Кстати, тут кто-то задавал вопрос "покажите мне хоть одну большую DjVu онлайн-библиотеку". Вот, пожалуйста:

Library Genesis http://free-books.dontexist.com/ - 250 тыс. скан-книг. Это самый большой коллектор всех рунетовских DjVu-библиотек. Книги там, насколько я понял, содержатся в 2 основных форматах: DjVu и PDF. Из них собственно DjVu по моим личным прикидкам должно быть не менее 100 тыс.

Я тут переделал в DjVu PDF-файл из этого топика - вот этот: http://rogov.zwz.ru/Efimova,Glasunova,1960_Albian.pdf .

Вот полученный DjVu: http://www.onlinedisk.ru/file/513853/ (за минут 10 получено: ScanTailor, DjVu Small, DjvuOCR, Doc Express Editor).

Вот скажите мне, пожалуйста, mhorn, чем полученный DjVu-файл для Вас хуже в плане личного использования (качеством, удобством чтения и т.п.), чем исходный PDF-файл (если не учитывать фактор не-популярности DjVu на Западе)? На большой размер этого DjVu не смотрите - это за счёт ресемплинга с 300 до 600 dpi (по-умолчанию в Scan Tailor) раздулся размер, ресемплинг можно было и не делать. Смотреть DjVu нужно, естественно, в WinDjView.

встречный вопрос к Вам, monday2000 : чем лучше djvu в плане личного использования? кроме размера - никаких плюсов не вижу

и ещё один момент: книги, которые в изобилии представлены в djvu в рунете это по большей части справочные и учебные издания, специализированных работ (во всяком случае по геологии и палеонтологии) там немного. То есть студент найдет в виде djvu много нужного, а вот аспирант или специалист - уже мало

И ещё DjVu изначально "заточен" под использование в Интернет. Там для этого есть такие фичи:
- Возможность просмотра первых страниц при неполной докачке
- Прогрессивная прорисовка при загрузке (как у JPEG-картинок в броузере).
- Возможность режима с выборочной загрузкой страниц (indirect), когда скачивваешь файл-индекс (несколько килобайт), а уже через него открываешь отдельные (по выбору) страницы многостраничного DjVu, лежащего на сервере.

Ну и в DjVu есть изначально послойная сегментация контента - в PDF это можно сделать - но я пока не видел ни одного такого PDF (а те, что есть, говорят, что это намного хуже DjVu реализовано). Послойная сегментация контента (называтся MRC - Mixed raster content) - это прогресс, это здорово.

Короче, DjVu - это "молодость и прогресс", а PDF - это "старческое уродство и отсталость".

Вот так - у DjVu только такое единственное и специфическое применение. Иных разумных сфер применения DjVu нет. Потому что что такое DjVu? DjVu - это в первую очередь сегментация (чего в PDF практически нет), а сегментация нужна как раз исключительно для сканов бумажных документов.

Существует даже и программа для создания DjVu с ABBYY-OCR слоем - тоже прямо из исходных TIF. Называется "JRA Publish". Правда, никто и никогда не смог её взломать.

А если (и когда) ABBYY встроят функционал распознавания и внедрения OCR-слоя в DjVu в FineReader - то тогда жизнь ещё упростится. Это будет выглядеть так: где-то в сторонних программах создаём DjVu. Затем полученный DjVu открываем в FineReader и распознаём, там же в FineReader внедряем в исходный DjVu полученный OCR-слой - и всё. Трудно? Сложно? По-моему, не особо. Чуть-чуть сложней, чем создать PDF с OCR в FineReader сейчас.

Но я не знаю, как именно ABBYY доработают работу с DjVu в FineReader. Может они вообще это сделают в точности так же, как и работу с PDF. Всё будет зависеть от нас - насколько мы хорошо и убедительно попросим ABBYY. Важность формата DjVu (в принципе) ABBYY для себя уже признала.

В то же время из нашего обсуждения я выношу такой вывод, что за исключением 2 факторов (не-популярность на Западе и относительное несовершенство программ по работе с форматом - кстати, во многом надуманное, на деле там уже не осталось ничего принципиально трудного) формат DjVu во всех отношениях лучше, чем растровый (не-векторный) формат PDF. Что и требовалось доказать. Если я не прав - прошу привести мне конкретные доводы против.

Несовершенство программ по работе с форматом (DjVu) - этот недостаток точно будет преодолён.
Не-популярность на Западе (формата DjVu) - этот недостаток для большинства людей, как говорится, "по-барабану". Однако, это тем не менее, серьёзная беда - с которой следует систематически бороться. И не сказать, чтобы мы тут вообще ничего не могли сделать. Просто пока такая цель (популяризировать DjVu на Западе) вообще никак явно не ставилась (перед рунетовцами-любителями DjVu).

а вот тут (American Museum Novitates) - уже с OCR, и сканы хорошие, напр., выпуски за 1999 год - http://digitallibrary.amnh.org/dspace....s_with=

http://www.onlinedisk.ru/file/514369/ (452 КБ)

(Исходный PDF - http://digitallibrary.amnh.org/dspace/handle/2246/3014 (2,5 МБ) )

Инструменты: Scan Tailor, ST Split, DjVu Small, DjVu Imager, ABBYY FineReader 8.0 Portable, DjVuOCR 2.2.
Время: порядка 20 минут максимум (это я ещё сильно загнул, конечно). Причём затраченное время состоит из 2 компонент: время на ручной труд, и пассивное ожидание окончания запущенной обработки.

Можете сравнить (с исходным PDF). Сделано Deskew (в отличие от исходного PDF). Имеется ABBYY-OCR слой. Визуальное качество - на мой взгляд, неотличимо от исходного PDF. Любопытная деталь: на странице номер 5 имеется полутоновая картинка. Из-за неё я делал данный DjVu методом разделённых сканов (а так бы не нужны были ST Split и DjVu Imager) - и вот, обратите внимание: в этом DjVu нет ни малейшего намёка на "порчу картинок"! И качество полутоновой картинки на 5 странице, думаю, Вы не отличите на вид от её PDF-варианта. А ведь можно было бы немного размыть эту картинку в DjVu Imager (по желанию пользователя) - и тогда размер итогового DjVu ещё резко упал бы.

А зато скроллирование какое - ни малейшего торможения (при прокручивании колёсика мыши в WinDjView). А попробуйте так же покрутить колёсиком для исходного PDF: в Adobe Acrobat Reader 9 будут "волны" торможения, а в Foxit Reader 4.0 - "волн не будет", но зато будут "запинки" - скроллирование будет проходить крохотными рывками. А полутоновая картинка на 5 странице - так та вообще - МОРГАЕТ при скроллировании в PDF!

В DjVu же - скроллирование файла осуществляется плавно, без рывков и торможений.

Торможение при скроллировании мне лично сильно действует на нервы.

Да, чуть не забыл - размер. Размер переделанного DjVu в 5,5 раз меньше размера исходного PDF! И это при (с моей точки зрения) идентичном на вид качестве изображения (только в DjVu - лучше - за счёт Deskew).

P.S. Кстати, то, что западные online-библиотеки используют PDF для растровых документов, ещё не самый характерный признак. Ведь что такое библиотеки? B любой стране - это самые нищие и отсталые заведения, очень инерционные в плане каких-либо инноваций. Вот у них был уже PDF-инструментарий, видимо - и они, естественно, ничего иного уже и не хотят.
Google Books - там какой-то свой формат - не PDF и не DjVu. И их можно понять - они не хотят ни от кого зависеть.

Попробуйте Archivarius 3000 - скорее всего, с ним получится (сделать полнотекстовый поиск по DjVu-файлам своего компьютера).

Есть форум на Library Genesis: http://gen.lib.rus.ec/forum/ . К сожалению, с недавних пор почему-то заблокированный. Вот там товарищи собаку съели на вопросах индексирования - и PDF и DjVu.

Но, если хотите - давайте прямо сейчас совместно разберёмся, как подключить DjVu Plugin к Google Desktop Search.

Вот даже картиночка есть, как он работает:
http://desktop.google.com/plugins/i/djvu.html?hl=ru

Вот ещё один плагин:
http://desktop.google.com/plugins/i/djvuindexer.html?hl=ru
Автор - Андрей Жежерун (автор WinDjView)

Вот взгляните:
http://bioinformatics.ru/Misc/Google_searchtips.html
http://alexeevd.narod.ru/misc/soft.htm
http://www.3dnews.ru/software-news/_personalnii_poisk_yandeksa_2_6_0_1030_poisk_na_pk/

Интересный топик оттуда:
"Поиск по содержимому книг" http://gen.lib.rus.ec/forum/viewtopic.php?f=3&t=14

Недавно делал пдф книги (538 с.), отснятой цифровиком. (Снимал со штатива, но практически в темноте). Обработал файлы в СканТейлоре, собрал и распознал в Акробате – получился пдф объемом 98 МВ (распознавал не в режиме ClearScan, т.к. оригинал весьма посредственный).

А сейчас решил попробовать отклиасканить - и получил не только уменьшение объема в шесть раз, но и более аккуратный сглаженный текст. Затем, следуя совету m7876, сделал из клиаскана дежавю – качество ч/б страниц практически не изменилось, а объем уменьшился еще в 6 раз! Поскольку в книге есть полутоновые иллюстрации с текстом (а я еще не освоил «метод разделенных сканов»), то остановился на варианте клиаскан-пдфа. Радует, что в обоих случаях OCR безупречный (без ФайнРидера: 9-м Акробатом и Документ Экспресс Эдитором).

Кому интересно, см. страничку из книги в архиве:
01_Raff_1996_p_341_raw_photograph.jpg
02_Raff_1996_p_341_ScanTailored+ClearScanned.pdf
03_Raff_1996_p_341_exClearScanned_pdf.djvu

После этого использование метода разделенных сканов покажется совсем уж простым.

PS Использование файлообменника http://rghost.ru/ ИМХО нежелательно - там ссылки сдыхают через 30 дней. Лучше onlinedisk.ru - там (вроде бы) файл хранится вечно. Или ifolder.ru - там тоже вечно (но требуется зарегистироваться, чтобы суметь закачать - насколько я знаю).

Резюме - я бы стал использовать эту программу для:
- переделки старых ну очень объемных сканов PDF (бинаризации кривосканеных сканов в оттенках серого)
- книг, снятых фотоаппаратом
- старых книг, у которых разные страницы имеют сильно различающуюся степень яркости.
- обработки книг, в которых более 30-40 страниц смешанного содержания.

И все. Остальное (испр. перекоса, правильный порог бинаризации) в 99% случаев легче сделать с помощью сканера. А ориентацию - Акробатом.
Сканируйте аккуратнее, и эти опции будут для вас неактуальны.

А если уж нужен именно Blur - то разделив тексты от фотоизображений в методе разделённых сканов, далее можно отдельно картинки обработать через Blur в любой сторонней программе. Яснее это будет, когда я подготовлю статью об использовании Scan Tailor в методе разделённых сканов.

Я добавил туда описание как использовать Scan Tailor совместно с DjVu Imager (включая использование ST Split).

Сравнение форматов DjVu и PDF

http://www.djvu-soft.narod.ru/scan/djvu_vs_pdf.htm

Как раз по результатам обсуждения в данном топике.

OCR Online: бесплатное распознавание текста. Сервис OCROnline позволяет бесплатно распознавать текст из изображений JPG, PNG, GIF, TIFF и файлов в формате PDF. Файлы должны быть не более 10 Мб и содержать не более 100 страниц. Поддерживается более 150 языков. На выходе вы можете получить файл в формате DOC, PDF, RTF или TXT. Разумеется, данный сервис нельзя рекомендовать для серьезных OCR-работ, но как палочка-выручалочка при разовой необходимости вполне сгодится, поэтому однозначно заслуживает место в закладках. На всякий случай.

Описание взято с сайта лайфхакер (lifehacker.ru).

http://www.watchocr.com/