Digitalización y reconocimiento de documentos manuscritos para la preservación de patrimonio cultural

Autores
De Giusti, Marisa Raquel; Vila, María Marta; Villarreal, Gonzalo Luján
Año de publicación
2005
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El proceso de reconocimiento de la escritura manuscrita forma parte de las iniciativas que propenden a la preservación de patrimonio cultural resguardado en Bibliotecas y archivos donde existe una gran riqueza de documentos y hasta fichas manuscritas que acompañan libros incunables. Este trabajo es el punto de partida de un proyecto de investigación y desarrollo orientado a la digitalización y reconocimiento de material manuscrito y la ponencia que aquí se presenta discute diferentes algoritmos utilizados en una primera etapa dedicada a "limpiar" la imagen de ruido para mejorarla antes de comenzar el reconocimiento de caracteres. Dado que PrEBi-SeDiCI forman parte integrante de redes de bibliotecas que intercambian documentos digitalizados vía scanning, el presente desarrollo ha tenido una utilización adicional relacionada al mejoramiento de las imágenes de documentos de intercambio que presentaban problemas comunes en la digitalización: bordes, impurezas, descentrado, etc.., si bien no es esta la finalidad de esta investigación no por ello resulta una utilidad menor en el marco de intercambios de consorcios de bibliotecas. Para que el proceso de digitalización y reconocimiento de textos manuscritos sea eficiente debe estar precedido de una etapa de "preprocesamiento" de la imagen a tratar que incluye umbralización, limpieza de ruido, adelgazamiento, enderezamiento de la línea base y segmentación de la imagen entre otros. Cada uno de estos pasos permitirá reducir la variabilidad nociva al momento de reconocer los textos manuscritos (ruido, niveles aleatorios de grises, inclinación de caracteres, zonas con más y menos tinta), aumentando así la probabilidad de reconocer adecuadamente los textos. En este trabajo se consideran dos métodos de adelgazamiento de imágenes, se realiza la implementación y finalmente se lleva adelante una evaluación obteniendo conclusiones relativas a la eficiencia, velocidad y requerimientos, así como también ideas para futuras implementaciones. En la primera parte del documento, se presentan algunas definiciones relacionadas con los métodos utilizados, luego se muestran los resultados obtenidos sobre un mismo conjunto de imágenes aplicando las teorías propuestas y finalmente, se exponen algunas ideas para optimizar los algoritmos elegidos.
The handwritten manusctipt recognizing process belongs to the iniciatives which lean to cultural patrimony preservation shielded in Libraries and files where there exists a big wealth in documents and even handritten cards that accompany incunable books. This work is point to begin with a research and development proyect oriented to digitalization and recognition of manuscipt materials and the paper presented here discuss diferent algorithms used in the first stage dedicated to "noise-clean" of the image in order to improve it before the character recognition process begins. Since PrEBi-SeDiCI belong to a network of libraries that interchange digitalized documents by scanning, this document has brought up an extra use related to improvement of the images of interchange documents which presented common problems in its digitalization, such as: borders, impurity, not-centered texts, etc... Although it is not the final purpose of this research, it is still a very usefull skill within the framework of libraries consortium interchange. In order to make the handwritten-text recognition and image digitalization process eficient, it must be preceded by a preprocessing stage of the image to be trated which includes thresholding, noise cleaning, thinning, base-line alignment and image segmentation, among others. Each one of these steps will allow to reduce the injurious variability when recognizing manuscripts texts (noise, random gray levels, slanted chacarters, ink level in different zones), and so increasing the probability of obtaining a suitable text recognition. In this paper, two image thinning methods are considered, implemented and finally an evaluation is carried out obtaining many conclusions related to eficience, speed and requirements, as well as ideas for future implementations. In the first part of the document, some definitions are presented related to the used methods, then the obtenied results are shown over the same set of images applying the proposed theories and finally, some ideas about how to optimized the chosen algorithms are exposed.
Dirección PREBI-SEDICI
Materia
Ciencias Informáticas
Bibliotecología
conservación patrimonial; digitalización; adelgazamiento; componentes conexas
Digitalización y captura de imagen
Procesamiento de imagen
Imagen
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/5534

id SEDICI_209e99b5676b482cbc6aa20a786b0304
oai_identifier_str oai:sedici.unlp.edu.ar:10915/5534
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Digitalización y reconocimiento de documentos manuscritos para la preservación de patrimonio culturalDe Giusti, Marisa RaquelVila, María MartaVillarreal, Gonzalo LujánCiencias InformáticasBibliotecologíaconservación patrimonial; digitalización; adelgazamiento; componentes conexasDigitalización y captura de imagenProcesamiento de imagenImagenEl proceso de reconocimiento de la escritura manuscrita forma parte de las iniciativas que propenden a la preservación de patrimonio cultural resguardado en Bibliotecas y archivos donde existe una gran riqueza de documentos y hasta fichas manuscritas que acompañan libros incunables. Este trabajo es el punto de partida de un proyecto de investigación y desarrollo orientado a la digitalización y reconocimiento de material manuscrito y la ponencia que aquí se presenta discute diferentes algoritmos utilizados en una primera etapa dedicada a "limpiar" la imagen de ruido para mejorarla antes de comenzar el reconocimiento de caracteres. Dado que PrEBi-SeDiCI forman parte integrante de redes de bibliotecas que intercambian documentos digitalizados vía scanning, el presente desarrollo ha tenido una utilización adicional relacionada al mejoramiento de las imágenes de documentos de intercambio que presentaban problemas comunes en la digitalización: bordes, impurezas, descentrado, etc.., si bien no es esta la finalidad de esta investigación no por ello resulta una utilidad menor en el marco de intercambios de consorcios de bibliotecas. Para que el proceso de digitalización y reconocimiento de textos manuscritos sea eficiente debe estar precedido de una etapa de "preprocesamiento" de la imagen a tratar que incluye umbralización, limpieza de ruido, adelgazamiento, enderezamiento de la línea base y segmentación de la imagen entre otros. Cada uno de estos pasos permitirá reducir la variabilidad nociva al momento de reconocer los textos manuscritos (ruido, niveles aleatorios de grises, inclinación de caracteres, zonas con más y menos tinta), aumentando así la probabilidad de reconocer adecuadamente los textos. En este trabajo se consideran dos métodos de adelgazamiento de imágenes, se realiza la implementación y finalmente se lleva adelante una evaluación obteniendo conclusiones relativas a la eficiencia, velocidad y requerimientos, así como también ideas para futuras implementaciones. En la primera parte del documento, se presentan algunas definiciones relacionadas con los métodos utilizados, luego se muestran los resultados obtenidos sobre un mismo conjunto de imágenes aplicando las teorías propuestas y finalmente, se exponen algunas ideas para optimizar los algoritmos elegidos.The handwritten manusctipt recognizing process belongs to the iniciatives which lean to cultural patrimony preservation shielded in Libraries and files where there exists a big wealth in documents and even handritten cards that accompany incunable books. This work is point to begin with a research and development proyect oriented to digitalization and recognition of manuscipt materials and the paper presented here discuss diferent algorithms used in the first stage dedicated to "noise-clean" of the image in order to improve it before the character recognition process begins. Since PrEBi-SeDiCI belong to a network of libraries that interchange digitalized documents by scanning, this document has brought up an extra use related to improvement of the images of interchange documents which presented common problems in its digitalization, such as: borders, impurity, not-centered texts, etc... Although it is not the final purpose of this research, it is still a very usefull skill within the framework of libraries consortium interchange. In order to make the handwritten-text recognition and image digitalization process eficient, it must be preceded by a preprocessing stage of the image to be trated which includes thresholding, noise cleaning, thinning, base-line alignment and image segmentation, among others. Each one of these steps will allow to reduce the injurious variability when recognizing manuscripts texts (noise, random gray levels, slanted chacarters, ink level in different zones), and so increasing the probability of obtaining a suitable text recognition. In this paper, two image thinning methods are considered, implemented and finally an evaluation is carried out obtaining many conclusions related to eficience, speed and requirements, as well as ideas for future implementations. In the first part of the document, some definitions are presented related to the used methods, then the obtenied results are shown over the same set of images applying the proposed theories and finally, some ideas about how to optimized the chosen algorithms are exposed.Dirección PREBI-SEDICI2005info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/5534spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/3.0/Creative Commons Attribution 3.0 Unported (CC BY 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T16:31:15Zoai:sedici.unlp.edu.ar:10915/5534Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 16:31:16.181SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Digitalización y reconocimiento de documentos manuscritos para la preservación de patrimonio cultural
title Digitalización y reconocimiento de documentos manuscritos para la preservación de patrimonio cultural
spellingShingle Digitalización y reconocimiento de documentos manuscritos para la preservación de patrimonio cultural
De Giusti, Marisa Raquel
Ciencias Informáticas
Bibliotecología
conservación patrimonial; digitalización; adelgazamiento; componentes conexas
Digitalización y captura de imagen
Procesamiento de imagen
Imagen
title_short Digitalización y reconocimiento de documentos manuscritos para la preservación de patrimonio cultural
title_full Digitalización y reconocimiento de documentos manuscritos para la preservación de patrimonio cultural
title_fullStr Digitalización y reconocimiento de documentos manuscritos para la preservación de patrimonio cultural
title_full_unstemmed Digitalización y reconocimiento de documentos manuscritos para la preservación de patrimonio cultural
title_sort Digitalización y reconocimiento de documentos manuscritos para la preservación de patrimonio cultural
dc.creator.none.fl_str_mv De Giusti, Marisa Raquel
Vila, María Marta
Villarreal, Gonzalo Luján
author De Giusti, Marisa Raquel
author_facet De Giusti, Marisa Raquel
Vila, María Marta
Villarreal, Gonzalo Luján
author_role author
author2 Vila, María Marta
Villarreal, Gonzalo Luján
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Bibliotecología
conservación patrimonial; digitalización; adelgazamiento; componentes conexas
Digitalización y captura de imagen
Procesamiento de imagen
Imagen
topic Ciencias Informáticas
Bibliotecología
conservación patrimonial; digitalización; adelgazamiento; componentes conexas
Digitalización y captura de imagen
Procesamiento de imagen
Imagen
dc.description.none.fl_txt_mv El proceso de reconocimiento de la escritura manuscrita forma parte de las iniciativas que propenden a la preservación de patrimonio cultural resguardado en Bibliotecas y archivos donde existe una gran riqueza de documentos y hasta fichas manuscritas que acompañan libros incunables. Este trabajo es el punto de partida de un proyecto de investigación y desarrollo orientado a la digitalización y reconocimiento de material manuscrito y la ponencia que aquí se presenta discute diferentes algoritmos utilizados en una primera etapa dedicada a "limpiar" la imagen de ruido para mejorarla antes de comenzar el reconocimiento de caracteres. Dado que PrEBi-SeDiCI forman parte integrante de redes de bibliotecas que intercambian documentos digitalizados vía scanning, el presente desarrollo ha tenido una utilización adicional relacionada al mejoramiento de las imágenes de documentos de intercambio que presentaban problemas comunes en la digitalización: bordes, impurezas, descentrado, etc.., si bien no es esta la finalidad de esta investigación no por ello resulta una utilidad menor en el marco de intercambios de consorcios de bibliotecas. Para que el proceso de digitalización y reconocimiento de textos manuscritos sea eficiente debe estar precedido de una etapa de "preprocesamiento" de la imagen a tratar que incluye umbralización, limpieza de ruido, adelgazamiento, enderezamiento de la línea base y segmentación de la imagen entre otros. Cada uno de estos pasos permitirá reducir la variabilidad nociva al momento de reconocer los textos manuscritos (ruido, niveles aleatorios de grises, inclinación de caracteres, zonas con más y menos tinta), aumentando así la probabilidad de reconocer adecuadamente los textos. En este trabajo se consideran dos métodos de adelgazamiento de imágenes, se realiza la implementación y finalmente se lleva adelante una evaluación obteniendo conclusiones relativas a la eficiencia, velocidad y requerimientos, así como también ideas para futuras implementaciones. En la primera parte del documento, se presentan algunas definiciones relacionadas con los métodos utilizados, luego se muestran los resultados obtenidos sobre un mismo conjunto de imágenes aplicando las teorías propuestas y finalmente, se exponen algunas ideas para optimizar los algoritmos elegidos.
The handwritten manusctipt recognizing process belongs to the iniciatives which lean to cultural patrimony preservation shielded in Libraries and files where there exists a big wealth in documents and even handritten cards that accompany incunable books. This work is point to begin with a research and development proyect oriented to digitalization and recognition of manuscipt materials and the paper presented here discuss diferent algorithms used in the first stage dedicated to "noise-clean" of the image in order to improve it before the character recognition process begins. Since PrEBi-SeDiCI belong to a network of libraries that interchange digitalized documents by scanning, this document has brought up an extra use related to improvement of the images of interchange documents which presented common problems in its digitalization, such as: borders, impurity, not-centered texts, etc... Although it is not the final purpose of this research, it is still a very usefull skill within the framework of libraries consortium interchange. In order to make the handwritten-text recognition and image digitalization process eficient, it must be preceded by a preprocessing stage of the image to be trated which includes thresholding, noise cleaning, thinning, base-line alignment and image segmentation, among others. Each one of these steps will allow to reduce the injurious variability when recognizing manuscripts texts (noise, random gray levels, slanted chacarters, ink level in different zones), and so increasing the probability of obtaining a suitable text recognition. In this paper, two image thinning methods are considered, implemented and finally an evaluation is carried out obtaining many conclusions related to eficience, speed and requirements, as well as ideas for future implementations. In the first part of the document, some definitions are presented related to the used methods, then the obtenied results are shown over the same set of images applying the proposed theories and finally, some ideas about how to optimized the chosen algorithms are exposed.
Dirección PREBI-SEDICI
description El proceso de reconocimiento de la escritura manuscrita forma parte de las iniciativas que propenden a la preservación de patrimonio cultural resguardado en Bibliotecas y archivos donde existe una gran riqueza de documentos y hasta fichas manuscritas que acompañan libros incunables. Este trabajo es el punto de partida de un proyecto de investigación y desarrollo orientado a la digitalización y reconocimiento de material manuscrito y la ponencia que aquí se presenta discute diferentes algoritmos utilizados en una primera etapa dedicada a "limpiar" la imagen de ruido para mejorarla antes de comenzar el reconocimiento de caracteres. Dado que PrEBi-SeDiCI forman parte integrante de redes de bibliotecas que intercambian documentos digitalizados vía scanning, el presente desarrollo ha tenido una utilización adicional relacionada al mejoramiento de las imágenes de documentos de intercambio que presentaban problemas comunes en la digitalización: bordes, impurezas, descentrado, etc.., si bien no es esta la finalidad de esta investigación no por ello resulta una utilidad menor en el marco de intercambios de consorcios de bibliotecas. Para que el proceso de digitalización y reconocimiento de textos manuscritos sea eficiente debe estar precedido de una etapa de "preprocesamiento" de la imagen a tratar que incluye umbralización, limpieza de ruido, adelgazamiento, enderezamiento de la línea base y segmentación de la imagen entre otros. Cada uno de estos pasos permitirá reducir la variabilidad nociva al momento de reconocer los textos manuscritos (ruido, niveles aleatorios de grises, inclinación de caracteres, zonas con más y menos tinta), aumentando así la probabilidad de reconocer adecuadamente los textos. En este trabajo se consideran dos métodos de adelgazamiento de imágenes, se realiza la implementación y finalmente se lleva adelante una evaluación obteniendo conclusiones relativas a la eficiencia, velocidad y requerimientos, así como también ideas para futuras implementaciones. En la primera parte del documento, se presentan algunas definiciones relacionadas con los métodos utilizados, luego se muestran los resultados obtenidos sobre un mismo conjunto de imágenes aplicando las teorías propuestas y finalmente, se exponen algunas ideas para optimizar los algoritmos elegidos.
publishDate 2005
dc.date.none.fl_str_mv 2005
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/5534
url http://sedici.unlp.edu.ar/handle/10915/5534
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/3.0/
Creative Commons Attribution 3.0 Unported (CC BY 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/3.0/
Creative Commons Attribution 3.0 Unported (CC BY 3.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846782730972430336
score 12.982451