資料1

複合機でスキャン
貧乏暇無し、自力でのＰＤＦ化
奈良女子大学附属図書館電子情報係
森下映理
本日の内容
●奈良女子大学リポジトリについて
立ち上げ当初から現在までのいろいろ
初代担当者は登校拒否寸前？
立ち上げ当初はわからないことだらけの
日々でした。
●本学のＰＤＦ化の作業について
貧乏なので、自力で電子化しています
奈良女子大学について
学部・研究科の構成:
文学部、理学部、生活環境学部、大学院人間文化研究科
学生(平成22年5月1日現在):
2,822名（学部学生2,190名、大学院学生632名）
教員総数(平成22年5月1日現在): 206名
鹿総数：最大１２頭
奈良女子大学附属図書館について
構成：
情報管理係・情報サービス係・電子情報係
常勤職員：6名
非常勤職員：6名
リポジトリ担当は電子情報係
（常勤１名、非常勤１名）
本学リポジトリについて
平成18年
学内委員会の立ち上げ
「平成18年度次世代学術コンテンツ基盤共同構築事業：領域１」委託業務に採択される！
学内刊行物の調査・把握→公開許諾依頼
リポジトリって何？
近年の刊行物のＰＤＦ化
D‐Space 構築（業者に依頼）
平成19年
領域１継続中
10月リポジトリ専任非常勤職員採用
情報収集（ＤＲＦメーリングリストへの参加）
学内広報活動の推進
公開許諾依頼（研究者総覧に登録されている論文について）
平成20年
3月正式公開
引き続き、個別の著者に対しての公開許諾依頼→登録作業
平成21年
3月末リポジトリ専任の非常勤退職→後任の学内予算つかず
10月担当係長交代（初代担当係長、学外へ）
平成22年
3月領域１委託業務終了
4月またもや担当係長交代（館内の移動）
領域３（近畿領域）と領域２（遺跡リポジトリ）採択される
人員減！！！
累計登録件数
・少しずつではあるが、登録件数は増えてきている。
・アクセス数も月ごとに増加傾向。
・登録件数の割にアクセスが多い？
月別アクセス数（Item View)
Sep‐10
Jul‐10
May‐10
Mar‐10
Jan‐10
Nov‐09
Sep‐09
Jul‐09
25,000
May‐09
0
Mar‐09
400
Jan‐09
600
Nov‐08
1000
Sep‐08
1200
Jul‐08
1400
May‐08
1600
Mar‐08
Sep‐10
Jul‐10
May‐10
Mar‐10
Jan‐10
Nov‐09
Sep‐09
Jul‐09
May‐09
Mar‐09
Jan‐09
Nov‐08
Sep‐08
Jul‐08
May‐08
Mar‐08
登録件数とアクセス数
2010年3月～6月、
エラーでデータ無
20,000
800
15,000
10,000
200
5,000
0
順風満帆ではないが、少しずつ進歩？
■導入当初
■現在
当初は学内の意識改革が進まず。
・紀要の許諾が取れない。
そのため、業績ＤＢ掲載論文の
著者、出版元にそれぞれ許諾確
認。様々な種類の業績があり、
許諾確認が難航（件数が伸び悩
む）
少しずつ、認知されつつある。
・紀要等の公開許諾増加。
・学内予算が取れず、リポジトリ専
任非常勤減。
知識が追いつかず、試行錯誤。
・最初は「何がわかっていないかも
わからない」状態。
（一件づつ、許諾確認しなくてもいい！）
著者本人や出版団体からの掲載
依頼も増加。
進歩！
・学内予算はつかず・・・
学生アルバイトさんに手伝っても
らったりしながら、少しずつ登録。
やっと、１５００件突破
だんだん、わかってきた？
・ＤＲＦワークショップやメーリングリ
ストで知識を得て、相談できる人
たちに出会う。でも、まだまだ？
現在の本学でのＰＤＦ化作業
使用機器およびソフト
● SCAN : Fuji Xerox カラー複合機 DocuCentre‐III C2205)
● OCR:
Adobe Acrobat 7.0 Professional と e.Typist V.12.0を併用
基本は
Scan→OCR
資料によって、作業手順がかわってくる。
【著者等から提供された資料の形態】
・紙 or 電子媒体
・裁断可能 or 裁断不可（裁断後、製本？）
・カラー, 白黒, グレー？
・PDF , WORD, Power Point?
ＰＤＦ化の際の注意点
●画質
・荒くなりすぎない。
・重くなりすぎない。
解像度高 → 画質はよいが、サイズが大きい
解像度低 → サイズは小さいが、画質粗い
家からダウンロードすることを考えると、一論文、１５ＭＢくらいが
限界？（阪大さんを参考にさせていただいた）
●透明テキスト
付与（できる範囲内で）
ＰＤＦ化作業の流れ１
【提供された資料の種類】
①電子媒体
（印刷業者が作成したＰＤＦ、著者版のワード
ファイルなど）
②紙媒体
（雑誌、図書本体やリプリント等）
ＰＤＦ化作業の流れ２
①電子媒体
●印刷業者からのＰＤＦ
・透明テキスト付→そのまま登録
・透明テキスト無→Adobe AcrobatでＯＣＲ化
●著者から提供されたWORD等のファイル
→印刷コマンドでＰＤＦ作成。文字や図がずれにくい
それぞれのソフトの印刷機能で、プリンターをAdobe Acrobatに選択して、印刷して保存。
ＰＤＦ化作業の流れ３
②紙媒体
SCAN
●裁断可能なもの:
裁断機で裁断→複合機のオートシートフィーダでスキャン
（PDF化） ●裁断不可なもの：
１ページずつ、スキャン
OCR化
（透明テキスト付与）
（透明テキスト付与）
●汚れや影の目立つもの
e.Typistで画像処理→OCR化
●汚れがないもの
Adobe Acrobat Pro.でOCR化
複合機の設定１：基本設定
■解像度：４００dpi
関東学院大学の論文データ参考に
論文によって変更する場合も。
（ex. 衛星写真の解析画像など詳細な画像が必要な場合は６００dpi）
■裏写り防止設定
■カラーモード
白黒・フルカラー・グレースケールを使い分け
複合機の設定２：カラーモード
（白黒とグレースケールの比較）
Ｎｏ．カラーモード
① 白黒
② グレースケール
③ 白黒
④ グレースケール
⑤ 白黒
⑥ グレースケール
原稿の画質
写真
写真
文字/写真
文字/写真
文字
文字
ファイルサイズ
559.04KB
361.88KB
558.81KB
371.41KB
84.64KB
362.20KB
（参考写真資料：解像度：400Dpi , ファイル形式: PDF, 読み取りサイズ： A6 に設定）
●「原稿の画質」を「写真」や「写真/文字」に設定した場合、「カラーモード」を「白黒」にすると、画
像が粗いだけでなく、ファイルサイズが大きくなってしまう。
●「原稿の画質」を「文字」にした場合、「カラーモード」を「白黒」にすると、ファイルサイズはかな
り小さいが、黒くつぶれてしまい、画像が見れない状態に。
●画像の重要度にもよるが、写真などの細かい画像がある資料はグレースケールでスキャンし
た方がよい。
●綴じがきつい資料などは白黒でスキャンすると、影がまっ黒に出てしまい、文字が読めない。
グレースケールでスキャンすると、影がグレーになり、文字は読めるようになる。
ＯＣＲソフトについて
●Adobe Acrobat 7.0 Professional
（PDF作成ソフト）
●e.Typist v.12.0
（５８ヵ国語対応ＯＣＲソフト）
現在はこの二つを併用
当初は、Adobe Acrobat Standard を使用していたが、墨消し機能もなく、画像
のゴミを消すのにも苦心。トリミング等で対応。
消しゴム機能のついているDocuworks 6.2 を短期間利用していたが、文書管
理が主体のソフトで使い勝手がよいとはいえず・・・。
結局、Acrobat Professionalを購入。後に複数言語のＯＣＲ化のため、e.Typist
を購入して現在に至る。
ＯＣＲソフトの比較
（ファイルサイズ）
複合機でスキャンしてＰＤＦ化したファイルをe.Typist（デフォルト設定）と
Acrobat Professional でOCR化。OCR 前とのファイルサイズを比較。
ファイルサイズの比較には、
座主果林：“ろう教育における２つの教育方法”, 奈良女子大学社会学論集, 2010, 第17号, p.243 を使用
解像度
OCR前
e.TypistでOCR AcrobatでOCR
200dpi
43.74KB
196.76KB
42.98KB
400dpi
81.67KB
198.26KB
64.35KB
600dpi
127.31
198.25KB
97.75KB
●e.Typistでは、解像度が違っても、OCR化後のファイルサイズの差があまり
ない。ＰＤＦから一旦画像化して作業する際に最適化され、ほぼ同一のサイ
ズになっている。
（ちなみにe‐TypistでＰＤＦからtiff画像に変換された画像サイズはそれぞれ200dpi＝826KB, 400dpi=980KB, 600dpi=956KB）
●Acrobat Professionalでは、OCR化後に最適化され、OCR化前よりもファイ
ルサイズが小さくなっている。
e.Typistで保存すると劣化する？
e.TypistではＰＤＦファイルを画像に変換するため、解像度の低いＰＤＦファイルを読み込むと
画像が劣化する。←環境設定を操作することによって、改善が可能。
http://pac.mediadrive.jp/faq/index.php?action=artikel&cat=365&id=447&artlang=ja
が、当然、きれいにするほど、ファイルサイズは大きくなる。
元画像の精度等によって、設定を変更する必要がある。
ＯＣＲ後サイズ
デフォルト
設定
「きれい」
設定
199KB
2,624KB
画面で見るとデフォ
ルトの方は、文字の
後ろに影がうっすら
入っているのが、わ
かる。印刷すると、
あまり違いは目立
たない。（元画像の
精度や、プリンター
にもよる。）
ファイルサイズの比較には、
座主果林：“ろう教育における２つの教育方法”, 奈良女子大学社会学論集, 2010, 第17号, p.243 を使用。
400dpiでスキャンしてＰＤＦ化したファイル（198.26KB）をOCR化した。
「きれい」設定では、環境設定の解像度を400dpiにし、認識結果の「図領域の品質」をきれい（最大値）に設定。
ＯＣＲソフトの比較
（文字認識の精度）
英語（661文字/ 1 page)
フランス語 (1420文字/ 1page)
誤認識
文字数
正しく認識された
文字の比率（％）
e.Typist
v.12.0
0
100
e.Typist
v.12.0
0
100
Acrobat 7.0 Pro.
0
100
Acrobat 7.0 Pro.
2
99.9
日本語（1149文字/ 1 page)
誤認識
文字数
正しく認識された
文字の比率（％）
e.Typist
v.12.0
3
99.8
Acrobat 7.0 Pro.
3
99.8
英語：外国文学研究（奈良女子大学）, Vol.28, p.85
仏語：外国文学研究（奈良女子大学）, Vol.28, p.113
日本語：前述の座主論文を利用
誤認識
文字数
正しく認識された
文字の比率（％）
・句読点などを除いた文字数で計算。
・テストデータは400dpiで読み込み。
（200では粗すぎて、誤認識が多い。ま
た、600では、汚れなども読み込んでしま
うため、認識率は低くなる）
・今回のデータはかなり認識率が高く出
て、あまり差は出なかった。実際の作業
中は、若干、e.Typistの方が認識率は高
く、特に図や表などの混じった複雑な
ページの認識率が高い印象がある。
ソフトの長所・短所
（Adobe Acrobat 7.0 Professional)
長所：
短所：
●ＯＣＲ化が早い。
●複数言語が混在する場合、対
応できない。
●墨消し機能あり。
（画像や文字を墨消し可能なの
で、プライバシーに関係するよ
うな画像や文字等を消すことが
できる。 Standardにはなし。）
●Ｗｏｒｄやエクセルなどのソ
フトに対応。
●出来上がりサイズが小さ
い。
●透明テキストの確認が面倒。
●透明テキストの書き換え方法
が複雑。
ソフトの長所・短所
（e.Typist v.12.0)
長所：
短所：
●OCRソフトなので、文字認識率は
高い。
●多言語対応（58ヶ国語）しており、
Adobe Acrobat Pro. にはない言
語もOCR化可能。
●複数の言語が混ざった文もOCR化
可能。（日英は完璧）
●認識範囲の指定、透明テキストの
確認、修正が可能。
●画像編集機能あり。（トリミング、
消しゴム機能、直線描画等）
●Abobe Acrobatでエラーが起きて
OCR化できないＰＤＦでもOCR化で
きる場合がある。（内緒の話）
●アジア言語（中国語・韓国語等）
は文字認識のみでＰＤＦが作成
できない。（v.13.0では中国語、韓
国語も対応している。）
●言語の組み合わせによってはＯＣ
Ｒの認識ができない。
●ＰＤＦファイルを読み込むと、いっ
たん１Ｐずつの画像として認識
し、それぞれ分割して処理を行う
ため、作業効率が悪く、認識時間
も長い。
●デフォルトでＰＤＦを処理した場
合、文字の後ろに影が入る場合
がある。（改善は可能だが、ファ
イルサイズが大きくなる。）
ソフトの比較
（どのソフトを選べばいい？）
■一長一短あるので、難しい。
画像処理を頻繁に行うのであれば、e‐typistは便
利だが、アジア言語に弱い、作業効率が悪いな
ど、短所もあり。
■目的に合ったソフトを選択しないとダメ。
■広告を見ているだけではわからないこともある。
体験版やネットの口コミ情報を活用しましょう。
実際に使っているところに聞いてみないとわから
ないことも多いです。
ＰＤＦ化のまとめ
■正直、ＰＤＦ化はめんどくさいので、紀要等は事
前に出版団体と相談し、印刷業者さんに透明テ
キスト付ＰＤＦも納品してもらった方がよいです。
■利用者のことを考えたＰＤＦを作りましょう！
（重すぎない、粗すぎない）
■検索されるために、ＯＣＲ化しましょう！
■どんなＯＣＲ化ソフトが必要かは、どんな論文が
あるかにもよるので、きちんと検討しましょう。
おわりに
●失敗を繰り返して、今に至っています。
●自分たちで学習したり、他大学の人に教えても
らったりしながら、少しずつ成長してきました。
●資料の電子化を外注するお金がなくても、ＰＤＦ
はできます。（大変だけど・・・）
●作業は面倒でも、先生方や学生が喜んでくれた
り、海外の人に、面倒なＩＬＬの手間をかけずに論
文をお届けできたりと喜びもあります。
一緒にがんばりましょう！

Download Report