发信人: maha <maha@tpts1.seed.net.tw>, 信区: BudaTech
标  题: 扫瞄档处理流程
发信站: (NEWS/INFO) National Sun Yat-San University (Tue Nov 18 16:18:50 1997)
转信站: Lion!ccnews.nsysu!news.nsysu!not-for-mail
来  源: buddha.nsysu.edu.tw

感谢大家热情赞助。这件认养工作，截至目前有意加入者六人，若加
上原有的三位认养者，及提供技术的Heaven，跟居中协调的我，共有
十一人，就暂且名之为「佛教藏 OCR小组」。

由於刚在一起作业，这阵子可能有些事项需要沟通协调，对於较为广
泛性的问题，往後就让我们一起讨论吧（请适当的更换标题）。若再
有新加入者，我会随时通知各位。

底下是我对QUIZ来函的回覆。

QUIZ wrote:
> 
> 　我一直在想说，通通灌到大硬碟去，然後去圈点程式给他
> 　２４小时去执行。丹青可以的话也照办。这样就可以只
> 　剩下校对的工作了说。而且通通转成文字档了。
> 
> 　文字校对时，网友间要分工的话，传文字档当然比传图
> 　档更有效率罗。
>
> 　通通转成文字後，那锅校稿的义工，可以自备经本，或到图书馆
> 　等去借。只传文字档给他就可以了。那麽会有很多人有能力共襄
> 　盛举的。
> 
> 　因为去圈点，使用丹青等等，这些比较技术性，可能不太好找人。
> 　再加上图档传递也不是很方便（您可累了...^_^）
> 
> 　因此我觉得如果可以分工，多人多台电脑处理，通通先转成文字档
> 　可能也不错。品质也比较整齐说。

如果「通通转成文字後，那锅校稿的义工，可以自备经本」去校对，
这样当然有很多的便利，档案传输比较简易，可以参与的人也会比较
多。不过，这种便利我们以後或许会用得上，但却不是现在这个环节
。请看我以下几点说明。

  1.既已采用 OCR作业，线上校对时可以一边看扫瞄图、一边看辨识
    後的文字来修正，这样的好处不可轻易放弃。
  2.这次经由 OCR线上校对产生的文字档，将不再把所去掉的圈点加
    入文字中，也就是说结果是一个不含圈点的文字档。因为这些结
    果的最大用处是拿来跟另一个依大正藏格式输入的经文档做文字
    上的比对，以此来订正大正藏经文档的错误。
  3.等档案比对完成後，必须再做一次人工校对，这时候就可以考虑
    采行QUIZ的方法，让更多的人来参与，只是所用以校对的经本必
    须得是大正藏才行。
  4.QUIZ的方法还可以应用在依大正藏格式所输入的经文档。这个经
    文档已经有了，有25册。但因为是从 CCCII转码过来的，品质不
    是很好。必须至少得人工校对一遍，才可以拿来应用在档案比对
    上。
  5.QUIZ的方法固有可取之处，但也不要轻忽了它在管理方面所需付
    出的成本。到底是采取网路作业战略，还是找一组固定的校对人
    马（支薪的专业校对人员，或不支薪但有训练的义工），这是佛
    研中心跟我们都还在评估的。

所以，对於这些经文图档，我的主意是确实把线上校对做好。

我们的整个作业流程大致如下：

　1.转换图档格式：利用 PSP程式将.tif档批次转成.bmp。如果去点
                  程式有所改良，此步骤可省略。
  2.执行去点程式：此步骤的目的是批次的把影响 OCR辨识作业的图
                  形圈点去除。
  3.开始 OCR作业：视记忆体状况，一次可以读入多页图档进行辨识
                  。记得大力使用 OCR的学习字库功能。
  4.进行线上校对：OCR 辨识完毕後，即可进行一边看扫瞄图、一边
                  看辨识的文字来校对。完毕後依序一页存成一个
                  文字档。
  5.合并完成档案：将每页一个档案，合并成每卷一个档案。

至於作业细节，都装在我脑袋里，得花一点时间来斟酌。各位若有想
到什麽，也可以事先反应讨论。

因为大家先後所认养的□围可能有所重叠，我必须做一些调整。再等
几天吧，让有意愿处理的人通通出炉，我再来做一个较好的分配。

                                               maha 11/18/97