书籍中文字数字化

  图书数字化中处理数据流程的技术要点  【内容提要】 图书数字化大致有影印出版和电子出版两种类型。影印出版指的是将图书扫描或拍照，生成图像格式文件，经图像修复处理后生成电子书。该类型的复制书与原版基本无差别，生产成本较低，缺点是不能进行内容检索。    图书数字化大致有影印出版和电子出版两种类型。影印出版指的是将图书扫描或拍照，生成图像格式文件，经图像修复处理后生成电子书。该类型的复制书与原版基本无差别，生产成本较低，缺点是不能进行内容检索。电子出版指的是使用OCR（光学字符识别）技术，把纸质图书资料转化为多种格式的原式原样的电子图书，通过先进的生产流程管理系统，将文本的错误率控制在一定范围内，达到出版质量的水平。电子出版的图书可实现全文内容检索，但是工序多、工艺复杂、成本高。本文将重点探讨断版书影印出版的数字化复制。    影印出版的数据处理流程包含图书扫描、图像数据处理、文件串联、文件存储等步骤