ATR Schritt 3: Pre-Processing und Bildoptimierung
Von Hippolyte Souvay und Larissa Will
Read this article in English: https://harmoniseatr.hypotheses.org/1243
Lire la version française de cet article : https://harmoniseatr.hypotheses.org/3271
Dieser Blogbeitrag ist der Bildoptimierung als Teil der Vorverarbeitung gewidmet. Er befasst sich mit dem Scanprozess und den Aspekten, die es dabei zu beachten gilt. Es werden mögliche Bildvorverarbeitungsschritte wie Zuschneiden oder Entzerren betrachtet sowie potenzielle Schwierigkeiten, die in der Vorverarbeitungsphase auftreten können.

1. Digitalisierungskonzepte
Mit Hilfe von optischen Systemen wie Scannern, Kameras oder vergleichbaren Geräten kann aus einer analogen Vorlage ein digitales Bild erstellt werden. Dabei müssen bestimmte Vorgaben wie Auflösung, Farbraum und Dateiformat beachtet werden, um später eine optimale Texterkennung zu gewährleisten. In vielen Fällen werden Ihre Dokumente bereits digitalisiert sein, falls nicht, gibt es einige Dinge zu beachten.
1.1. Auflösung
Bei digitalen Bildern beginnt alles mit winzigen Punkten, die Pixel genannt werden. Die Detailgenauigkeit eines Bildes hängt davon ab, wie viele dieser Pixel vorhanden sind. Das kann man messen, indem man zählt, aus wie vielen Pixeln sich die Länge und Breite des Bildes zusammensetzt. Anhand der Anzahl dieser kleinen Punkte können Sie dann feststellen, wie reich und detailliert das Bild ist. Kurz gesagt, bedeutet dies: Je mehr Pixel Sie haben, desto besser ist die Auflösung Ihres Bildes. Die Anzahl der Pixel gibt Ihnen eine Einschätzung der kleinen, detaillierten Elemente, aus denen sich das gesamte Bild zusammensetzt. Die Auflösung wird in dpi (dots per inch) gemessen. Für die Verarbeitung der Bilder mittels ATR sollte eine A4-Seite am besten 300 bis 400 dpi haben.
1.2. Farbraum

Im Allgemeinen können Sie die automatische Texterkennung unabhängig vom Farbraum Ihrer Bilder durchführen. Allerdings sind die Ergebnisse bei Farbbildern besser als bei Schwarz-Weiß- oder Graustufenbildern. In der Vergangenheit war das Scannen von Dokumenten in Bitonal (Schwarzweiß) eine beliebte Methode, um Speicherplatz auf dem Computer zu sparen. Heutzutage spielt der Speicherplatz keine so große Rolle mehr, so dass wir uns auf andere Faktoren konzentrieren können.
Wenn Sie selbst Bilder scannen, sollten Sie darauf achten, dass Sie in Farbe scannen. Auf diese Weise lassen sich Dinge auf Bildern wie Stempel oder seltsame Durchscheineffekte am besten erkennen, aber auch die Schrift selbst ist in Farbe viel klarer als in Bitonal. Farbe kann auch dazu beitragen, Dinge deutlicher zu machen – durch Verstärkung der Kontraste oder durch Umdrehen der Farben können Details hervorgehoben werden. Als Faustregel gilt: Was das menschliche Auge leichter lesen kann, wird auch von der künstlichen Intelligenz besser gelesen. Dennoch ist es wichtig, die Umweltauswirkungen bei diesen Tätigkeiten zu berücksichtigen. Die Verarbeitung von Daten mit geringerer Dimensionalität hat einem geringeren Energieverbrauch.
1.3. Dateiformat
Für die Langzeitarchivierung werden Formate wie TIFF oder JPEG2000 häufig empfohlen oder sogar von den Forschungsförderern vorgeschrieben. Es handelt sich dabei um sehr umfangreiche und große Dateiformate. Für die Verarbeitung von Bilddateien mit ATR sind jedoch Formate wie JPG, PNG oder PDF völlig ausreichend. Wenn Sie ein Bildformat in ein anderes umwandeln müssen, können Sie Konverter verwenden. Wir empfehlen ImageMagick, das quelloffen und kostenlos ist.
2. Vorverarbeitung der Bilddaten
An dieser Stelle möchten wir betonen, dass die Vorverarbeitung optional und in einigen Fällen überhaupt nicht notwendig ist. Wenn Sie Glück haben, können Sie sofort mit der ATR beginnen. Dies ist in der Regel der Fall, wenn Sie Ihre Bilder von einer kulturbewahrenden Institution erhalten. Handelt es sich jedoch um doppelseitige Scans oder um schief und schlecht zugeschnittene Bilder, müssen Sie eine so genannte Vorverarbeitung durchführen. Diese kann je nach Bedarf die Anpassung von Helligkeit und Kontrast, das Zuschneiden, Zerteilen, Drehen und Entzerren umfassen. Diese Schritte sind nicht immer notwendig, und es gibt auch keine bestimmte Reihenfolge, in der sie durchgeführt werden sollten. Das hängt immer vom jeweiligen Dokument ab. Betrachten Sie diese Anpassungen als einzelne Schritte, die je nach Bedarf und in der gewünschten Reihenfolge durchgeführt werden können.
2.1. Zuschneiden und Seitentrennung
Das Zuschneiden eines doppelseitigen Bildes ist sehr wichtig, um später Zeit zu sparen. Sie können jeden Grafikeditor zum Zuschneiden verwenden. Für unser Beispiel werden wir GIMP verwenden, das kostenlos und sehr einfach zu bedienen ist. Wählen Sie das Zuschneidewerkzeug und klicken Sie mit der linken Maustaste auf eine Ecke des Bildes. Ziehen Sie den Zuschneidebereich auf die gegenüberliegende Ecke, um den gewünschten Bereich zu zuschneiden. Drücken Sie die Eingabetaste. Um die Seiten zu trennen, wiederholen Sie diesen Vorgang einfach zweimal und speichern Sie jede Seite separat.

2.2. Seitenrotierung
Natürlich können Sie die Seiten mit jedem Grafikeditor drehen. Hier verwenden wir das Rotationswerkzeug in GIMP (halten Sie die Tasten Shift und R gedrückt). Sie können dann einen Wert in Grad eingeben, je nachdem, wie Sie Ihr Bild drehen möchten. Drücken Sie die Eingabetaste. Und vergessen Sie nicht zu speichern!

2.3. Entzerrung
Entzerrung (dewarping oder deskewing) ist vielleicht die technisch anspruchsvollste Vorverarbeitungsaufgabe. Sie sollten es nur einsetzen, wenn es absolut notwendig ist, und es nach Möglichkeit vermeiden. Für eine einfache Entzerrung können Sie auch GIMP verwenden, das über einen Entschärfungspinsel verfügt (drücken Sie W). Sie müssen die Linien in Ihrem Dokument manuell neu ausrichten, was viel Arbeit bedeutet. Sie können auch mit Linsen arbeiten. Gehen Sie zu Filter > Verzerren > Objektivfehler und experimentieren Sie mit den Einstellungen, um eine entkrümmte Seite zu erhalten. Natürlich gibt es auch andere Lösungen für die Korrektur von Bildverzerrungen mit eigenen Anleitungen und HowTos.

3. Vor- und Nachteile der Vorverarbeitung
Die Vorteile liegen auf der Hand: Die Vorverarbeitung kann den Zeitaufwand für die Korrektur von Segmentierungsergebnissen drastisch reduzieren. Außerdem erhöht sich dadurch die Wahrscheinlichkeit, dass Sie bessere Transkriptionsergebnisse erzielen, was letztlich Ihr Hauptziel sein dürfte.
Auf der negativen Seite bleibt die Vorverarbeitung weitgehend optional und kann zeitaufwendig sein. Wird die Vorverarbeitung nicht korrekt durchgeführt, kann sie sich auch negativ auf die Ergebnisse auswirken. Bestimmte Unzulänglichkeiten im Scan (z. B. geringe Kontraste, durchscheinende Seiten) können auch vom Layout- oder Texterkennungsmodell gelernt werden. Manchmal ist das Training effektiver als die Vorverarbeitung, was die Arbeit mit einem großen Datensatz erleichtern kann.
Zusammenfassung
Letztlich kommt es darauf an, Ihre Zielsetzungen und Ihre Möglichkeiten abzuschätzen. Welche Qualität der Ergebnisse benötigen Sie und wie viel Zeit können Sie für die Vorverarbeitung aufwenden? Benötigen Sie eine perfekte Transkription für eine digitale Edition oder ist ein annähernd korrekter Text ausreichend? Sie ist zwar zeitaufwendig, aber sie kann Ihnen später helfen, Zeit zu sparen. Vor allem am Anfang ist es eine schwierige Entscheidung.
Wenn sich die Vorverarbeitung nicht vermeiden lässt, testen Sie die Ergebnisse an einem kleinen Datensatz, bevor Sie eine umfangreiche Vorverarbeitung durchführen. Wenn Sie selbst scannen, befolgen Sie unsere Anweisungen, um sich die Vorverarbeitung zu ersparen. Wir raten Ihnen, sich an Experten zu wenden und deren Meinung einzuholen. Hilfe erhalten Sie z. B. vom OCR-Kompetenzzentrum der Universitätsbibliotheken Tübingen und Mannheim.
Und jetzt geht es weiter mit Schritt 4: Layoutanalyse – viel Erfolg!
Diesen Beitrag zitieren: Hippolyte Souvay, Larissa Will, “ATR Schritt 3 – Pre-Processing und Bildoptimierung”. In: Anne Baillot, Mareike König (Hg.): Automatic Text Recognition. Harmonising ATR Workflows, 15.05.2024, https://harmoniseatr.hypotheses.org/3742.
OpenEdition suggests that you cite this post as follows:
Larissa Will (May 15, 2024). ATR Schritt 3: Pre-Processing und Bildoptimierung. Automatic Text Recognition. Retrieved May 19, 2025 from https://doi.org/10.58079/11och
1 Response
[…] ATR Schritt 3: Pre-Processing und Bildoptimierung, https://harmoniseatr.hypotheses.org/3742 […]