情報技術演習Ⅰ 人文学研究のための情報技術入門

情報技術演習Ⅰ
人文学研究のための情報技術入門
2013/05/09
担当：林晋
TA:橋本雄太
2009/10/14
今回のテーマ
OCR の使い方
2009/10/14
文書とOCR
• 「文書」という言葉には色々な意味があります．コンピュータ上では，
“aaa.txt”, “bbb.doc” などの文書がありますし，“20130502.ppt” というファ
イルも「PowerPoint の文書」と呼ばれることがあります．これらはSJIS,
Unicode などの文字コードで文を表現していますので，コード化文書と呼
べるでしょう（一般的用語がないので，林が作った言葉です）．
• 紙の上のインクや看板上のペンキ，石碑上の凹み，などの物理的模様に
よる文書を物理的文書ということにしましょう．皆さんが見ているモニタ
（ディスプレィ）上の，この文書も物理的文書と言えるでしょう．
• また，物理的文書をデジカメで撮影して作った “aaa.jpg” “bbb.bmp”など
の電子画像を画像化文書(正確には電子画像化文書）と呼びましょう．
• OCR とは画像化文書をコード化文書に変換することだといえます．物理
的文書を画像化して画像化文書にするのにはデジカメやスキャナーを使
います．
2009/10/14
自炊
• 大量の書物を読んでレポートを書く，卒論を書く，研究する場合，それが
Google Books の書籍のように検索できると大変便利
• また検索ができなくても，書籍がデジタル画像になっていれば，大量の本
を軽々ともち運ぶことができる．
• 本棚も不必要になり省スペースになる
• それらを可能にするのが，いわゆる自炊
• 本を解体したりして，スキャナーで電子画像にし，PDFファイルなどにまと
めることを自炊という．
• 注意！！！
– これは自分だけのためにやるのならば問題がないが，人に渡してしまったりすると著
作権侵害となる（らしい）ので注意！！
– これからやる演習の結果も，林への課題提出以外では，決して他人に渡してはいけま
せん
2009/10/14
自炊のやり方を書いたWEBページ
• http://wikiwiki.jp/bookjisui/
• http://ushigyu.net/2012/03/01/jisui_q_and_a
_by_jisui_blogger/
• http://bizmakoto.jp/bizid/articles/1006/01/ne
ws031.html
• http://pc.watch.impress.co.jp/docs/topic/feat
ure/20110218_426830.html
2009/10/14
二つの方法
• 今日は，自炊を行う二つの手段を実際にやっ
てもらいます．
• そして，その結果のPDFファイルとHTMLファイ
ルが提出すべき課題となります．
• 注意：自炊の方法はほかにも色々ある．しか
し，ここで紹介するのは典型的ケース．
2009/10/14
専用ブックスキャナを使う方法
• 本をフラットベッドスキャナーと呼ばれる廉価なスキャナーで
スキャンして電子画像にしようとすると，厚い本の場合，真ん
中あたりが曲がってスキャンされる．
• さらには真ん中に黒い帯が入ってしまい，場合によっては，
文字が読めない場合もある．これはコピー機の場合と同じ．
• これを防ぐために，作られたフラットベッドスキャナー
• 本の中央をスキャナの端にあててスキャンしてもコピーがで
きる．
– 普通のスキャナは，周りに余裕を持たせてあるので，そう
やると真ん中が欠けてスキャンされる．
2009/10/14
長所と短所
• 長所
– 本を分解しなですむ．
• 不必要なら古本として売れば良い．
• 短所
– ページごとに上下が交代する．
– やすいといっても，兎に角，スキャナを買わなくて
はならない．
2009/10/14
本を解体する方法
• 本を裁断して，ドキュメントスキャンという，文
書専用スキャナで読み込む．
• 長所と短所
– 短所：本がバラバラ．捨てることになる．
– 長所：裁断さえできれば，読み込み（スキャン）は
簡単かつ速い
– 短所：裁断は裁断機のよいものがない場合は大
変
2009/10/14
裁断の事例集
•
•
•
•
•
•
•
http://www.youtube.com/watch?v=pYBLZUKB0Uw
http://www.youtube.com/watch?v=6D_6unB4X6c&feature=related
http://www.youtube.com/watch?v=RD2EmcgVRR8&feature=related
ディスクカッター
http://www.youtube.com/watch?v=wJ5Lefyx26E&feature=related
http://www.youtube.com/watch?v=G7i9E4XovMw&feature=related
置き場所にさえ困らなければ，比較的安い裁断機がある．
– それを実習で使ってみる．
– 指などを怪我しないように切り落とさないように注意！！！
2009/10/14
実際にやってみよう
• 説明をした後，前に集まってもらいます．
• そして、まず，林と橋本がスキャン＋OCR使用をやっ
てみせます．その後で，それぞれのPCに適当に分
かれて，各自，自分で実際にやってみてください．そ
れが今日の課題です.
• 裁断機はひとつです．裁断は指を裁断すると困るの
で，林か橋本がやってみせます．
• スキャナは2種類．それぞれ林と橋本が担当します
ので，すくなくとも一方で説明を聞いて実習を行って
ください．時間がある場合は両方やってください．
2009/10/14
OCRは e-typist を使用
• OCR は二つのPCとも e-typist を使います.
– YouTube の画像にように，スキャナのボタンを使う方法もあるのです
が，今回は e-typist からスキャナを呼び出してスキャンする方法で行
います.
• それぞれのPC＋スキャナの周りに集まり, 林か橋本の説明
を聞いてください.
– 林：ブックスキャナ OpticBook 担当
– 橋本：ドキュメントスキャナ ScanSnap 担当
• どちらでやっても構いませんが, 待ち時間を考慮してスキャナ
を選択ください. 使い方の説明は必要に応じて繰り返します.
2009/10/14
ScanSnap S1500 による自炊
• That Noble Dream を裁断
– なれていないと危ないので，この部分だけは林か橋本が行います
– 自分で本や文書を持ってきたひとは，この本ではなくて，自分がもってきたものでやっ
て結構です．ただし，裁断は林か橋本にまかせてください．
•
ひとりあたり数ページをScanSnapでスキャンしてOCRでテキストにしてください．
– スキャンのためには，デスクトップにリンクがある eTypist を使ってください．
• 動画でやっていたような，スキャナのボタンを押してのスキャンはしないでください
– 詳しい使い方は林か橋本が説明します．
– 結果は何ページ読んだ場合でも，一つのテキストファイルか HTMLファイルに
して，デスクトップにある「情報技術演習提出用」というフォルダに置く. ただ
し，ファイル名を
• 自分の名前学籍番号.txt のようにしてください.
– 例えば，西田幾多郎0100243333.txt
• これで課題提出となります．
• OCRはかなり読みを間違います．この誤認識は気にしなくて結構です．
2009/10/14
OpticBook 4600での自炊
• 言語都市・ベルリン 1861‐1945のどこでもよいから，自分の好きなページ
を幾つかスキャンしてください．
– 自分で本や文書を持ってきたひとは，この本ではなくて，自分がもってきたものでやっ
て結構です．
•
ひとりあたり数ページを OpticBook でスキャンしてOCRでテキストにしてください．
– スキャンのためには，デスクトップにリンクがある eTypist を使ってください．
• スキャナのボタンを押してのスキャンはしないでください
– 詳しい使い方は林か橋本が説明します．
– 結果は何ページ読んだ場合でも，一つのテキストファイルか HTMLファイルに
して，デスクトップにある「情報技術演習提出用」というフォルダに置く. ただ
し，ファイル名を
• 自分の名前学籍番号.txt のようにしてください.
– 例えば，西田幾多郎0100243333.txt
• これで課題提出となります．
• OCRはかなり読みを間違います．この誤認識は気にしなくて結構です．
2009/10/14

Download Report