar erkannte Texte.

Hast du denn unpaper schonmal drüber gejagt? Wenn das blau nicht zu satt ist, sollte der das entfernt bekommen und dann wird auch die Texterkennung ein bisschen besser.

Aber sei nicht zu optimistisch, die Texterkennung ist nicht so dolle. Das reicht gerade mal für eine Stichwortsuche.

Wenn es nichts geheimes ist, würde ich das Dokument zu google docs hochladen. Dort wird es in ein echtes Textdokument umgewandelt und die Engine ist dieselbe wie die von google books. Je nach Qualität kann man in wenigen Minuten pro Seite eine komplette Digitalisierung vornehmen.

Wenn das alles nicht hilft, kannst du noch mit gimp versuchen die Farbe blau zu transparent oder weiß umzuwandeln. Man kann eine Seite in gscan2pdf anklicken und dann in den Extras diese Seite in gimp laden. Dann speicherst du nach deinen Änderungen im gimp ab und die aktualisierte Version wird automatisch in gscan2pdf geladen.

MPW schrieb:

Hast du denn unpaper schonmal drüber gejagt? Wenn das blau nicht zu satt ist, sollte der das entfernt bekommen und dann wird auch die Texterkennung ein bisschen besser.

Ja, habe ich, ist bei den Voreinstellungen praktisch Teil des Scan-Vorgangs. Die Seite wird auch weiss nur um den Text werden Blöcke gebildet, die blau bleiben. Sieht ein bisschen so aus wie die Erpressungsbriefe im Fernsehen, nur mit einheitlicher Schrift.

Das mit den Google Docs ist ein guter Tipp, werde ich bei Gelegenheit mal ausprobieren.

Das mit Gimp habe ich mir auch schon überlegt, ist mir aber zu aufwendig. Im konkreten Fall verzichte ich dann halt auf die Texterkennung und das Aufhübschen. Muss nicht sein.

Vielen Dank für Deine Hilfe.

Hallo,

das um die Texte so Blöcke zurück bleiben ist ganz normal. Die Entfernung des Hintergrunds dient nur zur Speicherreduktion. Nicht um das ganze irgendwie hübsch zu machen. Dazu musst du völlig andere Filter verwenden.

Eigentlich müsste die Texterkennung aber dann funktionieren oder? Wenn die Schrift gerade ist, erkennt er bei mir meist so 95%.

scantailor könnte evtl. auch einen Blick wert sein