Соберите PNG в один PDF
Сложите все страницы PNG в один ZIP, назвав их в нужном порядке: имена файлов становятся порядком страниц готового PDF. OCR работает под каждой картинкой, не заменяя её, поэтому страница выглядит в точности как исходный скриншот или скан.
После обработки вы получаете единый PDF, где на каждой странице под пикселями лежит невидимый текстовый слой. Откройте его в любой программе для чтения, выделите предложение, которое переходит с одного исходного PNG на другой, — выделение следует за словами, а не обрывается на прежней границе файлов.
Зачем объединять сканы PNG
Скриншоты и сканы в PNG обычно однородны: одинаковое разрешение, одинаковый белый фон, одинаковый рендеринг шрифтов от файла к файлу, поскольку они, как правило, получены за один проход сканера или одним и тем же инструментом экспорта. Благодаря этой однородности объединённый PDF ведёт себя предсказуемо: размер текста и контраст редко скачут между соседними страницами так, как это бывает с фотографиями с камеры.
Объединение десяти-двадцати PNG в один PDF означает один файл, который можно отправить по почте, распечатать или сохранить в архив, вместо папки с отдельными изображениями, которые коллеге пришлось бы открывать по одному, угадывая правильный порядок.
Где пригодится этот набор
Многостраничные скриншоты договора, подписанного через веб-портал, переписка в чате, сохранённая постранично, или отсканированные бланки, выгруженные программой планшетного сканера отдельными PNG, — всё это приходит в виде разрозненных изображений, которые становятся единым документом только после объединения.
Превращение такого набора в единый PDF с возможностью поиска позволяет прикрепить его к письму, сохранить под одним именем в системе документооборота или найти по ключевому слову спустя месяцы, не вспоминая, в каком из пятнадцати PNG был нужный пункт.
Как сохранить чёткость каждой страницы
PNG — формат без потерь, поэтому пиксели, поступающие в OCR, остаются такими же чистыми, какими их выдал инструмент создания скриншота или скана, — без артефактов сжатия, которые размывают края букв, как это бывает после пересохранения в JPEG. Точность распознавания здесь в основном ограничена исходным качеством съёмки: скриншот низкого разрешения ограничивает возможности OCR, даже будучи сохранённым в PNG.
Проверяйте текстовый слой готового PDF в первую очередь на странице с мелким шрифтом или таблицей — именно там раньше всего проявляется недостаточное разрешение съёмки. Если одна страница читается хуже соседних, переэкспортируйте именно её в более высоком разрешении и пересоберите набор заново, а не миритесь со слабой страницей внутри в остальном чёткого файла.
Упорядочивание набора PNG
Перед упаковкой в ZIP назовите файлы по порядку страниц (01, 02, 03…): страницы идут по именам файлов, и переставить их потом нельзя. Разные размеры и ориентации страниц сохраняются по отдельности, так что книжная и альбомная страницы стоят рядом, и ни одна не растягивается.
Скриншот, который оказался повёрнутым набок или вверх ногами, заранее исправлять не нужно: перед распознаванием каждое изображение поворачивается правильной стороной вверх, и все страницы итогового PDF получаются ровными и доступными для поиска.