OCRの目的でﾓﾉｸﾛｽｷｬﾝする場合､2階調と多階調のどちらが良いか？文字で書かれた書籍を､ｽｷｬﾝして､OCRにかけたいと思います｡ｽｷｬﾝには､ｺﾝﾋﾞﾆのﾏﾙ…

人力検索はてな

ﾓﾊﾞｲﾙ版を表示しています｡PC版はこちら

OCRの目的でﾓﾉｸﾛｽｷｬﾝする場合､2階調と多階調のどちらが良いか？

文字で書かれた書籍を､
ｽｷｬﾝして､OCRにかけたいと思います｡
ｽｷｬﾝには､ｺﾝﾋﾞﾆのﾏﾙﾁｺﾋﾟｰ機を使おうと思います｡

下記に､ｺﾝﾋﾞﾆ3社の
ﾏﾙﾁｺﾋﾟｰ機のｽｷｬﾝ機能についてまとめてみましたが､
OCRにかける目的でのｽｷｬﾆﾝｸﾞとしては､
どのｺﾝﾋﾞﾆで､どのﾌｧｲﾙ形式にすべきか､わかりません｡

もし､一般的なOCRｿﾌﾄにとって､
多くの階調を含む画像のほうが高い精度で認識できるのであれば､
JPEGの多階調ﾓﾉｸﾛを選択します｡
逆に､白か黒かの1ﾋﾞｯﾄの画像のほうが高い精度で認識できるのであれば､
TIFFの2階調ﾓﾉｸﾛを選択します｡

ご助言を頂戴したく存じます｡

ｾﾌﾞﾝｲﾚﾌﾞﾝ＝ JPEG 400 dpi 又は TIFF 600 dpi
ﾌｧﾐﾘｰﾏｰﾄ＝ JPEG 400 dpi 又は .pdfﾌｧｲﾙ
ﾛｰｿﾝ＝ JPEG 400 dpi 又は .pdfﾌｧｲﾙ

(なお､ﾌｧﾐﾘｰﾏｰﾄのJPEGはﾛｰｿﾝのJPEGよりもｺﾝﾄﾗｽﾄが高く､
階調が出にくい､とのうわさ有り)

よろしくお願い申し上げます｡

●質問者: ak2ey4
●ｶﾃｺﾞﾘ:ｺﾝﾋﾟｭｰﾀ科学･統計資料
○ 状態 :終了
└ 回答数 : 4/4件

▽最新の回答へ

▽1 ● jan8
●250ﾎﾟｲﾝﾄ

紙の枚数で料金が決まるので､ﾒﾓﾘ容量の許す限り､
できるだけ多階調､高解像度､無圧縮のﾃﾞｰﾀとすべきです｡
後から階調や解像度を落としたり､ﾃﾞｰﾀ形式を変換したり出来るからです｡

今は数GBのUSBﾒﾓﾘが当たり前に使われているので､容量に困る事はないでしょう｡

ak2ey4さんのｺﾒﾝﾄ
人間の目で画像処理したほうが良いのか､それともｿﾌﾄに任せた方が良いのか､どちらか判明せずにおります｡失礼ながら､回答No.4のgizmo5さんへのｺﾒﾝﾄをご覧いただき､ご意見をお聞かせ頂ければ幸いです｡

▽2 ● ｴﾈｺﾞﾘ
●250ﾎﾟｲﾝﾄ

やはり容量を気にしないのならできるだけ多階調､高解像度､無圧縮のﾃﾞｰﾀにする方がいいようです｡(OCRｿﾌﾄによっては圧縮するものもあるので)
http://www.book-scan.net/scan/dpitoocrsetteijinofairusaizunotigai.html
ｺﾝﾋﾞﾆではﾛｰｿﾝの.pdfには｢OCR埋め込み文字機能付き｣がついているそうなのでそちらの方がおすすめです｡ただし値段はﾛｰｿﾝが高いです｡
http://yaplog.jp/kephis/archive/23
ほか参考ﾘﾝｸ
http://keme.hatenablog.com/entry/20101126/1290793461

ak2ey4さんのｺﾒﾝﾄ
ﾛｰｿﾝでpdf化してみましたが､単なる画像が､ｷｬﾝﾊﾟｽに乗っているだけでした…… 回答No.4のgizmo5さんへのｺﾒﾝﾄをご覧いただき､ご意見をお聞かせ頂ければ幸いです｡

▽3 ● kanonk
●250ﾎﾟｲﾝﾄ

高解像度で多階調のﾃﾞｰﾀでｽｷｬﾝするべきですよ｡
そうしておけば後からいくらでも圧縮等はかけられますし､OCRに最適な画像処理ができます｡

ただ､無地の部分の埃やｼﾐなどが目立つ場合もあり､これが障害になることもあります｡
それでも高解像度の方が有利ですよ｡

▽4 ● gizmo5
●250ﾎﾟｲﾝﾄ

基本的にOCRはﾊﾟﾀｰﾝ認識なので二階調の方が読み取り精度が良いです｡
ただし､きれいにｽｷｬﾝできるならという条件があります｡
ｽｷｬﾝ対象が古い書籍のように紙に地の色がついていると､二値でｽｷｬﾝするとﾉｲｽﾞが出やすいです｡
ｺﾝﾋﾞﾆの機種による違いよりも､ｽｷｬﾝ対象の品質にもよる違いの方が大きいと思います｡
ｽｷｬﾝ対象の品質次第ですが､二階調でｽｷｬﾝするのがよろしいと思います｡

ｽｷｬﾝする枚数が少なければ､様子を見ながら閾値を変えて二値化するのが一番良いと思うのですが｡

ak2ey4さんのｺﾒﾝﾄ
2階調が良いとおっしゃるのは､他の方と違いますね｡ OCRはﾊﾟﾀｰﾝ認識だから､とのこと｡確かにそう思います…… (失礼ながら､)素朴には｡また､それは他の方々の認識と違うわけではないのだろうとも思います｡他の方は､｢多階調でｽｷｬﾝしておいて､後でOCR用に画像処理せよ｣という事をおっしゃっているのだろうと思います｡この｢OCR用に処理された画像｣について､gizmo5さんは｢(最終的には)2階調が良い｣､とおっしゃるのだろうと推測いたします｡ただ､どうなんでしょう｡人間が画像をOCRｿﾌﾄにかける最初の操作の時に､すでに2階調になっているものが､本当に適切なのかどうか｡原理的かつ素朴に考えると､おっしゃるとおり､ｿﾌﾄ内部の処理の､｢最終的な｣､文字同定(特定の文字として認識する段階)の時には､ 2階調になっているはずだ､と､私も思います｡つまり､｢(幅のない)線の集まり｣になっているのだろうな､と思います｡しかし､もし､一般的なOCRｿﾌﾄが､文字を同定する時に､｢この画像に基いては､文字として認識できなかった｣とか､あるいはもっと高等なｿﾌﾄであれば､｢この部分をこのような文字や語句として認識してしまうと､文としておかしい｣､などのように､ある種の人工知能のようなﾌﾟﾛｾｽがある場合には､文字の同定に失敗したという事が､ｿﾌﾄ内部で､ OCRのﾌﾟﾛｾｽの最初の段階として在るであろう｢明るさ･ｺﾝﾄﾗｽﾄの自動設定｣へとﾌｨｰﾄﾞﾊﾞｯｸされるように作られていて､かつ､その再処理が､ｿﾌﾄ自身にとって適切に行われるようになっているとすれば､むしろ､人間の目を使った2値化よりも､ｿﾌﾄ自身による2値化に任せた方が良いかもしれません｡ (上記の｢OCRのための適切な画像処理｣のﾌﾟﾛｾｽが無いｿﾌﾄの場合は､確かに､人間の目で見て2値に調整するしかありません) 以上のようなｼｽﾃﾑが､ OCRｿﾌﾄの業界において (そういう業界があるか存じませんが……学会はありそうですね)､｢普通のこと｣であるとすれば､私が自分で2値化するのはやめた方が良い､ということになります｡ gizmo5さんは､上記のような｢業界｣とか｢学会｣の､ﾈｯﾄ上のｺﾐｭﾆﾃｨをご存じですか？そちらで質問してみたいです (日本語か英語のｺﾆｭﾆﾃｨでないと､私は読み書きできません)｡ご存知でしたら､教えていただけるとありがたいです｡また､gizmo5さん自身が､上記のようなOCRｿﾌﾄ内部の作りにお詳しいのであれば､おっしゃるとおり､私が目で2値化しようと思います｡