scan के बाद PDF से खाली पन्ने कैसे हटाएँ

scan का खाली पन्ना कम ही सफ़ेद होता है: उस पर धूसर background, धूल के बिंदु और roller की धारी रहती है. detector हर पन्ना render करता है, अकेले बिंदु हटाता है, गहरे pixels का हिस्सा नापता है और text layer के characters गिनता है. पन्ना तभी जाता है, जब दोनों जाँचें उसे खाली मानें. संवेदनशीलता स्तर तय करता है कि कितना "गंदा" पन्ना अब भी साफ़ गिना जाए, और एक हस्ताक्षर या मुहर वाले पन्नों को text पहचान से बचाना या हाथ से जाँचना चाहिए.

एकतरफ़ा दस्तावेज़ों का ढेर feeder से duplex mode में गुज़रा, और PDF में हर दूसरा पन्ना खाली है. हाथ से पन्ने हटाना लंबा और ग़लती-भरा काम है. खाली पन्ने हटाएँ ऐसे पन्ने ख़ुद ढूँढ़कर एक pass में हटा देता है. लेकिन scanner और इंसान के लिए "खाली पन्ना" एक चीज़ नहीं है, और detector के फ़ैसले पर टिका है कि वह हस्ताक्षर वाला पन्ना साथ में न फेंक दे.

PDF में खाली पन्ने आते कहाँ से हैं

सबसे आम वजह scanner का duplex mode है: feeder हर पन्ने के दोनों ओर लेता है, और कोरा पिछला हिस्सा खाली पन्ना बन जाता है. दूसरी वजह दस्तावेज़ों के बीच भूले गए separator पन्ने, तीसरी text editors से export, जहाँ फ़ालतू page break सफ़ेद पन्ना देता है. चौथी याद रखिए: दोतरफ़ा print के लिए तैयार दस्तावेज़ में जानबूझकर रखे खाली पन्ने, जो अध्याय को विषम पन्ने पर शुरू करते हैं. उन्हें हटाना सारे अध्याय खिसका देगा, इसलिए ऐसी फ़ाइलों में पन्ने नंबर से हटाइए.

scan का खाली पन्ना सफ़ेद क्यों नहीं होता

zoom में scan का "खाली" पन्ना सफ़ेद नहीं निकलता: काग़ज़ धूसर है, धूल के बिंदु बिखरे हैं, किनारे पर roller की धारी है, और पतले काग़ज़ से पिछली तरफ़ का text झलकता है. इसलिए detector सफ़ेद रंग नहीं ढूँढ़ता, बल्कि नापता है कि पन्ने पर काग़ज़ से गहरा कितना है.

हर पन्ना image में render होकर grayscale में बदलता है, फिर median filter हर pixel को पड़ोसियों की median से बदलता है: धूल के अकेले बिंदु और noise मिट जाते हैं, ठोस धब्बे, अक्षर और रेखाएँ बचती हैं. इसके बाद काग़ज़ की threshold से गहरे pixels का हिस्सा गिना जाता है: खाली scan पर वह शून्य के पास है. filter के बिना बारीक कचरे वाला पन्ना भरा हुआ लगता और फ़ाइल में रह जाता.

दूसरी जाँच: text layer

PDF में text layer हो, तो हर पन्ने के बिना spaces के characters अलग से गिने जाते हैं. इसलिए एक पंक्ति वाला पन्ना बचता है, और "यह पन्ना जानबूझकर खाली छोड़ा गया है" लिखा पन्ना भी: उस पर characters किसी भी स्तर की सीमा से ज़्यादा हैं. पन्ना हटने के लिए दोनों जाँचें एक राय हों: स्याही सीमा से कम और characters सीमा से कम. बिना पहचाने text वाले scan में characters होते ही नहीं, और फ़ैसला सिर्फ़ image से होता है.

संवेदनशीलता के तीन स्तर क्या बदलते हैं

संवेदनशीलता दोनों सीमाएँ एक साथ तय करती है: कितना क्षेत्र गहरा हो सकता है और कितने characters चल सकते हैं. स्तर जितना ऊँचा, उतना ही "गंदा" पन्ना detector साफ़ मानने को तैयार है.

मध्यम स्तर पर पन्ना खाली है, अगर क्षेत्र का एक प्रतिशत से कम गहरा है और text layer में कुछ ही characters हैं; कम स्तर दोगुना सख़्त है, उच्च दोगुना नरम. मध्यम से शुरू कीजिए: धूसर खाली पन्ने बचें तो स्तर बढ़ाइए, कुछ ज़रूरी गुम हो तो घटाइए. हर run मूल फ़ाइल को नए सिरे से process करता है, इसलिए आज़माने से कुछ बिगड़ता नहीं.

हाथ से tuning के लिए प्रतिशत threshold

स्तरों के नीचे field "न्यूनतम रिक्त अनुपात" वही हिस्सा संख्या में है: 95 का मतलब, पन्ना खाली है अगर उसका कम से कम 95 प्रतिशत क्षेत्र साफ़ है. संख्या जितनी बड़ी, जाँच उतनी सख़्त और उतने कम पन्ने हटेंगे.

जब तक field को छुआ नहीं गया, वह काम में नहीं आता. मान लिखते ही वह स्तर की क्षेत्र-सीमा बदल देता है, जबकि characters की सीमा अब भी स्तर से आती है. इसे तभी छूइए जब तीन स्तर काम न आएँ, जैसे बहुत गहरा scan जिसे उच्च स्तर भी खाली नहीं मानता; तब threshold को default से नीचे उतारिए. अगर tool सारे पन्नों को खाली मानकर मना कर दे और threshold पहले से अधिकतम पर हो, तो error message संवेदनशीलता घटाने की सलाह देगा.

"पहला पृष्ठ रखें"

यह switch पहले पन्ने को बचाता है, भले detector ने उसे खाली माना हो: scan की गई folders में cover अक्सर एक मुहर वाला लगभग कोरा पन्ना होता है, जो उच्च स्तर पर खो सकता है. दूसरे पन्नों पर switch लागू नहीं होता: बीच का separator रखना हो, तो उसे बाद में वापस लाइए या खाली पन्ने नंबर से हटाइए.

क़दम दर क़दम

1. खाली पन्ने हटाएँ खोलिए और एक PDF upload कीजिए: tool हर run में एक फ़ाइल लेता है, scans का ढेर पहले एक दस्तावेज़ में जोड़ लीजिए. 2. पहले pass के लिए मध्यम संवेदनशीलता रहने दीजिए; पहला पन्ना title page है, तो "पहला पृष्ठ रखें" चालू कीजिए. 3. processing शुरू कीजिए: पन्ने एक-एक करके जाँचे जाते हैं, इसलिए लंबे scan पर indicator बराबर चलता है. 4. नतीजा download कीजिए और मूल मिटाने से पहले जाँचिए.

खोलने के password वाली फ़ाइल tool नहीं लेगा: पहले पीडीएफ अनलॉक करें से password हटाइए; सिर्फ़ print या copy रोकने वाली सुरक्षा बाधा नहीं है. न खुलने वाली क्षतिग्रस्त फ़ाइल पीडीएफ की मरम्मत करें से गुज़ारिए.

नतीजा कैसे जाँचें

हटाए गए पन्नों की सूची tool नहीं दिखाता, पर जाँच एक मिनट की है. पहले पन्नों की संख्या देखिए: एकतरफ़ा दस्तावेज़ों के duplex scan में वह ठीक आधी होनी चाहिए; कम है, तो भरा पन्ना साथ चला गया, ज़्यादा है, तो स्तर बढ़ाइए. फिर फ़ाइल वहाँ पलटिए जहाँ खाली पन्ने थे, और हस्ताक्षर, मुहर या एक पंक्ति वाले पन्नों पर ख़ास ध्यान दीजिए. भरोसा होने तक मूल रखिए: tool उसे बदलता नहीं, हटाना नई फ़ाइल में होता है.

वे पन्ने जो detector बेवजह हटा सकता है

जोखिम-क्षेत्र साफ़ है: scan के वे पन्ने, जिन पर स्याही कम है और text layer नहीं.

• एक हस्ताक्षर या initials वाला पन्ना: वह क्षेत्र के एक प्रतिशत का अंश लेता है.
• बिना text की मुहर या stamp वाला पन्ना.
• contract का आख़िरी पन्ना, जहाँ बारीक अक्षरों में सिर्फ़ "संलग्नक: 3 पन्ने".
• form, जिसमें एक ही खाना भरा है.
• लगभग खाली पन्ने पर हल्की pencil की टिप्पणियाँ.

ऐसे पन्ने कम स्तर पर लगभग हमेशा बचते हैं, मध्यम पर आम तौर पर भी, उच्च पर जा सकते हैं. ऐसे पन्ने हों, तो कम स्तर पर चलाइए या पहले scan को ओसीआर पीडीएफ से गुज़ारिए: पहचाना गया text हर पढ़ने लायक़ पन्ने पर आ जाएगा, और detector के लिए वह खाली नहीं रहेगा. बिल्कुल कोरे पन्ने पहले की तरह हटेंगे. बिना एक भी अक्षर के हस्ताक्षर को पहचान नहीं बचाएगी, ऐसे पन्ने आँखों से जाँचिए.

फ़ाइल में और क्या बदलता है

tool बचे पन्नों से नया दस्तावेज़ बनाता है, अंदरूनी links और bookmarks को नए नंबरों पर मोड़ता है और बिना reference रह गए objects फ़ाइल से निकाल देता है. हटाए गए पन्नों का content फ़ाइल में नहीं रहता, झलकता हुआ किसी और का data भी नहीं. पन्नों पर छपी numbering दोबारा नहीं गिनी जाती; लगातार numbering चाहिए, तो उसे अलग tool से फिर लगाइए.

scans का ढेर किस क्रम में process करें

फ़ाइल सफ़ाई से पहले जोड़िए: तब खाली पन्ने सारे हिस्सों से एक run में निकल जाते हैं. घुमाव कभी भी हो सकता है: detector स्याही देखता है, orientation नहीं. text पहचान सफ़ाई से पहले रखिए, अगर कम content वाले पन्ने हैं, और बाद में, अगर नहीं: पहले मामले में text layer हस्ताक्षर वाले पन्नों को बचाएगा, दूसरे में पहचान तेज़ चलेगी. compression आख़िर में छोड़िए: हर फ़ालतू पन्ना उसमें समय लेता है, और तेज़ compression के बाद धूसर background बदल जाता है, जिससे मूल scan पर ठीक threshold अलग बर्ताव कर सकता है.

सामान्य ढेर के लिए क्रम: जोड़ना, खाली पन्ने हटाना, ज़रूरत हो तो घुमाना, text पहचानना, भेजने से पहले compress करना. हस्ताक्षर वाले पन्नों और forms वाली folder में पहचान सफ़ाई से पहले आती है.

detector की जगह नंबर से हटाना कब बेहतर है

तीन मामलों में हाथ का तरीक़ा भरोसेमंद है: दोतरफ़ा print के लिए बनी फ़ाइल, जहाँ खाली पिछले हिस्से जानबूझकर हैं; कई लगभग खाली पर ज़रूरी पन्नों वाला दस्तावेज़; और जब खाली पन्ने दो-तीन हैं और पता है कि कहाँ. तब पन्ने हटाएँ में नंबर बताइए, या पीडीएफ व्यवस्थित करें में फ़ालतू आँखों से हटाइए, जहाँ हर पन्ना ग़ायब होने से पहले दिखता है.

scan अभी बाक़ी हो, तो एकतरफ़ा दस्तावेज़ों के लिए scanner में duplex mode बंद कर दीजिए. फ़ोन से scan करते वक़्त पीडीएफ पर स्कैन करें सिर्फ़ वे तस्वीरें जोड़ता है जो आपने लीं, और उसमें खाली पन्ने बनावट से ही नहीं होते.