問題タブ [scanning]

フォームに記入するためのソフトウェアを開発する予定です。ユーザーは任意のフォームをスキャンし、フォームにデータを入力します。今は OCR は必要ありません。ユーザーがフォームの上に入力したオーバーレイ テキストを保存する機能だけが必要です。

私の質問は、このプロジェクトを行うのに最適な言語は何ですか?

注: プロジェクトはデスクトップ アプリケーションである必要があると考えていますが、インターネットに接続して、他のユーザーによるフォーム スキャンなどの情報を取得できる必要があります。

スキャン アプリケーションでTwain Dot Netのわずかに変更されたバージョンを使用しています。問題は、ユーザーがスキャナーのボタンを使用してスキャンをキャンセルした場合 (または紙詰まりの場合)、TWAIN がエラー メッセージを表示し、エラー コードを返す必要があることです。

しかし、代わりに、 // への呼び出しはで正しく戻りますが、その直後の // への呼び出しは決して戻りませDG_IMAGEん。私は何を間違っていますか？DAT_IMAGENATIVEXFERMSG_GETTWRC_XFERDONEDG_CONTROLDAT_PENDINGXFERSMSG_ENDXFER

アプリケーションは WPF を使用して作成され、TWAIN のメッセージは独自のスレッドで実行されるメッセージのみのウィンドウに送信されます。スキャナーはPanasonic KV-S4065Cです。

多くのファイルを含む非常に大きなプロジェクトがあります。いくつかのクラスのみを別の DLL に抽出する必要がありますが、問題は、クラスが他のファイルに多くの依存関係を持っていることです。手動で作成しようとして、すでに数時間を費やしましたが、まだ不足しているファイルに関連する無限のエラーがあります。このプロセスを自動化するソリューションはありますか?

私はスクリプトに取り組んできましたが、基本的に次のことを行う必要があります。

• 画像をグレースケールにします（または二調です。どちらがうまく機能するかを確認するために両方で遊んでみます）。
• 個々の列を処理し、各列の正味強度値を作成します。
• 結果を順序付きリストに分割します。

ImageMagickでこれを行う非常に簡単な方法があります（出力テキストを処理するためにいくつかのLinuxユーティリティが必要ですが）が、PythonとPILでこれを行う方法は実際にはわかりません。

これが私がこれまでに持っているものです：

これは何かを出力します（私は結果をグラフ化しようとしています）が、ImageMagick出力のようには見えません。これを使用して、スキャンした本の継ぎ目と内容を検出しています。

助けてくれた人に感謝します！

今のところ、機能する（厄介な）ソリューションがあります：

現在、富士通のスキャンスナップ スキャナと統合する方法を見つけようとしていますが、富士通のスキャンスナップ マネージャがどのようにアプリケーションを呼び出してファイルをアプリケーションに送信するかについて、富士通からの詳細は見つかりませんでした。

1.) プロセスを起動するときに、ファイル名でパラメーターを渡しますか?

2.) ターゲットディレクトリを調べるだけですか?

この種の統合に関する情報をお持ちの方、または「ホワイト ペーパー」情報を入手できる場所を知っている方がいらっしゃいましたら、よろしくお願いいたします。

ありがとう。

長い間、フラットベッドスキャナーから複数ページのPDFドキュメントを作成するための特別なソフトウェアが必要であることに悩まされてきました。「スキャナー」はあいまいな単語であるため（これは本当に検索を困難にします！）、明確にしておきます。たとえば、HP F4280プリンター/スキャナーデバイスが紙のドキュメントを光学的に「スキャン」し、次のデジタル表現を作成するプロセスを意味します。通常、最終的には.jpgまたは.tifファイルになります。

問題は、クロスプラットフォームであり、フラットベッドスキャナーから複数ページのスキャンを作成できるプログラムがないことです。これを行うには、ソフトウェアはスキャンされた各ページを一度に1つずつ保存し、ユーザーに別のページをスキャンするかどうかを尋ねる必要があります。複数ページのスキャンを処理するためにドライバーに依存することはできません。ドライバーは、一時停止せずに用紙のスタックを「吸い込み」、ドライバーフレームワークに渡す前にデータを結合するフォームフィードスキャナーに対してのみそれを行うためです。

したがって、私はそのようなプログラムの作成への道を歩み始めています。低レベルでは、Windows XP以降、Mac OS X、および人気のあるLinux2.6ディストリビューションでTWAINおよびSANEインターフェイスをサポートしたいと考えています。2008年以降のヴィンテージ。

これが私がそれがどのように機能するかを想像する方法です。まず、バックエンドでTWAINとSANEのどちらを使用しているかに関係なく、統一されたAPIを提供するライブラリが必要です。APIは、スキャンされたデータの圧縮されているかどうかに関係なく、ビットのバイト配列を提供できる必要があります。TWAINとSANEの間で共有されるいくつかのプロパティを公開する必要があります。たとえば、DPI、用紙サイズ、カラー/グレースケール/線画などです。次に、スキャンの成功から返されるバイト配列の結果の画像形式を明示的に指定するか、ヒントを与えるか、クエリを実行できるようにする必要があります。

私はプログラミング環境には特に関心がありません。私はすべての一般的な命令型/オブジェクト指向言語に精通しています。JavaやC＃のようなものがいいのですが、CやC++でも問題なく動作します。

このようなライブラリが手元にあれば、必要に応じてルーチンを呼び出すだけのGUIを構築し、利用可能ないくつかのPDFレンダリングライブラリの1つを使用して出力を作成できます。私は「一度コンパイルしてどこでも実行」を主張しませんが、少なくとも「一度書き込み、どこでもコンパイル」を主張します。もちろん、TWAINとSANEは相互に排他的なプラットフォームで使用できる異なるAPIであるため、使用するAPIを決定するために、ある時点でいくつかの#ifdefまたはプラットフォームを区別する他の方法が必要になります。

私は自分のプログラムと直接リンクしているライブラリを（FSFに従って）自由ソフトウェアとして認定するつもりですが、プログラミング環境の唯一の要件は、Windows XP以降、Mac OS X、およびLinux2.6。

私はそのようなライブラリを見つけるためにかなり多くのことを探してきましたが、フリーソフトウェアのライブラリは言うまでもなく、プロプライエタリのライブラリさえ見つけることができません。誰かがそのような宝石を見つけたら、私にリンクを提供してください-そうでなければ、私のアプリケーションを始めるためのアドバイスをいただければ幸いです。必要に応じて、上記のライブラリの開発を自分で行い、GNULGPLの下で別のプロジェクトとしてリリースします。アプリケーションのために、クロスプラットフォームの互換性を最大化するために、Qt4 / C ++、GTK＃を使用した.NET、またはJava/Swingで記述したいと思います。

ビデオ コントロールを使用する必要があるプロジェクトに取り組んでいます。私の目標は、カメラの電源を入れて、それを使って単語をスキャンすることです。そこから写真を撮りたくない。ユーザーがボタンを押して写真を撮るのではなく、画像に焦点が合ったときに自動的に画像をキャプチャする必要があります。私が今考えているのは、あなたのカメラがオートフォーカスする状態があるということです。何らかの方法でその状態をキャッチしてスナップショットを撮ることができれば、ユーザーに写真を撮るように頼む必要はありません. これを達成する方法がわかりません。誰か私に光を当てることができますか？

バーコード アシスタントやカナディアン タイヤ アプリなどのバーコード スキャナーのようなものを使用したことがある人は、そのようなものが欲しいと思います。

前もって感謝します！

スキャンした PDF ドキュメントがあります。元の文書は手書きで、背景にブロック グリッドが使用されている用紙が使用されています。文書を印刷したいのですが、紙の背景ブロックフィルターを削除して、書いた部分だけを印刷できないかと考えていました。

小さな画像をスキャンすると、スキャナー出力は大きな画像になります。スキャンした画像から元の画像を検出するにはどうすればよいですか?

私はWIAAutomationで遊んでいて、一度に複数のページをスキャンするのに苦労しています。誰かがこれを達成する方法について私にいくつかのヒントを与えることができますか？以下は、ドキュメント/画像をスキャンするために使用するコードのサンプルです。