Automação de ArquivosGerenciamento Eletrônico

de imagens de documentos

Prof. Carlos H. Marcondesmarcon@vm.uff.br

Arquivos em formato “mapa de bits”:

•     

ARQUIVOS “MAPA-DE-BITS – “BIT MAP”

Arquivos em formato “mapa de bits”: como reconhecer um caracter?

A a A a A a a

a A ? ? ? ? ?

Processo de digitalização• Os sistemas de gerenciamento de

imagens eletrônicas de documentos associam a cada arquivo de imagem, um registro de uma base de dados com conteúdos textuais codificados, para fins de busca/recuperação de informações

Tipo | Num. | Setor | Data | Assunto |

Processo de digitalização

A digitalização é o processo de transformar documentos em papel em arquivos digitais de imagem tipo ¨mapa-de-bits¨

Nos arquivos de imagem tipo “mapa-de-bits” cada ponto de um documento, cada ponto de cada caracter de um documento é desenhado e não representado por um código como no conjunto de caracteres ASCII

Vantagens do Gerenciamento Eletrônico de Imagens de Documentos

Maior “densidade” de informações por unidade de armazenamento: um CD-ROM pode conter cerca de 40.000 folhas de papel A4 digitalizadas a 300 dpi

As imagens de documentos podem ser acessadas através de redes, dispensando o acesso ao documento original

Isso ajuda a preservar os documentos originais

Processo de digitalização

Imagens são formadas por pontosPontos são representados por um número X de “bits”

Bitonal ou preto-e-branco: 1 bit por ponto:

pontos pretos: “1”pontos brancos: “0”

Monocromático: preto-e-branco com diversas intensidades – 4 bits, 6 bits, 8 bits, por ponto)Colorido

8 bits por ponto: 256 cores12 bits por ponto : 4096 cores24 bits por ponto : 16.800.000 cores (“true color”)

Processo de digitalização - RESOLUÇÃO

• Relação entre número de pontos de uma imagem / Área

• Unidade: “dpi” (“dots per inch”) pontos por polegada quadrada

• A resolução é uma medida da LEGIBILIDADE de uma imagem

Processo de digitalização - RESOLUÇÃO

• Corresponde à capacidade de detalhamento de uma imagem, quanto maior a resolução da imagem, maior será a sua capacidade de exibir detalhes.

Processo de digitalização

RESOLUÇÃO - aplicação da digitalização em DOCUMENTOS

Arquivos de imagens ( de documentos) com baixa resolução são POUCO LEGÍVEIS (abaixo de 50 dpi)

Acima de 800 dpi a vista humana NÃO DISTINGUE MAIS MELHORAS DE LEGIBILIDADE

Quanto maior a resolução de uma imagem, maior o tamanho do arquivo que vai armazena-la

Resolução razoável para documentos: 300 dpi

Processo de digitalização

• Como não existe um código único para cada caracter,

A a A a A a a a A a,

• nos arquivos “mapa-de-bits” não é possível fazer busca por conteúdo

Processo de digitalização - Etapas

• Preparação - desarquivamento, retirada de grampos e “clips” restauração, agrupamento em lotes para a digitalização.– Fatores críticos de sucesso

• o estado dos documentos• uniformidade dos documentos• critério de grupamento em lotes

- Digitalização - alimentação e digitalização dos lotes no escaner– Os fatores críticos de sucesso desta etapa são

• velocidade do escaner• cores da imagem: preto-e-branco, colorido, tons-de-cinza,• uniformidade dos lotes, evitando interrupção e re-

ajustamento do escaner• resolução utilizada

- Conferência - exame das imagens geradas para controle de qualidade, agrupamento de imagens formando documentos, eventualmente re-escaneamento

Processo de digitalização - Etapas

Processo de digitalização - Etapas

• Indexação - associação a cada arquivo de imagem ou a cada grupo de imagens que formam um documento, um conjunto de termos de indexação visando a recuperação da(s) imagem(ns) do documento digitalizado– Fatores críticos de sucesso desta etapa são

• facilidade/velocidade de extração dos termos de indexação a partir da imagem do documento

• padronização do “lay-out” do documento

Processo de digitalização - “hardware” e “software” envolvidos

• Hardware– escaner: de mesa, com bandeja– gravador de CD-ROM– “Jukebox”: dispositivo leitor com

capacidade de 8 a 48 CD-ROMs, geralmente com 4 a 8 cabeçotes de leitura

Digitalização – componentes de “hardware”

escaner

Gravador CD

“Jukebox”

“Software” de GED

Estações p. consulta

Impressora

Sistema COM

O escaner – características técnicas

Fonte de luz

Documento

Sensor – matriz de fotocélulas (resolução de “hardware”)

O escaner – características técnicas

• Alimentador de folhas – capacidade (no. Folhas, peso• Tipo de interface• Resolução máxima por hardware: resolução real do

sensor do escaner em dpi• Resolução interpolada: resolução obtida através de

software• Modo de digitalização: simplex (uma face) ou duplex

(ambas as faces)• Velocidade: em páginas (ppm) por minuto, num

determinado modo e numa determinada resolução• Tamanho dos documentos: capacidade de receber folhas

de papel em formatos An

O escaner

“JUKEBOX” – características técnicas

“Vitrola” robótica capaz de disponibilizar um grande número de CDs gravados com imagens de documentos

• Características:– Capacidade de armazenamento em GB – Número de discos– Número de leitores de discos– Tempo de troca de discos

SISTEMAS COM– características técnicas

“Computer Output on MicroFiche – permite a saída de relatórios diretamente em microfichas

• “Software”– FUNÇÕES

•entrada:

– Escaneamento

– Conferência

– Indexação

– Gravação

•saída: - recuperação pelos pontos de acesso estabelecidos na indexação

Processo de digitalização - “hardware” e “software” envolvidos

• Baseados em SGBDs

– usam “representações” de documentos; permitem armazenar e recuperar “representações” de documentos.

• Sistemas de Gerenciamento de Imagens de Documentos – GED

– permitem associar a “representações” de documentos imagens digitais desses documentos

• Sistemas de gerenciamento de fluxo de trabalho – “workflow”

– Permitem controlar o ciclo de vida de documentos – sua tramitação

Sistemas de Gestão Documentos

Processo de digitalização - OCR

• “Optical Character Recognition” - Reconhecimento ótico de caracteres: processo de submeter uma arquivo de imagens .bitmap a um software especial, que reconhece as imagens dos caracteres e transforma a imagem de cada caracter no seu equivalente codificado (p.ex. em ASCII)

• Vantagem : um arquivo textual codificado pode ser objeto de busca por conteúdo

Arquivo “bitmap Arquivo codificado