Univerzita Hradec Králové Filozofická fakulta. Diplomová práce Bc. Ladislav Hosák

Transkript

1 Univerzita Hradec Králové Filozofická fakulta Diplomová práce 2015 Bc. Ladislav Hosák

2 Univerzita Hradec Králové Filozofická fakulta Katedra pomocných věd historických a archivnictví Dějiny Hradce Králové: digitalizace a přepis díla Karla Josepha Bienera pomocí OCR softwaru PDF X-Change Viewer Diplomová práce Autor: Studijní program: Studijní obor: Vedoucí práce: Bc. Ladislav Hosák N7105 Historické vědy Archivnictví PhDr. Jakub Zouhar, Ph.D. Hradec Králové, 2015

3 Zadání diplomové práce Autor: Studium: Studijní program: Studijní obor: Název diplomové práce: Název diplomové práce AJ: Bc. Ladislav Hosák F13123 N7105 Historické vědy Archivnictví Dějiny Hradce Králové: digitalizace a přepis díla Karla Josepha Bienera pomocí OCR softwaru PDF X-Change Viewer History of Hradec Králové: digitizing and transcription of Karel Joseph Biener's piece using OCR software PDF X Change viewer Cíl, metody, literatura, předpoklady: Diplomová práce má za cíl provést přepis neoficiálního českého překladu díla od Karla Josepha Bienera von Bienenberga Dějiny Hradce Králové, původní název díla Geschichte der Stadt Königgratz, vydáno v Praze v letech 1780 a Toto dílo se v současné době nachází ve vlastnictví Biskupské knihovny Biskupství královéhradeckého. Přepis bude uskutečněn pomocí zdigitalizovaných materiálů, které budou dále zpracovány za užití OCR modulu programu PDF X Change Viewer. Prostřednictvím užití této aplikace bude získán přepsaný text v digitální a dále upravitelné podobě. Dále bude použit program MS Word, v němž bude text upraven po stránce formátování, a budou ručně odstraněny chyby v OCR přepisu. K výslednému textu budou vytvořeny jmenné a místní rejstříky, zvlášť pro každý svazek díla. Práce obsahuje kapitoly věnované autorovi knihy, historii konkrétního výtisku Dějin Hradce Králové a popisu užitého OCR softwaru a principů jeho fungování s důrazem na způsob užití pro zpracování tohoto druhu materiálu. Metody zpracování: Přepis textu pomocí OCR softwaru z naskenovaných materiálů a následná ruční úprava textu, ruční vytvoření jmenného a místního rejstříku pro každý svazek díla. GARFINKEL, Simson. The Paper Killer. Technology Review. 2004, roč. 107, č. 4, s. 82. HARTLEY, Roger T. a Kathleen CRUMPTON. Quality of OCR for Degraded Text Images. Proceedings of the fourth ACM conference on Digital libraries. 1999, s. 7. Dostupné z: Knihovna Národního muzea: Oddělení knižní kultury: Proč digitalizujeme?. Knihovna Národního muzea Oddělení knižní kultury: Digitalizace sbírkových předmětů [online] [cit ]. Dostupné z: kultura.wz.cz/proc.html MCNAMARA, Paul. 'Immensely clever' spammers dodging OCR. Network World. 2006, roč. 23, č. 42, s RYBENSKÁ, K. Využití open source technologií v archivnictví se zaměřením na digitalizaci. UHK. Hradec Králové, Diplomová práce. STONE, M. David, Sarah E. ANDERSON a THOM O'CONNOR. Scanning for business. PC Magazine. 2005, roč. 24, č. 8, s STUHLEY, Mike. Super OCR: How OCR has advanced and how you can use it. AIIM E DOC. 2007, roč. 21, č. 1, s SUN, Wei, Lon Mu LIU, Weining ZHANG a John Craig COMFORT. Intelligent OCR Processing. Journal of the American Society for Information Science. 1992, roč. 43, č. 6, s Anotace: Anotace: Diplomová práce řeší přepis neoficiálního českého překladu knihy od Karla Josepha Bienera von Bienenberga Dějiny města Hradce Králové, původní název díla Geschichte der Stadt Königgratz, Prag 1780, Přepis bude uskutečněn pomocí již existujících skenů, které budou dále zpracovány za užití open source programu PDF X Change Viewer, který obsahuje aplikaci pro OCR převod textu. Prostřednictvím užití této aplikace bude získán převedený text v digitální a

4 přepisovatelné podobě. Dále bude užit program MS Word, v němž bude text dále upraven a jeho prostřednictvím převeden do souboru.pdf. Součástí práce budou okrajové informace o autorech knih a původu fondu, do kterého knihy náleží. Práce se též bude zabývat základním popisem užitého OCR softwaru s důrazem na způsob užití pro zpracování tohoto materiálu. Metody zpracování: Přepis textu pomocí OCR softwaru z naskenovaných materiálů a následná ruční úprava textu, vytvoření jmenného a místního rejstříku. Prameny a literatura BIENER Z BIENENBERKA, Karel Josef. C.J. von B. Geschichte der Stadt Königgratz. Mit Genehmhaltung der k.k. Censur. Prag: Gedruckt bey Franz Geržabeck in der eisernen Thüre, Blanke Tobias, Bryant Michel a Hedges, Mark. Ocropodium: open source OCR for small scale historical archives. GARFINKEL, Simson. The Paper Killer. Technology Review. 2004, roč. 107, č. 4, s. 82. HARTLEY, Roger T. a Kathleen CRUMPTON. Quality of OCR for Degraded Text Images. Proceedings of the fourth ACM conference on Digital libraries. 1999, s. 7. Dostupné z: Journal of Information Science, February 2012; vol. 38, 1: pp , first published on November 21, 2011 Knihovna Národního muzea: Oddělení knižní kultury: Proč digitalizujeme?. Knihovna Národního muzea Oddělení knižní kultury: Digitalizace sbírkových předmětů [online] [cit ]. Dostupné z: kultura.wz.cz/proc.html MCNAMARA, Paul. 'Immensely clever' spammers dodging OCR. Network World. 2006, roč. 23, č. 42, s RYBENSKÁ, K. Využití open source technologií v archivnictví se zaměřením na digitalizaci. UHK. Hradec Králové, Diplomová práce STONE, M. David, Sarah E. ANDERSON a THOM O'CONNOR. Scanning for business. PC Magazine. 2005, roč. 24, č. 8, s STUHLEY, Mike. Super OCR: How OCR has advanced and how you can use it. AIIM E DOC. 2007, roč. 21, č. 1, s SUN, Wei, Lon Mu LIU, Weining ZHANG a John Craig COMFORT. Intelligent OCR Processing. Journal of the American Society for Information Science. 1992, roč. 43, č. 6, s Garantující pracoviště: Katedra pomocných věd historických a archivnictví, Filozofická fakulta Vedoucí práce: PhDr. Jakub Zouhar, Ph.D. Oponent: Mgr. Jan Košek Datum zadání závěrečné práce:

5 Prohlášení Prohlašuji, že jsem tuto diplomovou práci vypracoval (pod vedením vedoucího diplomové práce) samostatně a uvedl jsem všechny použité prameny a literaturu. V Hradci Králové dne...

6 Anotace HOSÁK, Ladislav. Dějiny Hradce Králové: digitalizace a přepis díla Karla Josepha Bienera pomocí OCR softwaru PDF X-Change Viewer. Hradec Králové: Filozofická fakulta, Univerzita Hradec Králové, 2015, 90 str. Diplomová práce. Diplomová práce má za cíl provést přepis neoficiálního českého překladu díla od Karla Josepha Bienera von Bienenberga Dějiny Hradce Králové, původní název díla Geschichte der Stadt Königgratz, vydáno v Praze v letech 1780 a Toto dílo se v současné době nachází ve vlastnictví Biskupské knihovny Biskupství královéhradeckého. Přepis bude uskutečněn pomocí zdigitalizovaných materiálů, které budou dále zpracovány za užití OCR modulu programu PDF X-Change Viewer. Prostřednictvím užití této aplikace bude získán přepsaný text v digitální a dále upravitelné podobě. Dále bude použit program MS Word, v němž bude text upraven po stránce formátování, a budou ručně odstraněny chyby v OCR přepisu. K výslednému textu budou vytvořeny jmenné a místní rejstříky, zvlášť pro každý svazek díla. Práce obsahuje kapitoly věnované autorovi knihy, historii konkrétního výtisku Dějin Hradce Králové a popisu užitého OCR softwaru a principů jeho fungování s důrazem na způsob užití pro zpracování tohoto druhu materiálu. Metody zpracování: Přepis textu pomocí OCR softwaru z naskenovaných materiálů a následná ruční úprava textu, ruční vytvoření jmenného a místního rejstříku pro každý svazek díla. Klíčová slova: OCR software, Dějiny Hradce Králové, Karel Joseph Biener von Bienenberg, PDF X-Change Viewer

7 Annotation HOSAK, Ladislav. History of Hradec Králové: digitizing and transcription of Karel Joseph Biener's piece using OCR software PDF X-Change viewer. Hradec Králové: Faculty of Arts, University of Hradec Králové, 2015, 90 pp. Diploma Thesis. This diploma thesis' aim is to transcribe an unofficial czech translation of piece from Karl Joseph Biener von Bienenberg called "History of Hradec Králové", originally published under the name "Geschichte der Stadt Königgratz" in Prague in years 1780 and This work is currently owned by The Bishop's Library of Opiscopate Hradec Králové. The transcription will use digitized versions of the piece that will be further processed by software called PDF X-Change Viewer, which includes an OCR module. Using this application the transcribed text will be obtained in a form that enables further corrections. MS Word will then be used for manual corrections of text's format and correcting errors in OCR transcription. In addition, name and place indexes will be manually created for each book of the History of Hradec Králové. The thesis includes chapters focused on life of the author of the piece, history of the specific prints this thesis transcribes and description of used OCR software and its principles with focus on its use for processing similar pieces. Methodology: Transcription of text using OCR software from digitized materials and manual correction of text, manual creation of name and place indexes for each book. Keywords: OCR software, History of Hradec Králové, Karel Joseph Biener von Bienenberg, PDF X-Change Viewer

8 Obsah Úvod Rod Bienenberků Život Bienera Konec války a první uznání Civilní služba a archeologické publikace Dějiny Hradce Králové Druhý díl Dějin a smrt OCR software Historie OCR Původ OCR První generace OCR Druhá generace OCR Třetí generace OCR Moderní OCR Metody OCR Získání obrázku Pre-processing Rozpoznání textu Porovnávání vzorců Post-processing Trendy ve vývoji OCR Vybrané OCR programy a jejich srovnání PDF-Xchange Viewer Abbyy FineReader Přepis Dějin pomocí OCR softwaru a tvorba rejstříků PDF-Xchange Viewer Abbyy FineReader Tvorba rejstříků Kritika pramene Stav díla Obsah díla... 60

9 4.3 Historie opisu Další strojopisy Dějin Předchozí pokusy o přepis Dějin Hradce Králové Překladatelé Vhodnost pro přepis pomocí OCR Závěr Prameny a literatura Seznam příloh:... 90

10 Úvod Diplomová práce se zabývá přepisem díla Dějiny Hradce Králové, přeloženým do češtiny Janem Balcarem a Karlem Šírem. Práce byla převedena do formátu vhodného pro další úpravu programem Microsoft Word 2010 prostřednictvím OCR softwaru 1 PDF-Xchange Viewer. Téma bylo vybráno záměrně tak, aby práce přinesla nejen hmatatelný výsledek, který otevře nové možnosti všem zájemcům o studium tohoto díla, ale zároveň, aby bylo popsáno technické provedení tohoto přepisu a posouzeno, jestli jde o metodu možnou a vhodnou. Samotné dílo Dějiny Hradce Králové náleží Biskupské knihovně Hradec Králové, a jedná se o jediný exemplář svého druhu. Ačkoliv jde ve své podstatě o jedinečný literární artefakt, podobných děl ve stejné situaci je nepochybně více. Pokud bude chtít vlastník takových knih díla zpřístupnit jeho digitalizováním anebo jej znovu publikovat, z důvodů, které budou hlouběji rozebrány v následujících řádcích, prosté naskenování mnohdy nestačí. Právě v těchto situacích se jeví užití OCR softwaru jako dobrá možnost, jak dílo přepsat do digitální podoby. Byť jsou k dispozici i dražší, placené licence, pohybující se v tisících USD za licenci 2, v posledních letech se objevily také freeware OCR programy, které jsou k dispozici zdarma. Právě jeden z takových programů, konkrétně PDF Xchange Viewer, byl vybrán pro přepis Dějin Hradce Králové, a to proto, že jde o freeware a odpadá tak nutnost investovat tisíce korun do speciálního softwaru. V práci se nicméně objeví i srovnání výsledků s programem Abbyy Fine Reader, což je proprietární program. Důvodem bude srovnání kvality přepisů, což bude sloužit jako pomocné kritérium zhodnocení hypotézy práce. V práci jsou kladené tři cíle. Prvním je digitalizování a přepsání Dějin Hradce Králové do formátu *.docx a vytvoření jmenných a místních rejstříků. Tato kniha je jedním z děl, které nejkomplexněji zpracovávají historické události v Hradci Králové, a to od úplných počátků osídlení až po rok I když byla kniha v minulosti již jednou naskenována, nebyla zpřístupněna široké veřejnosti a kvalita skenů je sice postačující, práce však není bezproblémově použitelná pro 1 Optical Character Recognition software, tedy program pro optické rozpoznávání písmen (Garfinkel, 2004: 82). 2 Idealo.co.uk

11 hlubší studium díla. Přepsání knih a vytvoření rejstříků má pak za cíl dále ulehčit zpřístupnění díla možným zájemcům. Ačkoliv je možné pouze knihu naskenovat a jednoduše ji ponechat na internetových stránkách volně ke stažení, má tento přístup několik nedostatků. Prvním nedostatkem je obtížná orientace v díle v návaznosti na obsah. Dílo samotné nemá obsah a je psáno chronologicky, začíná nejstarším osídlením Hradce Králové a končí roku Pokud badatel nemá zájem o celý obsah díla a zajímá jej jen určité téma nebo osoba v díle obsažená, je problém v pouze naskenované práci vyhledávat. Navíc, pokud dotyčný nezná přesný letopočet, je možné, že předmět svého zájmu bude v mnohasetstránkové práci hledat jen velmi obtížně. Pokud dostane takový člověk k dispozici dokument například ve formátu *.doc nebo *.docx, může v práci snadno hledat pomocí vyhledávací funkce textového procesoru. V orientaci zároveň napomáhají i vytvořené rejstříky, které velmi rychle nasměřují zájemce o konkrétní osobu nebo místo na určitou stránku. Rejstříky jsou však užitečné právě spolu s prací ve formátu vhodném pro textový procesor. Pokud totiž budou mít badatelé zájem vyhledávat témata například o specifických událostech, ať už historických nebo například přírodních, rejstříky samy o sobě nedokáží pomoci. Druhým důvodem je jednoduchá práce s následnou úpravou textu. Pokud je naskenovaný originál z různých důvodů nečitelný, případně má nevyhovující formát, je snadné takto přepsaný text jednoduše upravit a dodat tak badatelům a zájemcům, dílo v takovém formátu, který jim v jejich záměru co nejvíce pomůže. Třetím důvodem je usnadnění prací směřujícím k opětovnému vydání díla. Byť je otázkou, jestli digitalizované dílo bude v dohledné době znovu vydáno, faktem zůstává, že prosté skeny znovu vydat jednoduše nelze. Především u děl, která mají významnou historickou hodnotu a jsou svým obsahem nebo zpracováním unikátní je tento důvod velmi významný. Poslední výhodu lze najít v rozdílu velikostí takto zpracovaných děl. Zatímco naskenovaná verze může snadno dosahovat stovek megabytů, velikosti dokumentů ve formátu *.docx s největší pravděpodobností nepřesáhne jednotky megabytů, ať je dílo libovolně veliké. Ačkoliv je dnes možnost díky dostupnosti širokopásmového připojení snadno posílat soubory ve velikostech v řádu gigabytů, ne vždy je snadné takové velké soubory uchovávat, především pokud badatelům poskytnou méně kvalitní služby než jiné formáty, jak bylo 2

12 zmíněno výše. Díky těmto důvodům byl zvolen za cíl práce dílo přepsat do formátu *.docx a vytvořit jmenný a místní rejstřík (Knihovna Národního Muzea 2015). Druhým cílem práce je posoudit vhodnost užití OCR softwaru k digitalizování děl podobných Dějinám Hradce Králové. V obecné rovině bude tato vhodnost posouzena v podkapitole věnované principům fungování OCR softwaru a jeho slabinách. Budou rozebrány klady, zápory užití OCR softwaru a podmínky, při jejichž dodržení má toto užití největší pravděpodobnost přinést kvalitní výsledky. Důvodem pro tento rozbor je historický vývoj OCR a jeho stav v dnešní době. OCR software je vyvíjen již zhruba třicet let 3 a jeho původ je v korporátní sféře. Ta se, vzhledem ke svým nárokům a finančnímu zajištění, velmi zásadně liší od prostředí archivnického a knihovnického. Vznik a rozvoj OCR softwaru v podnikové sféře je spojen s pojmem "paperless office", čili kancelářského prostředí s minimem využívání papírových formulářů, dokumentů a co nejširším užitím informačních technologií a robustních informačních systémů. Cílem vytvoření "paperless office" je velmi snadná distribuce, sdílení a práce s korporátními dokumenty, formuláři, smlouvami a podobnými provozními dokumenty. Ty měly být zdigitalizovány a skrze rozmáhající se počítačové sítě v osmdesátých a devadesátých letech dvacátého století šířit tyto formuláře okamžitě a spolehlivě všem zaměstnancům, kteří je mohli potřebovat. Jednalo o náročný úkol, jelikož pro rozvoj těchto řešení bylo potřeba nejen investovat do kvalitní počítačové sítě, ale i dostupných stolních scannerů 4. Toto prostředí se od toho archivnického a knihovnického značně liší, jelikož jak dokazuje předmět této diplomové práce, není úkolem zdigitalizovat výroční zprávy a formuláře. Úkolem je zdigitalizovat literární díla a papírovou dokumentaci desítky, v některých případech i přes stovky let staré. Zároveň finanční zajištění u zmíněných institucí pokulhává ve srovnání s korporacemi, pro které je implementace počítačových sítí a systémů významnou, ale opakovanou investicí. Právě nesourodost těchto prostředí, rozdílnost požadavků na zpracovávané dokumenty i jiné požadavky na výstupy, budou obecně posouzeny v podkapitole věnované obecným principům 3 STUHLEY, Mike. Super OCR: How OCR has advanced and how you can use it. AIIM E-DOC. 2007, roč. 21, č. 1, s SUN, Wei, Lon-Mu LIU, Weining ZHANG a John Craig COMFORT. Intelligent OCR Processing. Journal of the American Society for Information Science. 1992, roč. 43, č. 6, s

13 OCR. Druhou částí kapitoly pak bude popsání konkrétních praktických problémů, které při zpracovávání Dějin Hradce Králové vyvstaly. Jak bylo zmíněno výše, například digitalizace moderních prodejních smluv klade na software jiné požadavky, než přepis desítek let staré knihy psané na stroji, která za sebou navíc může mít bouřlivou historii například v podobě fyzického poškození či chybějících stránek. Dalším problémem jsou užité fonty, jelikož jak může dosvědčit každý, kdo kdy pracoval s dokumenty psanými na psacím stroji, písmo z těchto strojů se mnohdy liší od toho, které máme prostřednictvím dnešních fontů v textových procesorech k dispozici. Stejně tak formátování dokumentů v minulém století nemusí vždy odpovídat tomu, jak jsou dokumenty tištěny a zpracovávány dnes, ať už jde o systémy poznámek pod čarou nebo prosté číslování stránek. I pokud se ve všech těchto kategoriích původní text shoduje nebo podobá s dnešními standardy, vždy je zde patrné působení času, například v podobě blednoucího nebo obtiskujícího se inkoustu. Žádný z těchto problémů se Dějinám Hradce Králové nevyhnul, a proto budou dopodrobna rozebrány v kapitole věnované samotnému přepisu Dějin a stavu díla. Třetím cílem je popsat okolnosti vzniku díla Dějiny Hradce Králové, čemuž bude věnována hned první kapitola. V ní bude věnován prostor Karlu Josefu Bienerovi z Bienenberka, jelikož jde o autora Dějin Hradce Králové v původním německojazyčném znění. Bude ve zkratce popsán jeho život se zaměřením na okolnosti a dobu vzniku díla. Dále bude věnován prostor Janu Balcarovi, který přeložil Dějiny do češtiny. Opět bude krátce zmíněn životopis Jana Balcara a budou rozebrány jeho práce na překladu Dějin a motivaci k tomuto počinu. Splnění tohoto cíle je pro práci velmi důležité, jelikož nejen, že je historie díla a jeho tvůrců vhodná přinejmenším pro zmapování situace při jeho zpracování, zároveň ale poskytuje drobný návod pro ty, kteří by se chtěli Dějinami dále zabývat. Poznat pohled tvůrce díla na dějiny Hradce Králové a jeho pozice a přístup ke zdrojům, ze kterých při práci na Dějinách čerpal, a které již dnes například nemusí být dostupné, je sumou stěžejních informací pro ty, jež se rozhodnou zaměřit své bádání na faktografický obsah díla. Stejná problematika se pak vyskytuje i u osoby Jana Balcara, který Dějiny přeložil do českého jazyka a z jehož překladu tato diplomová práce vychází. 4

14 Z tohoto důvodu bude těmto osobnostem věnována každému kapitola zaměřená na výše psané problémy. K naplnění těchto cílů práce bude použit empiricko-analytický přístup. Pro naplnění druhého cíle práce bude jako pomůcka posouzena následující hypotéza, jejíž platnost bude v práci ověřena: Freeware OCR software je vhodným nástrojem pro zpracování děl podobných Dějinám Hradce Králové. Jak již bylo zmíněno výše, OCR software vzniknul za velmi rozdílných okolností a podmínek, než panují v běžné archivnické a knihovnické praxi, což je nicméně přesně prostředí, ve kterém se jeho dnešní užití nabízí jako potenciálně velmi prospěšné. Pokud se tato hypotéza potvrdí jako pravdivá, bude v závěru práce doporučeno OCR software při přepisu podobných děl použít. Pokud se OCR software prokáže jako nevyhovující nebo jeho výstupy příliš nekvalitní, bude tato hypotéza odmítnuta. Jestli nicméně výstupy OCR softwaru budou užitečné, byť s výhradami, budou tyto okolnosti a zjištění popsány a reflektovány. Struktura práce bere v úvahu cíle, které byly vytyčeny. Samostatné kapitoly budou věnovány Karlu Bienerovi z Bienenberka a procesu OCR, jeho vlastnostmi a problematice přepisů starších děl. Třetí kapitola práce je věnována samotnému přepisu díla a tvorbě rejstříků. Podrobně rozebírá stav díla z hlediska OCR, problémy, které při přepisování díla vznikly a tvorbu rejstříků. Poslední kapitola bude věnována samotnému strojopisu Dějin Hradce Králové, kterým se tato práce zabývá. Zhodnotí fyzický i obsahový stav díla, popíše okolnosti jeho vzniku a vyjmenuje osoby, které se na něm podílely. Na konci práce následuje závěr, který shrne všechny dosažené výsledky a vyhodnotí platnost stanovené hypotézy. Práce obsahuje přílohy, a to přepsaný dokument MS Word každého svazku Dějin Hradce Králové ve formátech *.docx a *.pdf, jmenné a místní rejstříky k jednotlivým svazkům tohoto díla, dále jejich skeny a seznam chyb, které se podařilo v práci najít. Při práci je použito mnoho zdrojů z odborné literatury i internetových zdrojů. Zatímco kapitoly o Karlu Josefu Bienerovi a OCR softwaru mohou snadno čerpat z množství odborné literatury a článků, při posouzení problémů s přepisem, historie a zaměření zvolených OCR programů je pak výhodnější pracovat s internetovými zdroji a odbornými články dostupnými přes internet především 5

15 proto, že jde o zdroj primárních informací. Veškerá použitá a citovaná literatura bude uvedena v seznamu literatury na konci práce. 6

16 1 Karl Josef Biener z Bienenberka Tato kapitola je věnována Karlu Josefu Bienerovi (dále jen jako Biener). Jak již bylo zmíněno v úvodu, Biener je autorem Dějin Hradce Králové a tato kapitola se bude zabývat nejen jeho životem, ale i dílem, prací, dosaženými úspěchy a metodikou jeho práce. Cílem kapitoly je popsat Bienerův život, jeho dílo a kde to je možné, doplnit tyto údaje o citace právě z Dějin. Na Dějinách se totiž podepsala nejen jeho životní zkušenost, ale také metodika práce a zápal pro archeologické a historické bádání. Biener, jako jeden z nejvýznamnějších prvních českých archeologů totiž nechal vtisknout jeho profesní zaměření do Dějin takovým způsobem, že jeho přístup ke zkoumání historie a bohaté znalosti na mnoha místech Dějin zevrubně rozebírají informace, které by jiní mohli snadno přejít jako nedůležité. Toto je patrné okamžitě ve chvíli, kdy badatel začne číst první díl Dějin, kde je hned na začátku velmi obsáhle popsána historie osídlení Hradce Králové s odkazy na historiky, kteří toto osídlení popisovali. Biener nejen cituje, ale provádí i kritiku pramenů a zamýšlí se nad možnostmi a omezeními badatelů, s jejichž informacemi pracuje. Právě v případě nejstaršího osídlení Hradce toto doplňuje poznámkami o vlastním archeologickém výzkumu lokality a analýze nalezených popelnic, čímž dokumentuje nejen svůj přístup k práci, ale i vlastní znalosti, domněnky a zjištění. Biener se také věnuje hmotným pozůstatkům, které měl k dispozici a které se váží k dějinám Hradce Králové, příležitostným soupisům majetků z pozůstalosti, jak je například patrné v případě popisu pozůstalosti po v roce 1393 zesnulé císařovně Elišce, vdově po Karlu IV., kde zevrubně popisuje nalezené předměty a texty, které jsou na nich vyryty. 5 Především ve třetí knize díla, tedy druhé části druhého dílu Dějin, je pak patrné i Bienerovo zaměření na heraldiku, kdy na několika místech rozebírá rytiny na městských branách, kašnách a kostelech. Nespokojí se jen s přepisem, také se kriticky zaobírá jejich dobovou interpretací a tyto informace dává do souvislosti s dostupnými informacemi o původu těchto rytin a jejich původním významu. Právě tato práce činí z Dějin dílo, které je mnohem více, než pouhým výpisem historických faktů. 5 Na těchto stránkách Dějin popisuje Biener nálezy tak, jak jen to je možné, včetně rytin a stavu předmětů. Jak bude ještě několikrát zdokumentováno, jde o ukázku především toho, že autora zajímala běžný život tehdejších lidí a toto se snažil co nejlépe zdokumentovat a zachovat (Biener 1790: ). 7

17 Biener je ve své práci ke svým zjištěním kritický a jak se ukáže v této kapitole, neváhá ve svém historickém bádání využít takových pramenů, jako je například dobová pověst či výpovědi svědků. Dějiny jsou dílem především Bienerova kritického zhodnocení dějin Hradce Králové, a právě tento jeho přístup bude dokumentován výňatky z Dějin při biografickém popisu Bienera samotného. Z Dějin bude také citováno několik pasáží o samotném Bienerově životě, byť se v Dějinách Biener svou osobou příliš nezaobíral (Gazeta.pl 2015; Pumprla 2010: 111). 1.1 Rod Bienenberků Rod Bienenberků pochází původně z Německé říše, byl to rod šlechtický, který vlastnil državy ve Slezsku a Sasku. V období třicetileté války ale zchudnul a přesídlil na Moravu. Právě z Moravy se pak přestěhovali Bienerovi předci do Čech, když jeho praděd přesídlil do Kadaně, do jejíž městské rady se záhy dostal. František Ignac Biener, jeho syn a děd Karla Josefa, se pak proslavil jako lékař, když se za morové nákazy na Litoměřicku na počátku 18. století stal krajským fysikem. Stejně jako jeho otec, i František Ignac se stal členem městské rady a později i městským rychtářem. V roce 1714 při neštěstí však zachvátil jeho dům požár, při kterém byly mimo domu samotného zničeny i veškeré listiny a průvody rodu Bienerů. Nakonec po 22 letech v pozici konšele a císařského rychtáře umírá roku 1743, zanechává po sobě dva syny a dceru. Synové se jmenují Filip Antonín a Josef Jiří, dcera Teresie Emerencie. Františkovi synové se také stali učenci, studovali na gymnáziu v Litoměřicích a Pražské univerzitě. Filip Antonín Biener, strýc Karla Josefa, vystudoval právnická studia, a stejně jako jeho otec byl jmenován do městské rady Litoměřic, později i jako císařský rychtář. Od roku 1766 působil jako přísedící purkrabského soudu v Praze. Za věrné služby a užitečnou práci Filipa Antonína je pak rod Bienerů ve Vídni povýšen do šlechtického stavu, a členové tohoto rodu se mohou titulovat Bienerové z Bienenberka a používat svůj původní šlechtický erb. Tento šlechtický titul získal Filip Antonín a jeho potomci, jeho sestra Teresia Emerencia a potomci Josefa Jiřího, tedy i Karel Josef se svými sourozenci. Josef Jiří Biener, otec Karla Josefa, studoval stejně jako jeho otec medicínu a lékařství. V roce 1730 byl jmenován 8

18 fysikem Slanského kraje, později i profesorem anatomie na Pražské univerzitě. Josef Jiří umírá roku 1750, osm let po svém otci, a zanechává po sobě tři potomky: Karla Josefa, Františka, a dceru Marii Abundancii (Pumprla 2010: 111, Rybička 1859: 205). 1.2 Život Bienera Biener, celým jménem pak Karel Josef rytíř Biener z Bienenberka (německy Karl Josef Ritter Biener von Bienenberg), se narodil ve Slaném. Jak bylo uvedeno výše, měl dva sourozence. Jeho otcem byl Josef Jiří, matka se jmenovala Anna Teresie M. Lew. Biener pocházel z vzdělané rodiny a zůstal této tradici věrný, sám již v sedmi letech několikrát přečetl Hájkovu kroniku. V mládí navštěvoval Litoměřické gymnázium, kde se vzdělával v jazycích. Již v útlém věku zažil Biener strasti války. Když v roce 1740 vypukla válka mezi Bavorskem, Francií a Rakouskem-Uherskem, francouzské vojsko obsadilo na necelé dva roky město Litoměřice. Od mala Biener projevoval zájem o historii a místopis, četl místopisnou literaturu a navštěvoval památná místa. Když byl Bienerův otec jmenován profesorem anatomie na Pražské univerzitě, stěhují se s ním do Prahy i Karel Josef a jeho bratr František. Biener, nucen zajistit si dobré zaměstnání aby se mohl věnovat svým zálibám a historii, vystudoval nejprve filozofii, následně pak inženýrskou školu, kde studoval matematiku, mechaniku, hydrostatiku a vojenské fortifikace. Při svých studiích byl Biener údajně velmi pilným a svědomitým studentem. Ještě jako nezletilý chtěl vstoupit do armády a tam získat příležitost proslavit se a pozvednout svůj rod, sice starobylý, ale od třicetileté války zchudlý. Vzdělání v inženýrských pracích pak Bieber zúročil, když ve svých 20 letech, v roce 1751, vstoupil do armády jako praporečník Wolfenbüttelského pluku. Biener vstoupil do armády krátce po smrti svého otce. Bienera a jeho sourozenců, tehdy ještě nezletilých, se ujal jako opatrovník Bienerův strýc, Filip Antonín. V prvních letech působení u vojska pak Bienerův pluk působil v Litoměřickém kraji, a tak mohl Karel Josef často pobývat u svého strýce, poručníka (Rybička 1859: 206, Sklenář 1974: 34). To se změnilo s příchodem sedmileté války v roce Tehdy byl Biener s Wolfenbüttelským plukem umístěn v Hradci Králové, kde prováděli práce 9

19 na opevnění Hradce před pruským vojskem. Zimu pak pluk strávil v Mostě, opět s cílem město opevnit. Biener sám byl také vysílán na plnění průzkumných úkolů, ve kterých se Bienerovi dařilo obdobně jako ve studiu. Na jaře 1757 totiž pruské vojsko vpadlo do Čech a kvalitní výzkumnická práce Bienera zachránila sbor podmaršálka Hadíka o dvanácti tisících mužích od obklíčení u Bořislavi na Litoměřicku. V témže roce ještě Biener pracoval na opevnění Prahy a Svídnice, a účastnil se vojenských výpadů na pruská vojska u Prahy. V roce 1758 se účastnil výpadů na nepřátelské vojáky u Litomyšle a získával zajatce u Litomyšle a později téhož roku u Drážďan, dostal za úkol i roli vojenského kurýra, když předával poštu od generála Lascyho pruskému generálu Schmettauovi. V roce 1759 byl Biener poslán do Zaháňska jako průzkumník, vyznamenal se zachráněním šestnácti tisíc centů válečných zásob před upadnutím do rukou postupujícího nepřítele. Za tyto služby byl Biener o rok později povýšen na setníka a přijat ke generálnímu štábu. Později téhož roku byl pak vyslán jako průzkumník k maršálu Daunovi. Rok 1761 strávil Biener v Krušných horách, kde vykonával výpady proti nepřátelským vojskům a zbudovával zákopy a hradby pro pluk maršála Hadíka. O rok později se, již na postu generálního ubytovatele v pluku generála Compitelliho, vydal do Starohradska v Sasku a navrhoval plány válečných výprav a výstavby fortifikací, s čímž měl již v té době bohaté zkušenosti. Jeho úspěch byl dovršen, když svými manévry donutili prince Jindřicha Pruského opustit dosavadní ležení u Probsrdorfu a odtáhnout k Freiberku. 6 Tím Biener upozornil na své válečnické kvality a následně byl vyžádán generálním štábem prince ze Stollberku, komandantem říšského vojska. Úkolu opevnit tábor pro říšské vojsko u Freiberku se zhostil velmi dobře, a když byl nepřítel vytlačen v září 1762 u Kammerswaldu, dostal Biener za své služby pochvalné listy od prince ze Stollberku i generála Hadíka. Při ústupu říšských vojsk v říjnu, o měsíc později, k Frauensteinu dostal Biener svěřené zadní 6 K této době se Biener sám vrací v druhé části druhého dílu Dějin, kde píše: Já jsem byl tehdy přidělen ke generálu Campitelli a tyto pohyby, útoky, postupy a vyhnání nepřítele ze všech shora jmenovaných míst byly mnou vypracovány a byly příčinou, že princ Jindřich musel tábor u Probstendorfu opustiti a do Freibergu odtáhnouti. Mimo krásně psaného vysvědčení od pana generála a štábních důstojníků, které mám v ruce, odměnu, na kterou bych právem mohl činiti nároky, pro nepřízeň jsem nedostal. Zmíněná odměna, jejíž odmítnutí Biener nelibě nesl, je zřejmě odmítnutí udělení řádu Marie Teresie v roce 1768 tak, jak je zmíněno v textu výše (Biener 1790: 210). 10

20 voje armády, které beze ztrát dokázal přivést k hlavnímu voji pluků Mayrových. Více toho Biener vykonat nestihnul, jelikož byla Sedmiletá válka ukončena mírem uzavřeným na zámku v Hubertsburgu. Za dobu války posbíral Biener řadu pochvalných listů od vojenských velitelů, a na konci války se ucházel o vojenský řád Marie Terezie, který by mu zajistil povýšení do šlechtického stavu. Jeho žádosti nicméně nebylo vyhověno (Rybička 1859: 207, Sklenář 1974: 33-34). 1.3 Konec války a první uznání Brzy po válce se Biener oženil, vzal si Alžbětu Formenti, dceru barona Formentiniho. Z tohoto manželství vzešel syn František Josef a tři dcery, jmenovitě Aloisie, Karolina a Gabriela. Biener zůstal i po válce v armádě v generálním štábu jako vrchní inženýr, přičemž se podílel na stavbě pevností Hradec Králové a Josefov, a zabýval se vojenskou kartografií. Jelikož měl stále na paměti nevyslyšenou žádost o řád Marie Teresie, zažádal v roce 1768 Marii Teresii o propůjčení panského stavu a inkolat v Českém království. Odvolával se při tom na své zdokumentované vojenské hrdinné činy a příkladné plnění povinností. Byť byla žádost zamítnuta, 13. 1, 1769 ve Vídni byl Bienerovi propůjčen rytířský titul, a jeho rodový erb obohacen. Od té doby se také Biener může označovat přídomkem z Bienenberka. Slib věrnosti složil o osm dní později, v české dvorské kanceláři. Za své heslo si zvolil latinské Melior post fata resurgo!, což v češtině znamená Vzestup po činu obnovitelském. Po povýšení do rytířského stavu Biener opouští armádu a vstupuje do civilní služby v Litoměřickém krajském úřadě jako adjunkt. Biener tak zůstává ve městě, kde byl již jeho rod znám a působil už třetí generací. Oproštěn od vojenských povinností, začíná se Biener věnovat archeologii. Začal sbírat listiny, údaje, starožitnosti, stejně jako všechny možné hmotné artefakty. Staré mince, zbraně, umělecká díla jako malby, obrazy, ozdoby a šperky, stejně jako nápisy, stejně jako nalezené popelnice vykopané na starých pohřebištích. Zvláštní zájem přitom Biener projevoval právě o nálezy, které byly vykopány na exkavacích. Kdykoliv zjistil, že v okolí vykopávky probíhají, buď sám, nebo skrze odborníky na místě získával znalosti o vykopaných artefaktech a zjištění informace dokumentoval a pečlivě schraňoval, stejně jako nalezené předměty. Bienera nezajímaly tedy pouze nálezy a zjištěné informace, zároveň měl 11

21 značný zájem, aby se tyto předměty dostaly do odborné péče a nadále nepodléhaly rozkladu. Taková metodika práce vyžadovala mnoho času stráveného na cestách, a právě v tom Bienerovi vždy velmi pomáhalo jeho zaměstnání. Když ještě jako člen Wolfenbüttelského pluku cestoval do různých měst za účelem jejich opevnění a stavby fortifikací, nejen že měl možnost získávat informace o proběhnuvších vykopávkách v okolí, ale samotná stavba opevnění mnohdy odkryla nálezy, které Bienera velmi zajímaly. Jako zaměstnanec krajského úřadu v Litoměřicích se pak Biener často účastnil zakládání staveb, stavby silnic a jiných událostí, kdy měl sám osobně příležitost se vykopávek účastnit a schraňovat důležité nálezy. Zároveň se věnoval osvětě, kdy na tyto nálezy upozornil a vysvětloval jejich význam, čímž zachránil mnoho nálezů před zničením. Jako příklad slouží nález v let 1769 a 1770, kdy se na poli rychtáře z Varvařova nalezlo několik popelnic, některé z nich Biener sám vykopal a uschoval. 7 Po zjišťování okolností nálezu zjistil, že podobný nález se udál již v roce 1745, nicméně všechny nálezy byly zničeny. Téhož roku se u Jaroměře nalezlo šest kovových soch pohanských bohů a měděné a stříbrné mince. Biener se obrátil na místní odborníky a zjistil, že nálezy byly prodány místnímu zvonaři, který tyto nálezy již přetavil a použil jako surový materiál pro nový zvon. Tato příhoda zůstává jako memento toho, s čím se Biener musel potýkat, když chtěl zajistit přežití nálezů a dobrou péči o ně. Podobný případ se nevyhnul i Hradci Králové, kdy při založení pevnosti Hradec Králové roku 1768 před Mýtskou bránou, a o čtyři roky později na Kapounce byla objevena žároviště, v nichž byly nalezeny popelnice a hliněné nádoby s pozůstatky kostí a starožitnostmi. Karel Sklenář v publikaci Učenci a pohané hodnotí Bienerův zájem o tyto nálezy:... blízkost hřbitova s kostelem sv. Jakuba jej v tomto případě přivedla na myšlenku, že již první křesťané pohřbívali na tomto místě, aby nebyli příliš daleko od hrobů svých pohanských rodičů a přátel. Potom přechází k jiným podobným nálezům, které znal ž Čech. Začíná hroby u Bžan na Teplicku, kde se už několikráte našly hlinění misky a popelnice, poznámka některé z nich jsem v roce 1770 sám 7 Byť se v Dějinách Biener ke své vlastní osobě příliš nevyjadřuje, je v některých pasážích možné rozpoznat, že některé nálezy sám vykopal. Jako příklad může sloužit úryvek z prvního dílu Dějin, kde se vyslovuje ke starým germánským a slovanským pohřebištím: V některých popelnicích jsem objevil zároveň na popelu pod víkem jednotlivé jehly různého tvaru, zlaté, měděné, mosazné, nebo z kovu podobného korintské rudě, stočený měděný drát, články řetězu, kroužky, měděné kousky rozežrané k nepopsání rzi, a nezřídka i různé druhy kaménků. (Biener 1780: 15). 12

22 vyzdvihl je tu neobyčejně důležitá. Svědčí o tom, že Bienenberk už tehdy pravěké starožitnosti nejen sbíral, nýbrž i přímo vykopával. Byl to právě Biener, kdo na podobné nálezy upozorňoval a chránil je před zničením. Problematika lhostejnosti k nálezům jakožto dílům z dob minulých, které mohou nést velkou historickou a kulturní hodnotu, byla Bienerovi tedy dobře známá. Nekritizoval tedy jen prostý lid, který mnohdy neměl ani potřebné vzdělání pro docenění hodnoty nálezů, ale také učené a vzdělance, kteří by dokázali rozpoznat hodnotu zachráněného materiálu, bránila jim ale jejich lhostejnost vůči této kulturní ztrátě. Za účelem osvěty sepsal Biener list vyslovující se k významu těchto nálezů ve kterém zdůvodnil vysokou hodnotu takových nálezů a nabádal k jejich pečlivému zachování. Tento list nechal vytisknout u Františka Pubičky, soudobého historika a vydavatele Chronologische Geschichte Böhmens. Na svou dobu v něm Biener uvádí i poměrně inovativní řešení systematické exkavace nálezů. Vcelku by nebylo možno navrhnout žádný vhodnější způsob pro zachycení dějin vlasti než ten, že by veřejné instituce nákladem, který nemohou nést jednotlivci, daly prokopat místa v krajině dosud podezřelá a pahorky...; vypsáním ceny by byla učiněna přítřž prodeji těch vzácností, které se často náhodně dostanou do rukou prostých lidí. 8 Jako jeden z příkladů v tomto dopise uvádí Biener výše zmíněný nález měděných sošek bohů a mincí, které byly prodány bez ohledu na možnou historickou hodnotu 9 (Archeologie na dosah 2014; Sklenář 1974: 35). 8 Sklenář 1974: K ničení cenných archeologických nálezů se Biener vyslovuje i v samotných Dějinách Hradce Králové. K výkopovým pracím při stavbě hradecké pevnosti: Ujišťovali mne, že tam byly nalezeny ještě jiné věci, jako šípy, rukověti dýk, oštěpy /40/, z čehož jsem nic neviděl, ačkoliv jsem nešetřil ani námahy ani vydání. Tyto všechny věci byly již před mým příchodem rozházeny a jako ztrouchnivělé a bezcenné neobratnýma rukama zlámány, ohnuty, zničeny a zahozeny. Týmž způsobem došlo k nenahraditelné škodě při mincích a domácích bůžcích /lares/, z nichž také několik bylo vykopáno. (Biener 1780: 16). 13

23 1.4 Civilní služba a archeologické publikace Stejně jako svou vojenskou službu, vykonával Biener i civilní službu příkladně. Známý jako nestranný a rázný, za implementaci nařízení o konskripci v roce 1770 a při vypracování opatření s cílem zmírnit chudobu obyvatelstva v letech si vysloužil v roce 1775 jmenování Královéhradeckým krajským hejtmanem. Pozice se Biener ujal v srpnu téhož roku. Šlo o obtížný úkol, jelikož jako v předchozích letech, panovala v zemi chudoba a od počátku roku 1775 dokonce probíhající sedlácká revolta. Prvním úkolem Bienera bylo obnovit zákonný pořádek, a následně spolupracovat s dvorskou komisí generála Wallise, který objížděl jednotlivé kraje s úkolem sjednotit a urovnat robotní záležitosti. Nelehký úkol Bienerovi kompenzoval fakt, že účast na cestách s touto komisí po celém kraji mu umožnil shlédnout velké množství památek a pamětihodností, které se v zemi nalézaly, stejně jako kláštery, fresky v kostelech a domácnostech, ale i archívy. Veškeré nálezy a památky přitom popisoval, přepisoval listiny, uchovával otisky pečetí. Když to bylo možné, tyto nálezy sám schraňoval. Za tímto účelem měl k dispozici několik spolupracovníků, kteří pro Bienera tyto nálezy aktivně vyhledávali, kupovali a následně jemu předávali. Na konci sedmdesátých let osmnáctého století měl tak již Biener velkou sbírku uměleckých děj zahrnující obrazy, popelnice, zbraně, mince, pečeti, listiny přepsané i původní. Právě v nelistinných předmětech spatřoval Biener velký význam, jelikož nejen že v té době jim bylo věnováno minimum pozornosti a byly jen málo prozkoumávány, navíc také poskytovaly podle Bienera významné svědectví o způsobu života a zvycích v minulosti. Především pak šlo o archeologické nálezy, které se rozhodl publikovat. V roce 1778 vydal Biener Versuch über einige Alterhümer in Königreich Böhmen, což byl unikátní soubor soupisů pravěkých archeologických nálezů v Královéhradeckém kraji a seznam čtrnácti lokalit, ve kterých vykopávky probíhaly. 10 Unikátní bylo dílo především proto, 10 Zkoumání pravěkého osídlení Hradce Králové věnuje Biener v Dějinách značný prostor. V prvním dílu Dějin jsou tomuto tématu vyčleněny tři desítky stránek, od strany 4 po stranu 34. Biener rozebírá historické prameny k tomuto období, kdy se velmi důkladně věnuje informacím od všech možných historiků a jejich spisů, provádí ale i svědomitou kritiku jejich závěrů a zkoumá, z jakých zdrojů mohly pocházet informace těchto starodávných badatelů, a vzájemně je konfrontuje. Zároveň zkoumá historické pozadí vykopaných popelnic a pohřebních zvyků Slovanů, které byť v tomto místě slouží pouze pro dokreslení historického vývoje, autor se na tyto nálezy nadále ještě několikrát odvolává v pozdějších místech Dějin, kde navazuje na analýzu archeologických nálezů. Právě toto skloubení faktografických znalostí, kritické práce se zdroji a výsledků vlastních archeologických 14

24 že se jednalo o první svého druhu v Čechách. Publikace obsahovala i náčrty a obrázky nálezů, Biener se navíc ze zjištěných informací pokoušel u jednotlivých nálezů i odhadovat stáří. Jelikož se shledala s velkým úspěchem, chtěl Biener co nejdříve vydat druhý díl. To se mu nicméně povedlo ale až o rok později, tedy v roce Důvody pro zdržení byly dvojí, a oba byly spojeny se zhoršením pracovních podmínek. Prvním byla válka, jelikož se kvůli probíhající válce o bavorské dědictví muselo Královéhradecké krajské sídlo přestěhovat do Hořiněvsi. Druhý důvod byl konflikt s velitelstvím Hradecké pevnosti, které vyjímalo z hejtmanových pravomocí skoro celé město Hradec Králové, čemuž také částečně napomohl již zmíněný přesun krajského sídla. V roce 1779 tedy vydává druhý díl, který obsahoval popis jedenácti lokalit a navíc popis pohanských nádob nalezených u Hradce Králové. Právě v této době se Biener věnoval i sběru dat a údajů o Hradci Králové, sbíral a opisoval listiny, zaznamenával archeologické nálezy a sbíral všechny zápisy o městě v kronikách a zemských deskách. Tyto jeho motivy pomáhá osvětlit věta z úvodu Dějin Hradce Králové, kde píše: Město, které často změnilo svou tvářnost, časem bylo zbaveno svých rozlehlých předměstí, samo stálo na pokraji zániku nebo celkové přestavby, zaslouží mé úcty v tom, aby památka jeho byla potomstvu předložena, nebo aspoň její stín byl uchován. 11 Z toho lze usuzovat, že Biener, sám zručný a znalý stavitel fortifikací, vnímal královéhradeckou pevnost jako možnou hrozbu pro město jako takové, a k městským památkám proto přistupoval z obav o jejich osud stejně, jako k jiným historickým nálezům. Za pravdu mu dává i historie stavby fortifikací v Hradci Králové, které se sám účastnil. Vždyť jen kvůli stavbě Hradeckého opevnění, na kterém začaly práce v roce 1766, musely být zbourány celé dvě předměstí, Pražské a Mýtské. Navíc musel být vytěžen i kopec Rožberk. Nejen protože stavitelé potřebovali zeminu pro stavbu opevnění v centru města, navíc by takový kopec mohl poskytnout vhodnou polohu obléhatelům pro ostřelování města. Tato Bienerova obava tedy nebyla neopodstatněná. K nashromážděné sbírce Hradeckých artefaktů, listin a pamětihodností pak přichází žádost Bienerova přítele, kanovníka v Hradci Králové Ferdinanda Želízka z Turova, který se na Bienera obrací s prosbou prací je základem Bienerovy důkladnosti při vysvětlování významu mnohých nálezů a nápisů, které se ve všech knihách Dějin nacházejí. 11 Biener 1780: 3. 15

25 sepsat alespoň stručně dějiny města (Infocentrum Slaný 2014; Pumprla 2010: 111, Rybička 1859: ). Obrázek 1 Mapová příloha Hradce Králové. BIENER K., J. JEŘÁBEK, F. Geschichte der Stadt Königgratz Vložený list. S laskavým svolením pracovníků MVČ. 1.5 Dějiny Hradce Králové Než ale mohl této žádosti vyhovět, musel se Biener přestěhovat. V listopadu roku 1779 byl totiž na svou žádost jmenován hejtmanem Kouřimského kraje a musel se přesunout do Prahy. Nešlo přitom pro Bienera o snadné rozhodnutí, jelikož právě v Královéhradeckém kraji dostal své historické a archeologické zájmy a dovednosti na vysokou úroveň. Nejen účast na vykopávkách, ale i samotné přesuny zeminy, ke kterým při stavbě pevností docházelo, často odkrývaly archeologické nálezy až z pravěku. Jelikož vykopávky prováděly vojenští stavitelé, neměli i nalezené předměty velký zájem a Biener byl často jediný kdo svému okolí vysvětloval význam nalezených předmětů.. Právě na těchto pracích se ukázal jako šiřitel osvěty v péči o archeologické nálezy. Začal také nálezy kreslit a zaznamenávat. Jeho práce však byla těžká a právě vojenská pevnost mu, jak bylo uvedeno výše, činila mnoho problémů. Stejně jako před stěhováním v Hradci Králové, i po přestěhování do Prahy věnoval Biener veškerý svůj volný čas 16

26 archeologickým nálezům a snaze dokončit již rozpracované Dějiny Hradce Králové. Jejich první díl vydal za rok po přestěhování, tedy v roce Kniha vyšla pod jménem Geschichte der Stadt Königgratz, a obsahovala chronologicky seřazené dějiny Hradce Králové od nejstaršího osídlení až do rok Přiloženy k dílu byly také mnohé listiny týkající se dějin a privilegií města a obrázky starožitností. Kniha kladla důraz na popsání historických a příčinných souvislostí dějin, zabývala se i pověstmi a kde to jen bylo možné, věnuje se i popisu vnitřního chodu města, například ustanovení daní nebo stavby fortifikací. Ke Královéhradeckému kraji se Biener navrátil i v dalších publikacích. Zpracoval a v roce 1782 také vydal dějiny města Dvora Králové, a to pod názvem Versuch einer kurzgefassten Geschichte der Stadt Könignihof, což byla publikace obsahující třicet listin vztahujících se k dějinám města. Pozornost Bienera také zaujala i osoba Gabriela Svěchiny z Paumberka. Gabriel Svěchin byl královéhradecký městský písař na konci šestnáctého a počátku sedmnáctého století, a jak si jistě mohli povšimnout čtenáři druhého a třetího dílu Dějin Hradce Králové, věnoval Svěchinovým textům mnoho prostoru, jelikož mnohé jeho latinské texty jsou přímo otisknuty v knize v původním znění. Pozornost mu věnoval nejen na stránkách Dějin, ale i v publikaci s názvem Gabrielis Svěchini de Paumberg epigrammata nonulla, cum animadversionibus quibusdam historiam Bohemiae litterariam illustrantibus, která obsahuje právě Svěchinovy texty, stejně jako jeho životopis (Biener 1790: 126, Biener z Bienenberka 1780: 1-2; Rybička 1859: , Karl Joseph Biener von Bienenberg 2014). Byť takto publikačně vytížen, přesto Biener pokračoval ve sbírání znalostí, pamětihodností a listin, k čemuž využíval četné pražské archivy, knihovny a soukromé sbírky, stejně jako zemské i dvorské desky a stavovský archiv. Dalším významným impulsem pro rozšiřování Bienerovy archeologické sbírky bylo rušení mnohých klášterů a řádu na počátku osmdesátých let osmnáctého století. Jako komisař s úkolem dohlédnout na rušení mnoha těchto institucí a prodej jejich majetku, Biener opět cestoval a tato místa osobně navštěvoval. Následně se sháněl po listinách a historických dokumentech vážícím se k daným institucím, procházel jejich inventáře a sbírky a sám je často nakupoval a třídil. Postupně tak získával další a další exempláře, znalosti a soupisy, které zužitkoval pro další dvě vydání 17

27 starožitností království českého, které poprvé vyšly v roce Třetí díl se věnoval nejstarším nalezeným náboženským předmětům a zbraním na Královéhradecku a Kouřimsku, konkrétně v 10 městech a obcích. Dílo obsahovalo i náčrty střelných zbraní a starožitností. Ve stejném období připravoval i čtvrtý díl, který měl být věnován dějinám křížového řádu v Čechách, nicméně osobní spory a pomluvy, se kterými se Biener setkal, jej utvrdily v přesvědčení práce na tomto dílu pozastavit a vydávání této série ukončit. Teprve po naléhání se nechal přesvědčit a práce vydal. Třetí díl vyšel v roce 1785 v Praze, čtvrtý pak o rok později (Infocentrum Slaný 2014; Pumprla 2010: 111). 1.6 Druhý díl Dějin a smrt V těchto letech Biener také rozšiřoval vlastní majetek. V roce 1789 koupil zříceniny staré tvrze ve městě Jílové u Prahy. Tu nechal zbořit a na jejím místě postavil nový hrad, zvaný Včelní Hrádek. V tomto hrádku, který byl v roce 1990 zbořen a ze kterého jsou dnes patrné již jen základy, nechal Biener postavit kapli zasvěcenou sv. Prokopovi, do které uložil jeho ostatky. Biener se totiž v roce 1786 účastnil likvidace sázavského řádu sv. Prokopa, a jako již několikrát předtím, osobně zakoupil část jeho inventáře. Konkrétně se jednalo například o gotickou bronzovou monstranci nebo obraz a ostatky právě sv. Prokopa. Tyto ostatky později uložil právě do kaple zasvěcené tomuto světci. Biener mu o několik let později věnoval i dvě publikací, v roce 1795 v Praze vyšla historie Sázavského kláštera pod jménem Sazawa oder st. Prokop, v roce 1796 pak velmi obsáhlý životopis sv. Prokopa pod jménem Biografie des heil. Abtes Prokop nebst der Geschichte seines Klosters. Ve stejné době pracoval i na druhém dílu Dějin Hradce Králové, který vydal v roce 1790 a který zachycuje historii města od roku 1526 až do 1767, tedy do doby, kdy v Hradci Králové Biener působil při stavbě opevnění. V tomto díle je mimo historie města i mnoho Bienerových poznámek a očitých svědectví z válečných událostí, kterých se sám přímo účastnil. Mnoho prostoru je věnováno také popisu následků, které měly tyto boje na stav města Hradce Králové. 12 Kniha 12 V Dějinách popisuje Biener všechny tyto události velmi barvitě a na mnoha stránkách, uvádí přitom mnoho podrobností, které dávají prostor si události nejen barvitě představit, ale poskytují i důležité informace o tehdejším stavu a rozvoji města. Jako příklad může sloužit vypálení Hradce Králové v roce 1762 Prusy: Tři Čtvrtiny města čili 160 domů a čtvrtina Mýtského předměstí, t.j. 30 domů, lehly popelem, když ani ne 50 lidí, děti v to počítaje, nezůstalo ve městě a ze strachu před 18

28 byla vytištěna u Bienerova přítele, rytíře Jana Ferdinanda ze Schönfeldu, kterému je na začátku knihy vepsáno věnování (Archeologie na dosah 2014; Včelní hrádek 2014). Ačkoliv Biener velmi aktivně publikoval, své zaměstnání Kouřimského hejtmana přitom nezanedbával. Stejně jako v době svých pilných studií v Litoměřicích a následně v armádě, svědomitým plněním pracovních povinností na sebe Biener přitahoval pozornost svých nadřízených. Za to se mu v roce 1792 dostalo odměny, když byl díky přímluvě nejvyššího purkrabí, hraběte Nostice, pasován na rytíře při příležitosti korunovace Františka II. za českého krále. Bienerův sen být povýšen do panského stavu v českém království, o což usiloval již zhruba třicet let od počátku šedesátých let, se mu splnil ale až o několik let později. V roce 1794 žádal o povýšení do panského stavu v českém království, což po přímluvě nejvyšších zemských úředníků stvrdil císař František II. ve Vídni, a to s datem Zároveň taxy za povýšení do panského stavu byly povoleny splácet ve splátkách. Než ale mohly být všechny splaceny, umírá Biener ve svých 67 letech dne Jelikož Bienerova žena Alžběta nemohla po jeho smrti zbývající částku doplatit, bylo nakonec Bienerovo povýšení zneplatněno (Rybička 1859: 211). Biener po sobě zanechal čtyři děti. Syna Františka Josefa a trojici dcer Aloisii, Gabrielu a Karolinu. František Josef se stal krajským komisařem v Haliči, kde ale bezdětný v roce 1832 zemřel, čímž po meči vymřel i celý Bienerovský rod. Bienerova pozůstalost a četné sbírky byly rozprodány. Většinu koupil výše zmíněný Jan Ferdinand ze Schönfeldu, který následně nadále rozprodával jednotlivé části sbírky různým zájemcům. Menší části skoupili čeští zájemci o českou historii, například Josef Dobrovský, některé starožitnosti se dostaly do Vídně k baronu Dietrichovi. Bienerův přínos zkoumání historie je pak především dvojí. Prvním je přínos rozvoji české archeologie. Označován jako jeden z prvních českých archeologů, nejenže vydával série zaměřené na archeologické nálezy a lokality, zároveň prováděl i osvětu s cílem pomoci rozvoji archeologie jako systematického zkoumání vlastní historie. Druhým přínosem je pak samotná práce historika. Mnohé kozáky odtud uteklo. Ti ale, kteří nemohli před lupiči utéci, byli nejen o všechno oloupeni, ale i ranami častováni, ženy zhanobeny a týrány. Všechny domy prohledány a vydrancovány jsou. (Biener 1790: 208). 19

29 materiály, se kterými Biener pracoval, tedy různé listiny, výpovědi, svědectví nebo hmotné předměty již z různých důvodů nejsou dostupné. Ať již kvůli fyzickým poškozením, úmyslné destrukci památek nebo špatným skladovacím podmínkám mnoho původního materiálu už není k dispozici. Bienerova historická práce tedy zůstává často jedinou výpovědí o událostech a nálezech, ze kterých je v dnešní době možné čerpat (Víšková 2011). 20

30 2 OCR software Tato kapitola má za cíl popsat OCR, jeho vývoj a metody, kterými pracuje. Historie OCR, byť nespadá přímo do záměru práce, je výborným příkladem toho, jak historický vývoj může ovlivnit jeho dnešní stav. Mnohé metody používané u první či druhé generace OCR jsou využívány do dnešních dní, a mnohdy bohužel trpí i stejnými nedostatky, se kterými se musí obsluha programu vyrovnat nyní stejně, jako tomu bylo v minulosti. Také kapitola obsahuje popis metod, které OCR programy ke své práci využívají. U většiny se však práce nepouští do popisu hlubších algoritmů pro jejich vykonávání, a to z důvodu změn, ke kterým na tomto poli dochází. Zatímco hrubý popis principu fungování zůstává více méně konstantní i po desítkách let, konkrétní algoritmy se mění jak program od programu, tak v některých případech rok od roku. Větší pozornost je věnována především rozpoznávání vzorců, jelikož jde o nejstarší, přesto do dnešní doby používanou metodu k přepisu textu. OCR programy se dnes velmi rychle vyvíjejí, což je dáno především bohatým trhem, na kterém se mohou programy uplatnit. OCR software lze v dnešní době najít i pro mobilní a smart zařízení 13, což v minulosti nebylo kvůli špatnému výkonu těchto přístrojů možné. Porovnáním takové velikosti trhu s jednotkami tisíc kusů zařízení a programů ročně, které se tímto tempem prodávaly, až do devadesátých let ukazuje, že vývoj v této oblasti je dynamický. Jak bude také zmíněno v kapitole věnované metodám OCR, nejen že je daný program nemusí například využívat všechny pomůcky pre-processingu, ale díky svým nevýhodám je mnohdy třeba upravit nastavení pro specifický druh úkolu či textu. Co tedy platí pro jeden program, nemusí platit pro jiný, případně pro OCR sotfware pro mobilní zařízení. Na rozdíl od tohoto jsou základní principy těchto metod již desítky let ustálené a mají trvalejší hodnotu (Stone 2005: 117). 2.1 Historie OCR Tato podkapitola je věnována historii OCR. Jeho dnešní podoba totiž vychází právě z historického vývoje, kterým tyto programy prošly. Nepočítaje první pokusy o vytvoření stroje schopného číst psané či tištěné písmo, většina OCR produktů byla zamýšlená jako komerční produkce, a proto dnešním možnostem 13 Tímto jsou myšleny především zařízení typu tablet, smartphone nebo konvertibilní zařízení. 21

31 bohatého rozšíření OCR vděčíme především příznivé situaci na trhu informačních a komunikačních technologií v posledních třiceti letech více, než čemukoliv jinému. Jak bude ukázáno níže, právě komerční povaha produktu se podepsala na podobě, kterou OCR před a v době nástupu osobních počítačů v osmdesátých letech dvacátého století měla, a tento trend pokračuje do dnešních dní. Zároveň u OCR zařízení je možné sledovat i hardwarový vývoj. První tři generace totiž byly samostatná zařízení, zatímco dnešní OCR je k dispozici jak ve specializovaných zařízeních (například čtečky poštovních směrovacích čísel na poštách), tak především jako software. Na konci kapitoly bude nastíněn stav dnešních, moderních OCR programů (Anuradha 2009: 12) Původ OCR Jak každý zájemce o OCR již určitě ví, původ OCR přiřazuje většina autorů vědeckých publikací různým vynálezcům a inovátorům do různých roků, často se přitom míjejí až o desítky let. Problémem je totiž v první řadě identifikovat, co je oním počátkem OCR technologie. První nápad mechanicky či strojově číst text je nepochybně starý a dnes již nedohledatelný, navíc mohl snadno napadnout každého, kdo se jen trochu zabýval možnostmi strojů, ale díky nedostatečnému technickému rozvoji neměl možnost své nápady rozvinout. V historii jsou však zjistitelné pokusy a snahy vytvořit zařízení, která jsou buď integrálními součástmi OCR zařízení a později softwaru, případě se v nějaké podobě přímo věnují mechanickému přečtení textů. Někteří autoři počátek OCR umisťují již do sedmdesátých let devatenáctého století, kdy vynálezce C. R. Carey vynalezl první retinový scanner, což bylo jednoduché zařízení, které přenášelo obraz za použití mozaiky pravidelně umístěných fotobuněk. Dvacet let po něm vynaleznul P. G. Nipkow první sekvenční skener, tedy zařízení, které četlo záznam postupným načítáním z připraveného disku. Tím byly položeny technické základy pro strojové snímání psaného textu. Toho využil v roce 1914 vynálezce Emanuel Goldberg, který vytvořil přístroj schopný přečíst písmena a převést je do telegrafního kódu. Ve stejné době vzniknul také první přenositelný přístroj, který jeho tvůrce Edmund Fournier d'albe nazvat optofón. Nešlo o nic jiného než jednoduchý ruční skener, který při přiblížení přečetl písmeno a vydal zvuk, který byl jednotlivým písmenům 22

32 přiřazen. V té době se také začalo uvažovat o OCR jako o zdravotní pomůcce, která by dokázala zrakově postiženým pomoci přečíst nápisy či dokonce knihy. Nicméně OCR tak, jak je známe dnes, muselo se svým rozvojem počkat až do vynálezu a rozšíření digitálních počítačů po polovině čtyřicátých let dvacátého století. Od té doby se vývoj OCR zaměřil především na nabídnutí produktů pro komerční sféru. Všechny tyto OCR přístroje byly odlišné od našich dnešních OCR softwarů v tom, že šlo o zařízení, která obsahovala i vlastní scanner a výpočetní jádro, které provádělo přepis. Po zavedení počítačů do praxe pak bylo toto zařízení připojeno k počítači, do kterého exportovalo své výsledky. Dnešním ekvivalentem takového zařízení by pak byl scanner, který sám dokáže přepsat text. Skenery jako takové však díky standardizaci výroby a obecnému technologickému pokroku od osmdesátých let dvacátého století začaly klesat na ceně a dnes je najdeme běžně například i ve stolních tiskárnách. V době svého počátku bylo totiž samotné naskenování dokumentu značným technickým problémem, který však již dnes není s rozšířením skenovacích zařízení a digitálních verzí dokumentů a rozličných formátů takovým technickým problémem, jakým bylo na počátku. Proto se dnes setkáváme s OCR softwarem, tedy programem, který pracuje s digitální verzí dokumentu. Nejblíže původním OCR zařízením jsou pak tzv. chytré scannery, které umožňují naskenovaný dokument převést do některého z dostupných formátů (Eikvil 1993: 8-9, Mori a kol.1992: 1029) První generace OCR První komerční OCR programy se začaly objevovat v šedesátých letech dvacátého století, a jde o tzv. první generaci. Tato první generace je typická tím, že dokáže přečíst jen konkrétní tvary písmen, což se v praxi projevovalo unikátními, specifickými fonty, se kterými dokázaly programy pracovat. Jako příklad mohou sloužit programy Farrington 3010 nebo IBM Farrington 3010 používal speciální font s názvem Selfchek 12F,7B. Font obsahoval pouze základní sadu znaků, tedy písmena, čísla a jen omezené množství speciálních znaků. Právě IBM 1418, který byl k prodeji uvolněn 16. září 1960, byl prvním skutečně komerčním programem prodávaným za účelem vytvoření zisku. IBM, technologický gigant nesmazatelně spojený s rozvojem výpočetní techniky jako 23

33 takové, rozpoznal již v počátcích vývoje značný komerční potenciál, který technologie OCR měla. IBM 1418 používal také vlastní font s označením 407, a samotný přepis textu probíhal metodou porovnávání vzorců. IBM 1418 také obsahoval technologii positional relationship, což byl způsob, jakým program rozpoznal návaznost písmen a slov za sebou i v jiných formátech. Šlo tedy o prvotní pokus o segmentaci, které je věnován vlastní prostor v podkapitole věnované metodám OCR. Cílem bylo zajistit, že program bude s to přečíst i velmi rozdílně psané dokumenty, například s netradičními okraji nebo záhlavím, a bude schopný tyto znaky rozpoznat jako navazující a souvislé věty, což byl základ pro komerční užití IBM1418. První generace totiž nejen že uměla číst pouze vlastní fonty, zároveň ale jen obtížně pracovala s netradičně naformátovanými textovými dokumenty. Právě tento problém se IBM pokoušelo vyřešit. Rozvoj OCR pokračoval u společnosti IBM verzemi 1428, 1285, které vyšly na počátku šedesátých let. Ve stejném období se problematice OCR věnovala i řada technologických společností z Japonska. Ty pracovaly především na vývoji stroje, který by dokázal přečíst obrázkové písmo kandži. Na rozdíl od západních společností, které se zaměřovaly na přepis pomocí metody porovnávání vzorců, se tyto společnosti zaměřily na metodu analýzy tahů. OCR vyvíjely například společnosti Fujitsu, Hitachi či NEC. Právě OCR od společnosti NEC, N240D-1, byl ve svých principech velmi podobný produktům soudobým IBM a dokonce dokázal přečíst i font 407 (Anuradha 2009: 12, Mori a kol. 1992: 1048). Problematika rozdílných fontů pro různá zařízení byla jedním z témat, které se ke konci vývoje první generace OCR začaly řešit na systémové úrovni. Cílem těchto snah bylo vytvořit takový font, který bude bez problémů čitelný jak tehdejšími OCR přístroji, tak lidmi. Výsledkem byl font OCR-A, který v roce 1968 schválil American National Standards Institute. Byť byla potřeba pro takovýto font překonána již za několik let po jeho vytvoření, font nezaniknul a je používán do dnes. Zatímco OCR-A byl font vyvinutý a užívaný ve Spojených státech amerických, výrobci OCR zařízení v Evropě pracovali na vlastním fontu, který jejich zařízení četla. Důvodem byla rozšířená sada znaků, které mnohé evropské jazyky potřebovaly, ale v americkém standardu se nenacházely. Standard se jmenoval OCR-B, byl vyvinut taktéž v roce 1968 a schválen European Computer 24

34 Manufacturer's Association. Světově byl uznán pak o pět let později, v roce OCR-B je v porovnání s americkým standardem lépe čitelný pro lidské oko, intuitivnější a na rozdíl od omezeného užití OCR-A v dnešní době se OCR-B používá například pro čárové kódy standardu UPC a EAN (Dočkal 2014: 3). Obrázek 2 Ukázka OCR-A (vlevo) a OCR-B (vpravo). Jak je vidět, OCR-B obsahuje mnohem více speciálních znaků, které v americkém standardu chybí. Zdroj: ct.mob0.com; Druhá generace OCR Druhá generace OCR se zaměřila na čtení ručně psaných textů. Tato generace se začala objevovat v polovině šedesátých a na počátku sedmdesátých let. Poprvé se začala prosazovat v Japonsku, kde první stroje této generace sloužily pro čtení ručně psaných poštovních směrovacích čísel na poštovních zásilkách. To je aplikace, ve které se OCR systémy využívají dodnes. První úspěšnou společností na tomto poli byla Toshiba, která uspěla pomocí metody strukturní analýzy, což je předchůdce strukturálního přístupu při extrakci vlastností znaků. O dva roky později se obdobný úspěch podařil i společnosti NEC, který taktéž vyvinul automatický třídič pro čtení poštovních směrovacích čísel. NEC přitom použil metodu sledování toků, kdy bylo načtené číslo nejprve zvětšeno na požadovanou velikost, a následně čteno pixel po pixelu v mřížce 6x10. Tento přístup se společnosti osvědčil a NEC dále svůj produkt vyvíjel, vrcholem tohoto přístupu pak byl stroj NAS50 z roku Ten dokázal číst tištěná písmena abecedy z rozdílných fontů. Pro čtení písmen používal již ověřenou metodu porovnávání vzorců, pro čísla pak používal nadále zdokonalovanou výše popsanou metodu s rozšířením pixelové mřížky na 16x20 pixelů. Byť první verze dosahovaly přesnosti zhruba 60%, v sedmdesátých letech dosáhla přesnost nad 90% (Mori a kol. 1992: 1048). 25

35 2.1.4 Třetí generace OCR Třetí generace OCR systémů se začaly objevovat v polovině sedmdesátých let dvacátého století. Cílem bylo vyvinout především takové zařízení, které dokáže přečíst špatné kvality nebo dokumenty poškozené, psané ručně či velké, nestandardní formáty papíru. To vše mělo být připraveno pro zákazníky za přijatelnou cenu, což umožnil tehdejší rozvoj hardwarové výroby. Zaměření třetí generace na rozvoj čitelnosti bylo odlišné od dvou předchozích z toho důvodu, že zásadně nerozšiřovalo množství fontů, které zařízení dokázaly přečíst. Orientace na cenu a relativně vysoký výkon těchto zařízení byla způsobena tehdejší situací na trhu informačních technologií. Masový rozmach osobních počítačů a různých druhů tiskáren přišel totiž až v osmdesátých letech. V sedmdesátých letech tak stále převažovaly dokumenty psané na psacích strojích a v menší míře pak psané ručně. Množství fontů, které psací stroje využívaly, bylo omezené a OCR zařízení stačilo mít možnost přečíst jich jen několik, za to se velmi hodila schopnost přečíst papír například poškozený nebo ohnutý, což byly časté defekty při psaní na stroji nebo vzniklé špatnou péčí o dokumenty. Právě dokumenty psané na stroji byly následně převáděny pomocí OCR zařízení do počítače na finální úpravu. Třetí generace tedy přesně reflektovala tehdejší situaci na trhu informačních technologií (Anuradha 2009: 13; Mori a kol. 1992: ) Moderní OCR Ačkoliv jsou OCR přístroje komerčně dostupné již zhruba šedesát let, jejich komerční úspěch nebyl v prvních desetiletích velký. Ještě v osmdesátých letech se těchto zařízení prodávalo pouze v jednotkách tisíc, a to celosvětově. V devadesátých letech přišel rozvoj dostupnosti hardwaru jako například skenerů a tiskáren, a jednotky tisíců bylo množství, které se prodávalo každý týden. Získat data v o prodejích dnešní době je problematické, jelikož trh je velmi konkurenční a tato data jsou součástí obchodního tajemství každé společnosti. O rozšíření OCR softwaru se ale v dnešní době může přesvědčit každý, kdo se podívá například na nabídky internetových obchodů. Desítky programů v různých cenových hladinách, od jednotek po stovky dolarů za licenci, a OCR software lze již dnes najít i v obchodech mobilních zařízení, jako je například Google Play nebo App Store (Borovikov 2004: 8; Drinkwater a kol. 2014: 17). 26

36 Oproti předchozím generacím, moderní OCR se nepotýká s konkrétním problémem či technickým omezením, který se snaží řešit, a dochází ke komplexnímu rozvoji schopností programů. Tomu napomáhá i již výše zmíněná realita trhu, kdy na rozdíl od předchozích generací nemusí zařízení řešit konkrétní problém, aby se vůbec mohlo na trhu uchytit, ale velké rozšíření digitálních dokumentů a potřeby takové dokumenty převádět mezi různými formáty velmi napomáhají rozšíření OCR softwaru. Technický pokrok pomohl vyřešit i problém nedostatku výpočetního výkonu, jelikož OCR zařízení musely mít vlastní výpočetní hardware. Dnes tato situace již nehrozí, dostatek výpočetního výkonu mají jak například mobilní zařízení typu smartphone nebo tablet, tak i samotné scannery či univerzální tiskárny (Dočkal 2014: 18, McNamara 2006: 54). Čtecí schopnosti programu se pokoušejí co nejblíže přiblížit lidskému vnímání a rozpoznávání. Cílem totiž je, aby byly programy schopné přečíst například i velmi poškozené či záměrně upravené dokumenty, které lidské oko dokáže přečíst, ale dosavadní programy mají problém díky principům přepisu toto dokázat. Typickým příkladem takového problému je tzv. captcha, která se dnes využívá na internetových stránkách především k ověření, že návštěvník je fyzická osoba a ne například bot či malware. Zatímco člověk dokáže v takovém textu identifikovat jednotlivá písmena a slova za účelem ověření je přepsat, programy mají problémy text přečíst především díky špatně natočeným písmenům a různým čárám či sítím, které textem procházejí. Ačkoliv se může stát, že takový text je nečitelný i pro člověka, ten má vždy možnost vyžádat stisknutím tlačítka o další obrázek, zatímco software nedokáže takový text přečíst ani při opakovaném vyžádání nového obrázku. Podobný případ nastává i například při pokusu o přepis poškozeného či ohnutého dokumentu. Rýhy po přeložení papíru či skvrny si totiž může program vyhodnotit jako čáry či řádky, a začít je přepisovat. Jelikož však v takovýchto poškozeních není nosný text, program nakonec text nepřepíše a celý proces je tak znehodnocen. Jestli se v budoucnosti podaří tento problém vyřešit je velkou otázkou, nicméně by si to vyžadovalo hluboké zásahy do pre-processingu jednotlivých programů. Jak je uvedeno v další podkapitole v popisu binarizace, je celý současný proces přepisu textu závislý na rozpoznání barvy, která reprezentuje text. Tato barva je následně zvýrazněna a přepsána, zatímco ostatní 27

37 barvy jsou odfiltrovány. Z tohoto důvodu je přepis nejen deformovaných znaků, ale například i znaků napsaných více barvami pro současné programy velmi složitý. Dokud bude tato závislost na rozpoznání barvy textu součástí procesu přepisování, nebudou zřejmě programy schopny soupeřit s lidskou schopností číst text založenou na vyhledávání písmen bez závislosti na jejich barvě, pouze na jejich tvaru (Fataicha a kol. 2006: 16; Kumar, Ré 2011: 322; Stuhley 2007: 20-21, Taghva 2011: 349). Obrázek 3 Ukázka moderní ochrany proti automatickým skriptům. Text je vice násobně zvlněn, což zabraňuje správnému otočení a odstranění čáry přes horní část písma tak, aby obrázek mohl OCR program přečíst. Zdroj: 28

38 2.2 Metody OCR Tato podkapitola se věnuje metodám, které OCR programy používají pro přepis textu z obrázkové do strojově upravitelné podoby. Podkapitola je dále členěna na čtyři části, které kopírují proces přepisu textu. Prvním krokem je získání obrázku, dále tzv. pre-processing, třetím krokem je samotné přepsání textu a posledním krokem je post-processing. Jak bylo uvedeno v úvodu kapitoly, v popisu jednotlivých metod půjde především o vysvětlení základního principu metody. Konkrétním algoritmům pro jejich vykonání se práce v podstatě nevěnuje, jelikož nejen že je těchto způsobů vykonání pro každou metodu několik desítek, ale jak bylo uvedeno v úvodu kapitoly, nemají pro cíle práce dalekosáhlejší význam Získání obrázku Aby dokázal OCR software s obrázkem pracovat, je nejprve potřeba zajistit jeho elektronickou verzi. Ať už jde o obrázek stažený s internetu, naskenovaný či vyfocený za pomocí profesionálních zařízení, je hlavním úkolem v tomto kroku zabezpečit kvalitu obrázku. Kvůli krokům které budou následovat je potřebná alespoň minimální kvalita obrázku, alespoň v rozsahu 200 až 300 DPI. Zároveň musí být písmo dobře viditelné a čitelné. Pokud je totiž ve výsledném obrázku příliš malé, nekvalitní nebo například díky nedokonalému snímání barev ve fotoaparátu či scanneru špatně nasvícené nebo rozmazané, je možné, že program nedokáže taková písmena vůbec rozpoznat jako znaky. Pomáhá také odstranění rušivých elementů nebo zbytečných prvků na obrázku. Byť mnoho programů samo zvládne například rozlišit hranici mezi naskenovanou levou a pravou stránkou, provedení této úpravy se dá jedině doporučit. Program totiž nemusí provádět extrakci textu z obrázku, což nejen že celý proces urychluje, ale také odpadá nutnost programu vykonávat algoritmy pro hledání textu, které nemusí mít za všech okolností stoprocentní přesnost (Ekvil 1993: 12) Pre-processing Tento krok již vykonává sám program, bez dalšího vstupu od jeho obsluhy. V rámci pre-processingu může být vykonáno mnoho úkonů, které mají za cíl zvýšit přesnost úspěšného přepisu textu. Dochází při tom k mnohdy mnohočetnému upravení původních obrázků. Metod pre-processingu je mnoho, a jelikož cíl pre- 29

39 processingu je zvýšit přesnost přepisu s cílem odstranit rušivé elementy, lze předpokládat, že další rozšiřování užití OCR softwaru i do například mobilních zařízení vytvoří nutnost vyvinout nové metody. Výčet tedy nebude nikdy kompletní a v horizontu let se může změnit. Některé základní metody přesto zůstávají, a právě tyto metody budou popsány (Alginahi 2010: 2, Garfinkel 2004: 82). Otočení Jelikož jsou algoritmy na rozpoznávání jednotlivých znaků citlivé na natočení obrázku a textu v něm, je tento krok velmi důležitý pro zvýšení přesnosti přepisu znaků. Cílem této metody je určit úhel, pod kterým je obrázek natočen tak, aby se tento úhel dal následně kompenzovat a text byl správně natočen. Metod pro tento postup je mnoho, ale jednou z nejpoužívanějších je tzv. Houghova metoda, která v textu vyhledává rovné čáry písmen a pomocí nich pak určuje úhel natočení. Následně je tento úhel vykompenzován tak, že ve výsledném textu jsou znaky seřazeny co nejvíce vodorovně (Alginahi 2010: 12). Binarizace Úkolem této metody je převést obrázek, často barevný či s různými grafickými prvky, do nejprve stupňů šedé barvy a následně do podoby monochromatické, druhým cílem pak částečně odstranit drobné nedostatky a zbytečné grafické prvky. OCR software při samotném přepisu znaků pracuje totiž právě s monochromatickou podobou, a u každého jednotlivého pixelu je nutné zjistit, zdali je bílý (bez bitové hloubky) nebo černý (s bitovou hloubkou barvy 1). Důvodem, proč se nejprve převádí text do stupňů šedé, je právě četnost různých grafických prvků nebo drobné nedokonalosti v tisku, které kdyby byly jednoduše převedeny do monochromatické jednobitové barevné hloubky, vytvořily by množství zbytečných černých bodů a čar, které sice žádný význam v textu nemají a informace nenesou, dokážou ale ztížit či zamezit správnému přečtení textu OCR softwarem. Proto se barevný obrázek snadno strojově převede podle své bitové hloubky barev do odpovídajících stupňů šedé, a následně je pomocí jedné z mnoha metod oddělen text od tzv. pozadí. Jednou z nejčastějších metod pro podobnou operaci, která se používá, je metoda prahu, která buď globálně, nebo lokálně určí 30

40 průměrnou barevnou hloubku dané oblasti a všechny pixely pod touto hranicí barevné hloubky jednoduše přepíše na barevnou hloubku 0, tedy bílou. 14 Ostatní pak zanechá na barevné hloubce 1, tedy v monochromatickém měřítku černé, a zbylý text se pak program pokusí přepsat (Downton a kol. 2007: 266, Hartley 1999: 6-7). Normalizace Jednoduchá metoda, která poupraví velikost obrázku na základě velikosti písmen. Porovnáním velikostí písmen v textu se tak obrázek zvětší či zmenší tak, aby velikost byla optimální pro program a ten s ní dokázal pracovat. První principy normalizace najdeme v praxi uplatněné v první a druhé generaci OCR zařízení. Jde o velmi starý mechanismus, byť se jeho aplikace s novými OCR softwary stále vylepšuje (Mori 1992: 1034). Redukce šumu Šum v případě obrázků znamená barevné pixely, které nejsou součástí textu a které vznikly nedokonalým kopírováním, skenováním nebo například špatnou kvalitou původního obrazu. V rámci binarizace totiž dochází k přepisu různých barevných stop na monochromatické a jako černá, tedy hodnota znaku, může být označena i část obrázku, kde žádný text nebyl a která je na originálním dokumentu například stopou po přehnutí dokumentu nebo pozůstatkem binarizací ne úplně odstraněného grafického prvku dokumentu. Takovýto šum je potřeba co nejvíce odstranit, jelikož jakmile je zanesen v monochromatickém obrazu, OCR software s ním bude pracovat jako se znaky, díky čemuž nemusí dojít ke správnému přepisu textu. K redukci šumu se používají tzv. filtry, což jsou metody úpravy podobné metodě prahu při binarizaci. Filtry existují lineární a nelineární, a liší se podle metodiky práce. Lineární filtry pracují na principu nahrazení intenzity 14 Tento mechanismus využívá zásady kvalitních grafických návrhů, kdy podstatný text ke čtení bývává tmavší, respektive v sytější barvě, než okolní grafické prvky. Pokud nastane situace, kdy je text například šedý na světle šedém podkladě a okolo něj je množství černých grafických prvků, pak je barevná hloubka prvků mnohem výraznější, než barva textu samotného a samotný text tak může být v rámci binarizace úplně smazán a zůstane jen grafický prvek, který není program schopný z evidentních důvodů přečíst. Existují však metody pre-processingu, které by i v takovém případě dokázaly pomoci, o nich více dále. 31

41 upravovaného bodu takovou hodnotou, která je rovná součtu součinů intenzit bodů okolo upravovaného bodu. Počáteční intenzita je tak nahrazena novou intenzitou, která je ale ve své podstatě umělá, jde totiž o vypočítaný průměr a ne skutečnou hodnotu, která se v obrázku nachází. Nelineární filtry pak pro určení nové barevné intenzity bodu nevytvářejí novou, uměle vypočítanou intenzitu, ale jednoduše stávající nahradí intenzitou, která se nachází jinde v obrázku. Jednotlivé nelineární filtry se pak liší podle způsobu, jakým takovou intenzitu najdou. Nejpoužívanější je metoda mediánového filtru, který v určité oblasti najde medián intenzity a tím nahradí původní bod. Oba druhy filtrů přitom využívají té vlastnosti, že u znaků, tedy písmen, čísel a speciálních znaků abecedy nejsou šumy samostatné, jelikož vedle bodů znaků se nacházejí ostatní body daného znaků, zatímco šum je omezený na určité místo či bod. Pokud je šumu příliš a dosahuje takové míry, že znehodnocuje dokument jako takový, redukce šumu nedokáže zajistit dostatečné vyčištění obrázku a přepis textu bude pravděpodobně obsahovat mnoho chyb (Alginahi 2010: 9; Brener a kol. 2005: ). Zónování Metoda také nazývaná analýza rozložení má za cíl identifikovat místa v obrázku, kde se nachází text k přepsání. Cílem je vymezit prostor, kterému se bude OCR software v přepisu věnovat a vyfiltrovat prostor, kde se nachází například volný prostor nebo grafické prvky. Zónování ke své správné funkci potřebuje již provedenou binarizaci a vyčištění šumu. Následně se identifikují znaky, které mají být přepsány, a to jako shluky černých pixelů. Pro každý z těchto znaků jsou pak vytvořeny vektory spojující jeho různé části nebo hranice (nejzákladnější je například střed znaku) se znakem nalézajícím se vedle něj. Tyto vektory slouží pro identifikaci vzdáleností znaků a je tedy možné tímto způsobem určit, jestli je další znak jen dalším písmenem ve slově, nebo pokud díky větší vzdálenosti po směru vektoru je znak již součástí jiného slova nebo řádku. Tyto vzdálenosti si program vypočítá a uschová, poté je použije jako hodnoty pro posuzování dalších znaků. Podobným způsobem pak program dokáže rozpoznat i odstavce a výsledkem těchto operací je rozdělení obrázku na jednotlivé zóny, kde se nachází text k přepisu, a zóny, kde nebude program již nadále přepis znaků 32

42 provádět. Jako součást zónování se někdy uvádí například detekce řádků a slov (Nicomsoft 2012, Samui a kol. 2008: 1-2). Obrázek 4 Ukázka zónování při zpracování Dějin Hradce Králové programem Abby FineReader. Odstranění čar a linek Jedná se o problematickou metodu, která dokáže u některých dokumentů pomoci při jejich přepisu (například odstraněním grafických prvků), ale někdy může odstranit ohraničení tabulek nebo zasáhnout do přepisovaných znaků jako takových. Jak již bylo uvedeno výše při popisu normalizace, jednotlivé znaky jsou identifikovány a upraveny velikostně do podoby, kde s nimi dokáže software dobře 33

43 pracovat. Podtržený text však vytvoří na spodní straně znaku jasnou bitovou stopu, kterou následně program začne přepisovat. Při odstranění čar program jednoduše vyhledává dlouhé bitové stopy, které může snadno identifikovat a nahrazením bitů na nulovou barevnou hloubku odstranit. Tím může ale dojít k zásahu do znaků samotných, čímž se stíží přepis znaků. Vhodnost užití této metody velmi záleží na typu dokumentů, který OCR software bude přepisovat 15 (Blanke a kol. 2012: 81). Segmentace znaků Tento krok je v některých případech zbytečný a v některých případech nezbytný. Podstatou je oddělit jednotlivé znaky, které by měly být OCR softwarem přečteny odděleně, ale v obrázku se přitom dotýkají nebo splývají. Tento problém vystupuje především u ručně psaného písma nebo u speciálních abeced používající písmena, která se vzájemně sice nedotýkají, ale jsou složena z více znaků. Jak je obsáhle rozebráno v článku Chiraga Patela A Review of Character Segmentation Methods, jednotlivých metod pro tento krok je k dispozici opravdu velké množství. Zeštíhlení jednotlivých slov až na velikost jednoho pixelu pro každý úder nebo tah písmena, geometrická analýza jednotlivých znaků ve slovech či užití horizontální a vertikální segmentace jsou všechno možné postupy jak segmentaci vykonat. Problematická může však být přesnost, jelikož byť je vysoká, jen minimum metod se přibližuje stoprocentní přesnosti. V některých odborných článcích je segmentace řazena již jako součást samotného rozpoznávání textu, například Optical Character Recognition Techniques (Patel a kol. 2013: ; Singh 2013: 546). Byť tyto metody nejsou všechny, které mohou různé programy při přepisu textu využít, jsou zde zmíněny všechny hlavní užívané metody a stručně popsán jejich princip. Pokud má program za úkol pracovat pouze s konkrétní sadou dokumentů nebo například podobně poškozenými dokumenty, úprava nastavení těchto metod může zlepšit výsledky OCR softwaru. Takové kroky však mohou 15 Při přepisování publikace Dějiny Hradce Králové se mnohokrát v textu objevil nadpis podtržený přerušovanou čarou. Místo toho došlo k přepsání samotného textu a podtržení celého nadpisu. Čára nebyla odstraněna vůbec. V tomto případě velmi záleží na podpoře daného programu pro jednotlivé znakové sady, jeho schopnost rozpoznat pravidelné znaky v textu a kvalitní segmentaci. 34

44 snížit celkovou schopnost programu kvalitně přečíst jiné obrázky, a proto je potřeba tyto úpravy provést jen pro určitý dokument nebo skupinu dokumentů Rozpoznání textu Výsledek předchozích kroků je roztříděný obrázek, na kterém jsou identifikovány čitelné oblasti textu. Cílem rozpoznání textu je převést text z takto upravené podoby obrázku do formátu textového procesoru. Jako v případě preprocessingu, konkrétní programy mohou využívat vlastní sekvence kroků pro přepsání textu, ale všechny programy využívají dva základní komponenty: extrakce vlastností a třídič (Anuradha 2009: 21). Extrakce vlastností a metody Komponent extrakce vlastností má za úkol vyvodit vlastnosti, kterými znak určený k přepsání disponuje. Tyto následně postupují třídiči, který pomocí nich přiřadí k obrázku nejpravděpodobnější. Extrakce vlastností je komponent, který využívá velmi diferenciovanou množinu metod a především přístupů. Přístupy lze rozdělit na strukturální a statistické. Strukturální přístup se zaměřuje na extrakci topologických a geometrických vlastností znaků, které program přepisuje. Díky tomu je strukturální přístup velmi tolerantní k šumu nebo špatnému natočení textu. Od třídiče se pak očekává, že bude pracovat nejen se základním tvarem písmena, ale bude s to rozeznat písmena vzájemně podobných tvarů, například E a F. Statistický přístup pracuje se znaky jako se souborem statistických vlastností, a množství takovýchto vlastností pak používá k přirazení vhodného písmene. Mezi znaky patří například výška, šířka, počet bílých prostor uvnitř písmen nebo počet přechodů z bílé od černé v určitých vektorech. Díky tomuto má přístup výhodu především při rozpoznávání rozdílných stylů textu (Baird 1992: 5, Eikvil 1993: 14) Porovnávání vzorců Specifickým přístupem je metoda porovnávání vzorců. Jak bylo uvedeno v kapitole historie OCR, jedná se v podstatě o nejstarší používanou metodu přepisu. Pro porovnávání vlastností se srovnává třídič jednotlivé pixely znaků se vzory ve své databázi. Závislost na jednotlivých pixelech však činí tuto metodu extrémně 35

45 náchylnou na šum a rozdíly ve stylech u daných znaků. Vůbec už si nedokáže poradit také s rotací znaků a z těchto důvodů se již dnes příliš nepoužívá, byť výše zmíněné nedostatky může pomoci kompenzovat kvalitně provedený preprocessing. Jedním z prvních zařízení využívající tuto metodu bylo mechanické zařízení stvořené Jabocem Rainbowem na konci čtyřicátých let dvacátého století. Cílem bylo vyrovnat se s velmi špatnou přesností tehdejších jednoduchých zařízení, a za tímto účelem byla vyvinuta právě metoda porovnávání vzorců. Tato metoda slouží pro srovnání dvou znaků z fontů. Jejím základem je rozpoznání tzv. vzoru v daném znaku. Tento je pak porovnáván s ostatními známými znaky tak, že se vyselektuje množina znaků, které mají shodný nebo podobný vzor jako zaznamenaný znak. Následně jsou pomocí celé skupiny korelačních algoritmů tyto znaky protříděny a je vybrán ten s nejvíce shodnými znaky. Právě tento znak je pak určen jako nahrazující znak. Metoda porovnávání vzorců se provádí pro jednotlivé znaky či písmena, nikoliv celá slova (Muda a kol. 2012: 3-4). Technicky je možné tento proces popsat následovně: nejprve dojde k digitalizování písmene do bitmapové podoby. Ta je následně podle potřeby zvětšena či zmenšena, a přetransformována do pixelové matice o variabilní velikosti, aby byla v dalším kroku nahrazená bitovým zápisem pro jednotlivá pole. Aby mohlo dojít k přepisu naskenované bitmapové podoby do mřížky, musejí nejprve proběhnout filtrování obrázku. To je proces, kdy jsou z obrázku odstraněny nežádoucí nedokonalosti (například tmavá místa vzniklá nedokonalým skenováním nebo například skvrny). Cílem tohoto kroku je co nejvíce obrázek vyčistit, aby se zvýšila úspěšnost přepisu. Následně pak proběhne přepis písmena již uzamčeného" v pixelové mřížce do bitové podoby. Toto se děje pomocí tzv. threshold techniky, kdy dojde k určení určité hranice (threshold) pro všechny pixely pomocí porovnávání míry barevné hloubky. Následně jsou procházeny jednotlivé pixely. Pokud jsou tmavší než hranice, je jim přiřazena hodnota 1. Pokud jsou světlejší, je jim přiřazena hodnota 0. Tímto procesem nakonec vznikne pixelová mřížka s bitovými zápisy (Mori a kol. 1992: ). 36

46 Obrázek 5 Znázornění přepisu písmene do pixelové mřížky a jeho následný přepis do bitového zápisu (Muda 2012: 3). Právě tento bitový zápis tvoří onen vzor, který je následně porovnáván a na jeho základě je rozhodnuto o znaku, který bude vložen jako přepsané písmeno. Metoda porovnávání vzorců se v OCR softwaru užívá do dnes. Třídič a metody Úkolem třídiče je pomocí identifikovaných znaků a vztahů mezi nimi rozpoznat dotyčný znak a uložit jej do editovatelné podoby, například textového procesoru. Tato operace je jádrem OCR programů, jelikož právě zde dochází k vytvoření strojově zpracovatelného textu díky extrahovaným znakům z minulého kroku. Jako u vyhledávání znaků, i v třídiči se uplatňují dvě hlavní metody: teoreticko-rozhodovací a pravděpodobnostní (Anuradha 2009: 24). Teoreticko-rozhodovací metody Tyto metody se používají, když popis charakteru pomocí znaků je založen na vektorech a početních veličinách. Nejpoužívanější zde jsou dva třídící přístupy, a to třídič minimálních vzdáleností a neurální sítě. Třídiče minimální vzdálenosti posuzují znaky podle podobnosti vzdáleností mezi vektory, kterými jsou jednotlivé znaky charakteristické. Neurální sítě jsou vícevrstvé skupiny vzájemně propojených prvků. Hlavní input tvoří vektor vlastností, který následně jednotlivé prvky přiřadí ke známým znakům na základě známých pixelových vzorců. Výhodou neurálních sítí je vysoká schopnost rozpoznat znaky skrze abstrakci, 37

47 například neúplná písmena nebo poškozený text. Nevýhodou je díky práci s abstraktními vzorci omezená předvídatelnost přepisu (Eikvil 1993: 16). Pravděpodobnostní metody Tyto metody jsou založeny na přístupech jako je Bayesovo rozhodovací pravidlo nebo pravidlo nejvyšší podobnosti. Znaky jsou v těchto metodách přiřazovány na základě klasifikačních schémat tak, aby vznikla nejnižší šance špatného rozpoznání znaků. Na tomto principu byl vytvořen tzv. Bayesův třídič, který na základě vektorů znaku vypočítává pravděpodobnosti pro jednotlivé skupiny znaků, které třídič zná. Tak je na základě největší pravděpodobnosti určen znak, který má nejvyšší šanci shody a třídič jej uloží jako výsledný znak. Tyto metody však ke své práci potřebují databázi pravděpodobností různých znaků a jejich tříd (Sun a kol. 1992: 4) Post-processing Výsledkem pre-processingu je obrázek upravený pro maximální přesnost přepisu textu, výsledkem rozpoznání textu je přepsaný text. Post-processing je sada rozličných metod, které se používají k úpravě již získaného textu s cílem napravit chyby způsobené špatným přepisem textu. Ačkoliv již samotný výsledný text vzniknul v předchozím kroku a užití post-processingových metod může v určitých případech i výsledný text od originálu odloučit, například při špatném užití slovníkových korekcí, mohou tyto metody zároveň významně pomoci kvalitě přepsaného textu. Rozdíl od rozpoznání znaků je totiž rozdílnost podstaty využívaných metod. Zatímco rozpoznání znaků pracuje se vzorci, šablonami a historiografy, většina metod post-processingu pracuje s lingvistickou stránkou textu. Cílem je zajistit, že slova a věty zapadají do kompozice věty v daném jazyce. Níže budou rozebrány některé nejpoužívanější metody post-processingu a jako v předchozích krocích, nepůjde o konečný seznam či vyčerpávající popis jednotlivých kroků. Metody se totiž neustále vyvíjejí a v horizontu let již takové informace nemusí být aktuální, zatímco podstata přístupu k problému v jednotlivých metodách zůstává aktuální. Pro post-processing je velmi důležitá podpora jazyka pro daný OCR software, která právě obsahuje gramatická pravidla 38

48 jazyka a četnost užití specifických slov. Jak bude uvedeno později, některé metody post-processingu využívají gramatické a slovníkové databáze slov daného jazyka s cílem zlepšit přednost přepisu textu, a bez této podpory, bez těchto databází, může být jejich post-processing velmi nekvalitní (Ekvil 1993: 20-21, Hu a kol. 2011: 131, Reffle a kol. 2013: 1355). Většina využívaných metod je postavena na statistických, rysových nebo slovníkových metodách. Slovníkové metody jsou založeny na komparaci vstupního textu s existující databází slov v daném jazyce. Princip těchto metod je porovnávání existujícího textu se slovy ve slovníku, a pokud přepsaná slova neodpovídají těm ve slovníku, hledá se pomocí procentuální podobnosti slovo nejpodobnější a nejvhodnější. Dochází při tom k možné změně stylistického a gramatického složení věty, a za účelem nápravy těchto problémů slouží tzv. sémantické nebo kontextové korekce. Zde se nejvíce využívají statistické a rysové metody. Statistické metody porovnávají pravděpodobnosti a četnosti využívání různých slovních spojení a kolokací, rysové pak pro kompozici slov využívají gramatiku daného jazyka. Problematický může být přepis historického textu do moderního jazyka, jelikož podpora moderního jazyka a historických jazyků by vyžadovaly speciální úpravy těchto databází (Chang 1995: , Dočkal 2014: 13). 39

49 2.3 Trendy ve vývoji OCR Při porovnání odborné literatury staršího a novějšího data je možné si povšimnout rozdílu v klasifikaci jednotlivých kroků OCR softwaru při přepisu textu. Ačkoliv ve starší literatuře již byly popsány mnohé metody, které dnes programy využívají, často byly klasifikovány jako samostatné kroky. Pojmy preprocessing a post-processing literatura neznala v takové podobě, jak je tomu dnes. V moderní literatuře je naopak jasně patrná klasifikace na tyto jednotlivé kroky OCR procesu a každý z nich slouží jako soubor specifických metod a technických řešení pro úpravu vstupního materiálu tak, aby byla co nejvíce zvýšená přesnost přepisu. Mnohé kroky, které byly kdysi v různých odborných článcích vyčleněny jako samostatné, dnes spadají právě do kategorií pre a post-processingu, kde plní specifické úkoly. Dá se očekávat, že do budoucna se budou tyto dvě kategorie spíše rozšiřovat novými metodami a úpravou a zefektivněním metod stávajících, než aby se ke stávajícím krokům přidávaly nové. Příčinou rozdílnosti pohledu na kroky při přepisu textu OCR softwarem v minulosti totiž lze snadno spatřit v nedostupnosti většího počtu metod, které dnes do pre- a post-processingu řadíme. Jestliže totiž neměli autoři článků v osmdesátých a devadesátých letech minulého století tak bohatou řadu těchto metod tak, jak ji máme k dispozici my dnes, dávalo smysl tyto unikátní a známé metody vyčlenit samostatně. V dnešní době však, díky většímu počtu a společnému cíli těchto metod je možné tyto postupy sdružovat, a do budoucna lze očekávat, že budou nabývat další (Ekvil 1993: 21). Podpora fontů a jazyka V podkapitole věnované post-processingu bylo již uvedeno, že jazyková podpora OCR softwaru pro jednotlivé jazyky znatelně pomáhá zvýšit přesnost přepisu textu. Pomocí databází gramatických pravidel a kolokací tak dokážou programy správně přepsat i text, který byl v důsledku nekvalitního rozpoznávání vzorců nebo špatné kvality textu špatně přečten, případně je výsledek správný jen částečně a program tak uměle opravuje svoji chybu. Kvalitě přepisu však znatelně napomáhá i podpora fontů. Ta se liší od podpory jazyka tím, že zasahuje do prostřední fáze přepisování textu, tedy samotného přepisování. Čím více fontů program podporuje, tím více se rozšiřuje databáze vzorců a znaků, které je s to rozpoznat. Pokud program nepodporuje jazyk, ve kterém je text napsán, 40

50 kvalita přepisu bude nižší, pokud tyto dva rozdílné jazyky využívají jiné znaky v abecedě. Typickým případem může být přepis česky psaného textu pomocí softwaru, který podporuje například pouze angličtinu. S většinou českých písmen zřejmě nebude mít problém, ale písmena jako č, ť či ď budou přepsány nesprávně. Podpora fontů je důležitá například i při práci se staršími, na psacím stroji napsanými dokumenty. Jde o problém v historii vývoje OCR programů dobře známý, jelikož již na předchozích stránkách zmíněný vývoj umělých fontů OCR-A a OCR-B měl za cíl pomoci řešit právě tento problém, kdy některé znaky v textu program buď nezná, nebo je neumí dostatečně kvalitně přepsat. Tento problém se mnohokrát vyskytnul právě při přepisování Dějin Hradce Králové a bude hlouběji rozebrán v kapitole věnované problémům s přepisem tohoto díla. Podstatou problému je rozdíl ve způsobu psaní například háčků a čárek, kdy při psaní na stroji dojde k umístění tohoto znaku výrazně nad či pod úroveň, kam tyto znaky zapisují dnes běžně používané fonty na počítači. Výsledkem tak může být například přepsání takového háčku či čárky jako samostatného písmena s deformovanou velikostí do řádku nacházejícím se nad tím, ve kterém se vyskytuje samotný znak. Program totiž nedokáže díky větší či posunuté vzdálenosti háčku rozpoznat, že jde o součást dotyčného písmena (Ekvil 1993: 36). Pravděpodobnost přepisu Jedná se o číslo informující o tom, jaká část textu v procentech bude správně přepsána. Matematicky jde o jednoduchý podíl správně přepsaných znaků a všech znaků v dokumentu vynásobených stem. Tím dostaneme jednoduché číslo, které nám v procentech určí, jak kvalitní bude náš přepis. Mnoho různých jevů, které dokážou toto číslo snížit, bylo již zmíněno v této kapitole. Obecně se dnes toto číslo pohybuje velmi vysoko, nad 90%, a to při přepisu běžných fontů na nepoškozených, případně elektronických dokumentech. Dosažení této hranice však není nic zvláštního, jelikož už první generace OCR zařízení jí dokázaly překonat, o čemž svědčí například jejich již zmíněné praktické využití na poštách. Daní za tento úspěch však byla jen omezená šíře možných užití tehdejších OCR zařízení. Jejich aplikace mimo úzký obor nepřipadala v úvahu, jelikož bez jasně dané sady znaků si zařízení nedokázaly poradit s nestandardními nebo deformovanými texty. Při 41

51 problémech s poškozeným původním dokumentem, nepodporovanými fonty či špatnou kvalitou naskenovaného dokumentu pravděpodobnost úspěšného přepisu textu rychle klesá (Borovikov 2004: 28). 2.4 Vybrané OCR programy a jejich srovnání V této podkapitole budou zběžně popsány dva programy, které byly pro přepis Dějin Hradce Králové zvoleny, a to PDF-Xchange Viewer a Abbyy FineReader 11. Cílem je poukázat na hlavní rozdíly mezi těmito programy jako dvěma zvolenými zástupci ze skupin programů, které mají rozdílné přístupy k vývoji a vydávání nových verzí softwaru PDF-Xchange Viewer 2.5 Pro přepis Dějin Hradce Králové byl tento program zvolen, jelikož je do značené míry typickým zástupcem dnešních dostupných OCR programů. PDF-Xchange Viewer vyvíjí již od roku 2007 společnost Tracker Software, která sídlí ve Spojeném království. Ta se zaměřuje na software pro podporu elektronizace dokumentů a procesů. Její produktová řada již léta obsahuje jak programy zaměřené na základní práci s *.pdf dokumenty, tak software pro profesionální editaci a konverzi *.pdf souborů. Z hlediska OCR pak jsou k dispozici dvě řady produktů, a to FREE a PRO. Verze FREE provádí přepis pomocí OCR pouze *.pdf dokumentů, zatímco PRO verze zvládá i přepis z obrázků. Kvalita u přepisu *.pdf souborů je přitom u verze FREE nezmenšená, a navíc díky podpoře českého jazyka je tento nástroj více než vhodný k užití v souladu s cílem práce (Tracker Software 2015) Abbyy FineReader 11 Pro srovnání s předchozím programem byl vybrán FineReader ve verzi 11. Důvodem je dlouhodobá kvalita a pozitivní hodnocení, kterými je tento program hodnocen (více níže). FineReader je vyvíjen ruskou společností Abbyy, která byla založena v Moskvě v roce Abbyy se zaměřuje na vyvíjení technologií simulující umělou inteligenci a produktů pro extrakci, překlad a transformaci informací. Společnost o sobě deklaruje, že má desítky milionů zákazníků po celém světě a mezi své hlavní zákazníky řadí například Panasonic, Samsung Electronics 42

52 nebo Toshiba. Pro užívání programu FineReader je zapotřebí zakoupit licenci, jejíž cena se pohybuje od sta amerických dolarů výše v závislosti na konkrétní licenci. Společnost nabízí možnost vyzkoušet si program zdarma v časově omezené trial licenci, nicméně po uplynutí této doby se funkce programu omezí na pouhé prohlížení *.pdf dokumentů. FineReader podporuje více než 190 světových jazyků a není tedy problém ho využít k přepisu téměř jakéhokoliv dnešního textu. Program zvládá přepis textu jak z *.pdf souborů, tak obrázků (Abbyy 2015). Srovnání a problémy Prvním rozdílem je vznik a původ produktů. Abbyy FineReader byl od počátku vyvíjen jako OCR software určený pro přepis textu, a jak bude zmíněno později, je v této snaze již více než deset let velmi úspěšný. Naproti tomu PDF- Xchange Viewer je zaměřený obecně na čtení, správu a úpravu *.pdf dokumentů. Cílem programu není provést co nejlepší přepis textu, ale nabídnout co nejbohatší možnosti úpravy dokumentů a OCR je jen jednou z těchto možností, nikoliv primárním úkolem. Oba programy nicméně umožňují velmi kvalitní přepis textu z *.pdf souboru a proto jsou oba pro přepis Dějin vhodné. Rozdíly v původu a hlavnímu zaměření programů však zůstávají, a jsou patrné především v možnostech softwaru mimo OCR modul (Abbyy 2015, Teragon 2015). Druhým rozdílem mezi těmito dvěma programy je jejich postavení na trhu a strategie monetizace. Ta je totiž odlišná od druhého použitého programu Abbyy FineReader 11, který je k dispozici pouze ve formě placených licencí, jejichž cena se pohybuje ve stovkách dolarů. Byť tato cena dlouhodobě klesá (od tří set amerických dolarů za verzi Abbyy FineReader7 v roce 2003 po zhruba 130 eur za verzi Abbyy FineReader 12 Professional v lednu 2015), pořád jde v porovnání s bezplatnou variantou PDF-Xchange Viewer o relativně velkou investici. Porovnávají se přitom jen ceny za profesionální verze programu pro jednotlivé uživatele, verze Abbyy FineReader pro společnosti (Corporate edice programu) se pohybují okolo tří set eur. PDF-Xchange Viewer také nabízí placené verze svého programu, nicméně jak již bylo uvedeno, základní verze pro osobní použití je zdarma. Poskytuje většinu základních možností úpravy *.pdf souborů, které může běžný uživatel potřebovat (přepis souboru pomocí OCR, vkládání 43

53 interaktivních odkazů či zvuků do *.pdf souborů, zaheslování a nastavení bezpečnostní politiky souborů, správa komentářů, množství plug-inů 16 pro například kontrolu pravopisů nebo hlasité čtení textu a další), nicméně další, profesionálnější možnosti práce s dokumenty, které se již zaměřují především na soukromé společnosti, jsou k dispozici pouze po zakoupení licenčního balíčku. Verze PRO, která nabízí pokročilé možnosti editace *.pdf souborů se pohybuje cenově okolo 1170 Kč, stejně jako verze 2012 Standard s rozsáhlejšími možnostmi konverze *.pdf souborů do jiných formátů. Nejdražší verze, PDF-Xchange 2012 PRO, která nabízí pak jak pokročilé konverzní i editační nástroje stojí 1960 Kč. 17 Ačkoliv je tedy snaha monetizovat vlastní produkt základem obchodního úspěchu obou společností, v rozsahu potřeb této práce a přepisu Dějin Hradce Králové je bezplatná verze PDF-Xchange Viewer více než dostatečná a splňuje požadavek vymezený v úvodu, čili že program musí být zdarma, což Abbyy FineReader neumožňuje. Ačkoliv je pro něj k dispozici trial verze programu, je časově omezená a po uplynutí této doby se Abbyy FineReader změní v pouhý prohlížeč *.pdf souborů bez dalších schopností (Abbyy 2015, Teragon 2015). Třetím důvodem je rozdílný přístup k vývoji nových verzí programu. Abbyy FineReader je v současné době (leden 2015) k dispozici již ve verzi 12. Společnost název programu FineReader přitom ponechává, a pouze u nové verze zvýší koncové číslo. Důvod může být čistě praktický, stejně jako obchodní. Společnost již od roku 2005 získává v odborných magazínech ocenění za kvalitu produktu 18, a ponechání si tohoto názvu tedy může jedině napomoci budování značky. Společnost Tracker software ke svým produktům přistupuje rozdílně. Nejen že je společnost mladší a prozatím tedy nedokázala vytvořit tolik verzí programu, zároveň se nebojí změny názvu již známého a úspěšného produktu 19. Právě zvolený PDF-Xchange Viewer 16 Plug-in je doplňkový modul programu, který rozšiřuje jeho možnosti a který nedokáže fungovat samostatně (Poznámka autora). 17 Ceny jsou uvedeny od společnosti Teragon, což je česká společnost zaměřená mimo jiné na propagaci a distribuci produktů společnosti Tracker software. Oficiální ceny obchodu na internetových stránkách Tracker Software se pak pohybují od 36 eur pro jednu licenci PRO verze programu až po desítky tisíc eur pro korporátní, celosvětové licence pro desítky tisíc počítačů (Tracker software 2015). 18 Například recenze verze Abbyy FineReader 8 v roce 2005 od PC Pro a PC Advisor vychvalovaly kvalitu přepisu textu a jednoduchost užívání, aniž by dokázaly poukázat na jakýkoliv závažnější nedostatek či problém v užívání programu (PC Pro 2015, PC Advisor 2015). 19 Úspěchy však společnost Tracker Software sklízí podobně, jako Abbyy. Na svých webových stránkách například prezentuje své vítězství v anketě o nejlepší program pro čtení a editaci *.pdf 44

54 je toho dobrým příkladem. Byť byl program v době přihlašování tématu této diplomové práce ještě aktivně vyvíjen a aktuální, v říjnu roku 2014 byla vydána poslední verze Společnost pak produkt nadále vyvíjí pod názvem PDF- Xchange Editor. Zvolená verze pro přepis Dějin Hradce Králové je tak poslední vydaná verze programu vůbec, a byť v době psaní práce je pouze několik měsíců stará, je již vlastně neaktuální a zastaralá. Přesto prozatím zůstává vhodným nástrojem, a jelikož byla tato verze zvolena při výběru tématu, bude práce pracovat právě s ní a ne s novější verzí produktu. Tato skutečnost však zůstává jako ukázka rozdílného přístupu společností k produktům a jejich vývoji (Abbyy 2015, Teragon 2015). Čtvrtým rozdílem je typ licence, byť zde jde o poměrně komplikovaný problém. Abbyy FineReader je typickým příkladem proprietárního softwaru, který je zpoplatněn a možnosti jeho užití jsou omezeny licencí EULA. 20 Problematika open source softwaru je spojená s pojmy free software a freeware, které jsou nicméně v zásadě odlišné. Hlavní rozdíl je v přístupu k vývoji. U open source softwaru je možná další úprava programu mimo tvůrce programu, byť tato často bývává omezená licencí a program tedy nemusí být stoprocentně modifikovatelný. Free software je pak program s bezbariérovým přístupem ke zdrojovému kódu a musí splňovat i další podmínky, například libovolnou distribuci upraveného softwaru. Tyto dva rozdíly se dnes bohužel často zaměňují a to především z důvodu dostupnosti a ceny programu. Mnohdy je dnes za open source a free software označován program, který je k dispozici zadarmo, což ovšem nemusí být pravda. I open source je navíc ještě omezený licencí, která přímo dává kontrolu nad úpravami a šířením programu. Free software je pak kategorie opět spíše zaměřená na možnou úpravu a distribuci kódu, nikoliv však bezplatnou. 21 Pro software souborů, které pořádal server lifehacker.com a které produkt PDF Xchange Viewer vyhrál. Důležitě však není dosažené ocenění nebo úspěch, jako spíše kategorie a konkurenti, kteří se s produktem srovnávali. Reader of společnosti Foxit, Reader of společnosti Acrobat nebo program Sumatra PDF jsou programy zaměřené právě na čtení a editaci *.pdf souborů, žádný z nich není primárně zaměřen na OCR tak, jako Abbyy FineReader. Byť většina z těchto programů dnes má moduly pro OCR, rozdíl v zaměření programů a tedy alokaci nákladů na vývoj různých schopností programu je hlavním rozdílem mezi programy Abbyy FineReader a Xchange viewer. (Tracker Software 2015) 20 End User License Agreement, do češtiny možné přeložit jako licenční ujednání s koncovým uživatelem. Jde o dokument vymezující užití programu a práva uživatele s programem nakládat (Poznámka autora). 21 S problematikou významu slova free se potýká free software již od svého vzniku v osmdesátých letech minulého století. Rozdíl mezi free softwarem a freewarem je pak dlouhodobě vysvětlován 45

55 zdarma se pak vyvinul pojem freeware, tedy jakýkoliv software zdarma dostupný uživateli. Na opačném pólu proti těmto pojmům pak stojí již zmíněný proprietární software, který je nemožné samostatně rozvíjet či upravovat. Program Xchange Viewer tento problém řeší dostupností SDK 22, které jsou dostupné pro jak dnes již de facto zastaralý Xchange Viewer, tak novější verzi Xchange Editor. Tímto se podle definice program dostává do sféry open source softwaru, byť různé organizace a aktéři v různém čase definovali rozdílné podmínky a kritéria, která jsou vzájemně nekompatibilní, a splnění některých neznamená, že podle jiné klasifikace bude program opravdu uznán za open source. 23 neziskovou společností Free Software Foundation na následujícím anglickém mottu: Free speech, not free beer! Důležitou vlastností této kategorie programů je možnost je volně modifikovat, nikoliv je nabízet zadarmo. K tomuto účelu se vyvinul pojem freeware, který označuje jakýkoliv program, který je k dispozici zadarmo. Naprosto přitom ignoruje další vlastnosti programů, čili možnou modifikaci uživatelem (Stallman 2007). 22 Software Developer Kit, tato zkratka označuje sadu nástrojů, pomocí kterých je možné v rámci určitých licenčních omezení program upravit, případně program doplňuje o nové funkce (Poznámka autora). 23 Problematika jasného vymezení hranic mezi open source, free softwarem a některými dalšími pojmy, například open-source, Open Source či OSS, je velmi složitá, obsáhlá a samotné popsání problému by vystačilo na odbornou práci. Zjednodušené vysvětlení problematiky je zhruba následující: absence dominantních subjektů na trhu vytváří prostředí, kdy je sice možné popsat určité vlastnosti, které by měl daný software splňovat, nicméně nic nebrání jiným subjektům vytvořit vlastní pravidla a ta propagovat. Jelikož pak oba subjekty postrádají dominantní postavení, prosazení jejich standardů je čistě dobrovolné, nevynutitelné a budoucí vývoj může tato pravidla znehodnotit či změnit jejich validitu. Příkladem zde může být nezisková organizace Open Source Initiative, která jako několik dalších podobných iniciativ v historii vytvořila desítibodový seznam vlastností, které by měl open source splňovat. Pokud je splňuje, je možné jej označit za Open Source, tedy s velkými písmeny. Vůči tomuto se staví Free Software Foundation, podobná organizace propagující free software, která se staví vůči zmíněným desíti definovaným bodům jako částečně příliš vágním a až příliš blízkým jejich definici free softwaru a navíc upozorňuje, že oba pojmy se nevyjadřují k politice monetizace produktu, jde pouze o způsob vývoje programu a atributy jeho upravitelnosti. Do toho zasahuje obecná praxe, kdy dnes jsou oba pojmy běžně používány jako synonymum pro freeware, což si může snadno ověřit kdokoliv jednoduchým vyhledáváním pojmů na internetu. Do problému ještě vstupuje aspekt času, jelikož Free Software Foundation je společnost založená již v roce 1985, Open Source Initiative pak v roce Definované vlastnosti a pojmy se však časem vyvíjí a dnes, dvacet let po vzniku Open source Initiative a definici jejich desíti striktních pravidel pro open source software, je možné narazit na naprosto rozdílný náhled na problematiku. Příkladem může být článek Mary Jane Irwin uveřejněný v New York Times 7. února 2009, kde k problematice přistupuje skrze možnost budoucích uživatelů přispět k vývoji programu svými podněty a připomínkami, které mohou být následně tvůrci programů zapracovány. Jádro pojmů je tedy obdobné, a to možnost uživatele měnit vlastnosti a schopnosti programu. Ačkoliv však žádný ze subjektů nemá možnost jednoduše prosadit svou vlastní definici či kritéria, v praxi se tak setkáváme s mnoha různými pojmy typu OSS, FOSS, FLOSS a další, kde každý přistupuje k problematice open source a free softwaru po svém, vzájemně však s často velmi nejasnými a diskutabilními hranicemi. Záleží pak na dalších aktérech, především uživatelích a odborné veřejnosti, jak se k daným pojmům postaví a jak jejich věcný obsah pozmění. Moderní pojetí se velmi liší od původního, jelikož se dnes může zájemce o tento software velmi často setkat s odlišnými požadavky na open source, především aby byl program dostupný zadarmo a uživatel do něj mohl nějakým způsobem zasáhnout (Free Software Foundation 2015, Irwin 2015; Rybenská 2013: 45; Open Source Initiative 2015; Stallman 2007). 46

56 Oba programy, FineReader i PDF-Xchange Viewer, jsou již několik let velmi pozitivně hodnoceny na všech uživatelských i odborných portálech a oba obsahují podporu pro český jazyk pro OCR. Jsou tedy oba vhodné pro přepis Dějin Hradce Králové. 47

57 3 Přepis Dějin pomocí OCR softwaru a tvorba rejstříků Pro potřeby přepisu byly všechny tři svazky Dějin naskenovány. Kvalita skenů byla zvolena 400 DPI pro první díl Dějin, a když se ukázalo, že taková kvalita je více než dostatečná, oba svazky druhého dílu byly naskenovány v kvalitě 300 DPI. Svazky byly naskenovány barevně na formát A3 na tiskárně Ricoh Aficio Jelikož je stav díla výborný, nebylo potřeba při práci věnovat dílu zvláštní péči nebo s ním obzvláště opatrně manipulovat. Dílo bylo naskenováno do formátu *.pdf, jelikož pouze s tímto formátem dokážou pracovat oba programy. Předběžná očekávání u přepisu jsou jasná. Z hlediska pre-processingu by OCR programy příliš problémů mít neměly. Otáčení obrázků nebylo potřeba, jelikož text na nich je vodorovný. Redukce šumu a odstranění čar a linek také zřejmě nebudou problémem, jelikož skeny jsou kvalitní a u žádných písmen se nevyskytlo žádné poškození či například poničení kvůli ohnutí papíru. Jediným případem kdy, by mohlo být zapotřebí se čarami v textu zabývat, jsou některé nadpisy, které jsou v díle podtržené. Samotný přepis by pak díky absenci nutných úprav textu a vysoké kvalitě vytištěného písma měl proběhnout bez problémů. Jako možná komplikace by se však mohl ukázat font, ve kterém je text napsán. Především program PDF-XChange Viewer je totiž koncipován pro užití s moderními dokumenty a šedesát let starý strojový font by mohl kvalitu přepisu snižovat. Naopak FineReader je produkt společnosti, která se již dlouhá léta cíleně věnuje kvalitě rozpoznání textu, a problémy s rozpoznáním písma, budou zřejmě menší, byť i tento program může kvůli historickému fontu částečně selhat. U postprocessingu jsou předběžná očekávání spíše omezená. Gramatické a lingvistické opravy jsou sice výborným nástrojem u moderních dokumentů a textů, nicméně jazyk se vyvíjí a Dějiny jsou příkladem textu, který byl sice přeložen relativně nedávno, ale i tak je plný archaismů a především původních nápisů a citací. Jakmile by tyto nástroje byly použity, kvalitě přepisu by to velmi uškodilo. Optimální program pro přepis díla jako jsou Dějiny, by tak měl mít především kvalitní rozpoznávání znaků a optimálně podporu mnoha fontů. Rozličné další funkce u pre- a post-processingu nejsou nutné. U každého programu je také proveden jednoduchý pokus pro vypočítání koeficientu úspěšnosti. Z každého svazku Dějin byl náhodně vybrán jeden 48

58 odstavec, v něm byly pak spočítány všechny znaky a sečteny ty chybně přepsané. Tento jednoduchý pokus určit úspěšnost přepisu však slouží pouze pro ilustraci kvality výstupu. V rámci samotného přepisu textu bylo totiž s výstupy obou programů pracováno velmi bohatě, jelikož jako hlavní výstup byl brán výstup programu PDF-XChange Vieweru a opakovaně porovnáván s výstupem Abbyy FineReaderu. Tyto zkušenosti budou stručně shrnuty na konci kapitoly, kde bude navíc dáno doporučení o vhodnosti užití těchto programů v souladu s cílem práce. Konkrétně byly zvoleny následující tři odstavce: v prvním svazku hned první odstavec na straně tři (or. 3.), ve druhém svazku na straně 121 odstavec opět hned nahoře (nadpis Poznámka o sourozencích Balbínových z Vorličné ) a ve třetím svazku odstavec na konci stránky 239 věnovaný Gustavu Adolfovi. Znaky z každého odstavce byly sečteny, následně byly sečteny špatně přepsané znaky a spočítán koeficient úspěšnosti v procentech. Vzhledem k problémům s oddělením písmen od sebe byly do znaků zařazeny i mezery mezi slovy. Byť se nejedná o znaky jako takové, je z logiky věci podstatné, aby byly přepsány správně. Délka odstavců je 386, 293 a 473 znaků. Přepis díla byl pak upraven tak, aby svým formátem byl co nejpodobnější původní předloze. Z toho důvodu není text zarovnán do bloku a byly dodrženy délky jednotlivých řádků a odstavců. Vynechány byly jen opravy v textu (například slova, která byla znečitelněna přepisovatelem kvůli chybě při opisování). Naopak zahrnuty byly do přepisu ruční opravy, které se v díle vyskytují. Na mnoha místech je možné si všimnout toho, že již v minulosti někdo zřejmě měl snahu napravit velké množství různých chyb a některé z nich byly ručně opraveny například vepsáním chybějícího písmena. Bylo rozhodnuto o zařazení těchto oprav do výsledné podoby díla z toho důvodu, že dobře dokumentují současný stav díla a snahu o jeho co nejlepší zkvalitnění, o čemž více v následující kapitole. 49

59 3.1 PDF-Xchange Viewer 2.5 Obrázek 6 Srovnání kvality přepisu, text pochází ze stránky 3 druhého dílu Dějin. Na pravé straně je zobrazený originál, na levé straně pak výstup PDF-Xchange Vieweru. Přepis textu pomocí tohoto programu je od FineReaderu rozdílný. Nejen že PDF-XChange Viewer zvládá pouze přepis z *.pdf dokumentů, také přepsaný text nikam neexportuje a jednoduše vytvoří novou textovou vrstvu, kterou překryje stávající dokument. Právě tento text je pak následně zapotřebí zkopírovat a upravit. Tím vzniká drobná komplikace, jelikož se s takto zkopírovaným textem nepřenáší žádné nastavení fontu či velikosti písma a je zapotřebí u zkopírovaného textu tyto hodnoty ručně nastavit podle potřeby. Samotný proces OCR je pak možné provést v nízké, střední nebo vysoké kvalitě. Rozdílem by měla být kvalita přepisu a u nižších nastavení snížený čas potřebný pro jeho provedení. Cvičně byly vyzkoušeny přepisy pomocí všech tří stupňů kvality, a byť je pravda, že nižší nastavení kvality proběhlo znatelně rychleji, výsledky byly velmi podobné. Proto bylo výchozí nastavení pro potřeby práce seřízeno na nejvyšší kvalitu. Při přepisu se objevuje několik problémů. Stejně jako Abbyy FineReader, i Xchange Viewer má problémy s diakritickými znaménky. Jak je uvedeno u obrázkového srovnání níže, umístění těchto znamének a jejich relativní pozice vůči písmenu samotnému je v některých případech odlišná od našich dnešních fontů. Pokud tedy OCR software nepodporuje přímo dotyčný font, kvalita přepisu bude nižší, jelikož některá písmena nebudou správně rozpoznána. Dalším problémem je rozpoznání podtrženého textu v nadpisu. Zatímco FineReader si s tímto problémem poradil více méně bez problémů, Xchange Viewer nedokázal takto přepsaný text rozpoznat vůbec (viz obrázky okolo). V takto přepsaném textu se pravidelně neopakovaly žádné chyby, ale neustále se vyskytovalo menší či větší množství chyb ve znacích, které na první pohled vypadají bezproblémově. Vytvořit 50

60 přepis tímto způsobem vyžadovalo velmi pečlivé a opakované přečtení celého textu, jelikož chyby byly četné a díky jejich rozlišnosti neexistoval snadný způsob, jak větší množství z nich snadno opravit. Úspěšnost přepisu u zvoleného testovacího vzorku se ukázala být velmi dobrá. V Odstavci z první knihy dlouhém 386 znaků přečetl program správně 377 znaků, devět znaků chybně a úspěšnost přepisu byla 97.7 %. Chyby byly následující: písmeno o přepsáno jako velké místo malého, é přepsáno jako ě, s jako e, dvě chyby ve slově zaměstnání (zbytečná vlnovka před s a tečka před ní ) a čtyři chyby ve slově užitečnou, všechny z důvodu chybějícího diakritického znaménka. Druhý odstavec byl již s 4.4 % chybovostí a tedy 95.6 % úspěšností přepisu, celkem 13 chyb se nasbíralo především neschopností správně číst diakritická znaménka (dvě chyby), neopodstatněné podtržítko před provdána a několik špatně přečtených písmen ve slovech Bedřich, Skornicové a překvapivě i jinak. Stranou zůstává fakt, že program dokázal přečíst nadpis, nicméně jej nedokázal správně podtrhnout. Stejnou chybu však udělal i Abbyy FineReader 11 a jelikož jde o snadno opravitelné pochybení, bylo rozhodnuto o jejím nezahrnutí do špatně přečtených znaků. Ve třetím zkoumaném odstavci se program dopustil 18 chyb. Osm chyb se opět vztahovalo k problematickým diakritickým znaménkům a zbývající chyby připadají na slovo lanckrabí, které program z neznámých důvodů naprosto přeskočil a mezery mezi slovy skryl. Úspěšnost v tomto případě dosáhla 96.2 %. Vážený průměr koeficientů úspěšnosti je pak zaokrouhleně 96,5 %, což odpovídá zkušenostem při přepisu. Byť se vyskytovaly chyby, je celková úspěšnost velmi uspokojivá a práci program velmi usnadnil. Časté chyby jsou již mnohokrát zmíněná diakritická znaménka, která je možné vysvětlit rozdílným fontem použitým psacím strojem a který dva zvolené OCR pravděpodobně neznají. 3.2 Abbyy FineReader 11 Tento program byl vybrán pro srovnání z toho důvodu, že jde o dlouhodobě velmi dobře hodnocený software zaměřený na co nejkvalitnější rozpoznání textu v rámci procesu OCR. Na rozdíl od předchozího se ukázalo, 51

61 že program je schopen systematicky rozpoznávat jednotlivá písmena a byť úspěšnost přepisu nedosáhla sta procent, výsledky byly dostatečné. Obrázek 7 Ukázka z výstupu programu Abbyy FineReader 11. Text byl přepsán v dostatečné kvalitě, program byl schopen rozpoznat kvalitně většinu písmen. Například k přepsané jako lc však ukazuje, že stoprocentní kvalita není reálná. Stejně jako u prvního programu, i zde nedokázal software kvalitně zachytit správné formátování textu, jelikož umístění textu na stránce (v originálu formát A4) se značně lišilo, a mnohdy nebyl ani správně rozpoznán formát stránky A4. Protože je však formátování stránky z dnešního pohledu nezvyklé (v podstatě absentující spodní okraj stránky), nezbylo než odstranit prvky formátování úplně a vytvořit nové formátování textu. Font textu byl rozpoznán jako Courier New ve velikosti 11.5 pixelů. Úspěšnost přepisu je problematické zhodnotit. Byť v prakticky každém zvoleném odstavci existuje alespoň jedno slovo, které není přepsáno naprosto správně, je celková úroveň přepisu relativně vysoká. Problémem se ukázaly některé konkrétní znaky, se kterými si FineReader někdy poradil špatně. Například tečka byla sice někdy přepsána jako tečka, jindy však jako hvězdička. Písmeno k bylo v některých případech přepsáno jako lc, i jako! a ; jako j. Těchto nepříjemných chyb nebylo mnoho (dohromady desítky v každém svazku) a především je však možné je snadno opravit. Pomocí nástroje Nahradit v programu MS Word 2010 je totiž snadné všechny hvězdičky či lc, které se v originále nevyskytují, nahradit příslušnými znaky. Horší situace nastala u i a í na konci slov. Mnohokrát byla tato písmena oddělena od zbytku slova mezerou. To může naznačovat, že došlo ke špatnému fragmentování dokumentu, případně měl program značné problémy s fontem nebo prováděl nevhodný postprocessing. Opakovaně se také objevily problémy s některými dalšími písmeny, například č či ť, kdy bylo přepsáno pouze samotné písmeno bez diakritického 52

62 znaménka. Jak je vidět na obrázcích okolo, strojopis umisťuje tato znaménka vysoko nad písmena, což je velký rozdíl oproti dnešním běžným fontům typu Times New Roman, Courier a pod. Pro názornou ukázku bylo vytvořeno obrázkové porovnání těchto tří fontů. Jak je vidět na obrázku č. 9, u původního fontu jsou diakritická znaménka umístěna nad písmenem, a to v některých případech i velmi vysoko. Stejná je situace u písmene ť, stejně jako ď a podobných, kde je háček umístěn nad písmeno, nikoliv nad jeho pravou horní stranu tak, jak je tomu dnes. Veškeré tyto problémy s přepisem tedy značí, že Abbyy FineReader má problémy s fontem, který je použit při původním strojopisu. Nejpravděpodobnější příčinou je jeho chybějící podpora. Úspěšnost přepisu u tří zvolených ukázkových odstavců byla velmi dobrá. V prvním odstavci FineReader nepřepsal špatně žádný znak s výjimkou dvou teček, které rozpoznal jako hvězdičky a koeficient úspěšnosti dosáhl %. Druhý odstavec dopadl podobně jako u programu XChange Viewer z toho důvodu, že ani FineReader nedokázal správně rozpoznat podtržený nadpis. Ten byl sice přepsán bezchybně, ale v celém přepisu dokázal program mnohokrát podobnou situaci správně vyřešit, několikrát však selhal. V textu samotném program udělal dvě chyby v přepisu, a to konkrétně í ve slově Balbínové nahradil písmenem l a písmena rn ve slově Skornice program přepsal jako m. Tato chyba se ukázala být velmi častou a ve slově Skornice byly chyby v přepisu u zhruba každého druhého výskytu. Úspěšnost přepisu ve druhém odstavci dosáhla 99,32 %. Ve třetím odstavci se pak opět vyskytly dvě chyby, a to hvězdička místo tečky a pomlčka místo lomítka na konci posledního řádku, úspěšnost přepisu 99,58 %. Vážený průměr koeficientu úspěšnosti je pak 99,48 %, což je velmi vysoká hodnota i pro přepis dnes běžných kancelářských dokumentů, natož šedesát let starého strojopisu psaného problematickým fontem. Na rozdíl od XChange Vieweru dělal tedy FineReader chyb méně a lišila se jejich podstata. Většina problematických diakritických znamének byla přepsána správně i přes to, že program rozpoznal text ve fontu Courier, který je nicméně ve své počítačové podobě již na první pohled odlišný od toho, kterým je kniha napsána. Schopnost programu přiřadit znaménka k příslušným písmenům je proto velmi dobrá. Druhá častá skupina chyb je záměna některých znaků, například tečky za hvězdičky či přepsání písmen rn jako m, 53

63 což může být dáno právě neznalostí fontu. Překvapením je, že byť měl XChange Viewer celkově menší úspěšnost přepisu, těmto chybám se vyvaroval. Ačkoliv je více než pravděpodobné, že oba programy mají rozdílně nastavené rozpoznávací algoritmy a k těmto informacím kvůli obchodnímu tajemství není možné veřejně získat přístup, lze říci, že i bezplatný a na OCR pouze okrajově zaměřený program dokáže v některých ohledech předčít rozpoznávací algoritmy již desetiletí velmi úspěšné a dobře hodnocené konkurence. Poslední skupinou chyb, která se v příkladu sice neukázala, ale její výskyt byl v celém díle relativně častý (desítky výskytů) je oddělování některých písmen od slov, typicky se jedná o koncovky archaismů. Například slova jako odolati nebo nadíti byla často přepsána s odděleným i na konci. Byť FineReader neposkytuje dokumentaci či vysvětlení postupu pro přepis jednotlivých znaků, ze získaných zkušeností lze již mnoho odvodit. Program téměř nedělá díky své vysoké míře úspěšnosti chyby v textu samotném, tím méně v mezerách mezi slovy. Většina chyb se tak omezuje na tečky, lomítka, podtržítka, text je ale přepsán správně a tato specifická chyba se objevovala s železnou pravidelností. Nabízí se tedy vysvětlení, že za tyto problémy může post-processing, konkrétně slovníkové metody opravy textu. Program má velmi dobrou podporu moderní češtiny a ta výrazy nadíti nezná, zná však nadít a spojku i. Právě lexikální metody zkvalitnění přepisu tak mohou stát za zhoršenými rozpoznávacími schopnostmi programu, a nevýhoda u těchto metod zmíněná v kapitole věnované OCR softwaru a principům jeho fungování se tedy zřejmě naplnila. Opět z tohoto hlediska pak méně profesionální Xchange Viewer dosáhl alespoň částečného úspěchu ve srovnání s dražším a specializovanějším produktem. Pro velmi vysokou úspěšnost přepisu však lze tento program pro podobné úkoly doporučit. 54

64 Obrázek 8 Ukázka z přepisu Dějin, nahoře je naskenovaný originál, dole pak výstup programu Abbyy FineReader. Tečka je přepsána jako hvězdička zřejmě proto, že se nachází za písmenem o relativně vysoko a má nezvyklou velikost. Obrázek 9 Porovnání písmen, která byla při přepisu pomocí OCR softwaru problematická. První sloupec jsou písmena v knihách, druhý sloupec je font Courier New rozpoznaný programem FineReader, třetí sloupec pak dnes nejběžnější font Times New Roman. 3.3 Tvorba rejstříků Pro každý svazek Dějin byl vytvořen vlastní místní a jmenný rejstřík. Základní metodika práce byla zmínit první a všechny následující významné výskyty dotyčného jména či lokality. U jmen bylo přistoupeno k řazení podle abecedy dle křestního jména. Důvodem je doba, kterou se dílo zabývá. V osmnáctém století totiž ještě příjmení nebyla ustálená, často se užívala příjmení podle domu, ve kterém dotyčná rodina bydlela. Dalším důvodem je samotný obsah dějin, kdy Biener uváděl především šlechtu ve formátu jméno a za ním navazující upřesnění, například z Hradce. Rodová jména Biener uvedl pouze ve výjimečných případech a bylo by problematické podle tohoto způsobu jména třídit, jelikož takto zapsaných jmen je menšina. Výjimka z metodického pravidla tvorby rejstříků byla učiněna pouze v případě konšelů a radních města Hradce Králové, u kterých byly do rejstříků zaneseny všechny výskyty a o kterých již byla zmínka v kapitole věnované Dějinám samotným. Biener na tyto osobnosti ve svém díle opakovaně upozorňoval a jejich zaznamenání nesloužilo pouze k doplnění informací k danému 55

65 roku. Úkolům a činům těchto konšelů je v Dějinách věnován často větší prostor, například v rámci určitého roku Biener rozepisuje činy těchto osob v, i mimo samotný Hradec. Právě v takovýchto úsecích se však ukazuje jeden z neduhů díla, a tím je nesoulad v psané podobě dotyčných jmen. Opakovaně se tak lze setkat se problémem, kdy má jméno dotyčné osoby rozdílný zápis na počátku roku, kdy je uveden seznam jmenovaných konšelů, a jiný zápis později v textu, kdy Biener vypravuje osud této osoby či úkoly, které plnila. Možné příčiny jsou dvojí. První jsou rozdílné zdroje. Biener totiž čerpal z mnoha zdrojů a je pravděpodobné, že tyto zdroje měly jiné původce, případně je psali jiní písaři a každý mohl jména foneticky shodná psát jiným způsobem. Tuto možnost potvrzuje fakt, kdy jsou mnohá velmi podobná jména uvedena po sobě, například nejprve je opakovaně uveden jeden přepis jména, o několik stránek později pak druhý a o dalších pár stránek opět ten původní. Druhým možným vysvětlením je chyba či nepozornost překladatelů nebo opisovatelů, což je nezávisle na první variantě reálná obava. V dílu se totiž nachází velké množství překlepů a chyb, pochybení u jednotlivých jmen se proto nedají vyloučit. Tyto chyby se týkají jak jmen, tak příjmení a mají rozdílný rozsah. Někdy jde o jen velmi malý problém, například na stránce č. 297 ve třetím svazku Dějin je Jan Vilém Gerstorf napsán jako Gerstorf i Gerstorff, na stránce 331 pak Jan Dellinard či Jan Josef Dellinart a podobně. Je však také možné že se o žádnou chybu nejedná, pouze se lišily údaje zapsané v původních, dnes již nedostupných pramenech. Všechna tato jména byla nicméně zapsána do rejstříků samostatně s tím, že není možné vyloučit nepravděpodobnou okolnost, že opravdu existovali rozdílní jedinci, byť se vzhledem ke stabilnímu osazení rady zřejmě nejedná o tento případ. Naopak vypuštěny byly z rejstříku všechny osoby, o kterých není v díle dostatečné množství informací. V několika případech napříč dílem totiž Biener uvádí křestní jméno jedince v souvislosti s určitou událostí, aniž by bylo možné dotyčného jakkoliv hlouběji identifikovat. Takové zápisy by v rejstříku působily protichůdně proti jeho původnímu záměru, a to umožnit snadnější vyhledávání v textu. Bez dalších informací je totiž nemožné takovéto osoby jakkoliv zařadit či pojmenovat, a pro zájemce by měl takovýto záznam nulovou vypovídací hodnotu, a proč takové osoby autor vůbec do Dějin zařadil, je nejasné. 56

66 Celková délka jmenných rejstříků je necelých třicet stránek, což pro dílo svým rozsahem lehce přesahujícím sedm set stran představuje velmi rozsáhlou pomůcku pro vyhledávání. Tento rozsah je částečně způsoben výše zmíněnými problémy s neshodami ve jménech, částečně však také tím, že se Biener velmi bohatě věnoval především šlechtě a duchovenstvu. Není možné zde opomenout ani Bienerův přístup k mnoha pramenům, které již dnes nejsou dostupné. Jak při práci s písemnostmi, tak při zapisování informací získaných ústním vyprávěním totiž svědomitě zapsal vše, což velmi napomohlo čtivosti díla a poskytlo kvalitnější představu o dané době. Místní rejstříky pak dohromady svou délkou dosahují okolo desíti stran, nicméně značná část je věnována rozdílným lokalitám v Hradci Králové. Kdyby se všechny místní rejstříky sloučily do jednoho, celková délka by byla mnohem kratší. Lokalit v rámci Hradce Králové, kterým se dílo věnuje, je mnoho. Část odkazuje na konkrétní domy či brány a jsou tedy velmi určité. Některé však odkazují například na celá předměstí. Toto se děje především v úsecích textu, kde se Biener vyjadřuje k událostem, které postihly celou oblast (požáry, destrukce při obléhání apod.) a z toho důvodu byly do rejstříků zaneseny samostatně, namísto prostého odkazu na Hradec Králové. Na rozdíl od některých lokalit navíc předměstí Hradce Králové existují až do dnešních dní a byť s pozměněnou rozlohou, zůstávají významným referenčním bodem. 3.4 Zhodnocení přepisu pomocí OCR softwaru Podle již zmíněných údajů o přesnosti přepisu se oba programy ukázaly jako velmi zajímavý nástroj pro přepis Dějin. Přesnost rozpoznání znaků vysoko nad 90 % je důkazem toho, že takový nástroj je vhodný pro podobné úkoly. Problémy však existují, a je možné je snadno pojmenovat. Prvním je problém s fontem. Ani jeden program nedokázal stoprocentně rozpoznat některé jeho znaky. Byť FineReader 11 dokázal rozpoznat font Courier, což je jeden z nejtypičtějších počítačových fontů napodobující psací stroje, podoba znaků přesto není stoprocentní a především umístění interpunkčních a diakritických znamének je zodpovědné za velkou část snížené schopnost programu provést správný přepis. Program XChange Viewer se znaménky takové problémy neměl, ale za to indikoval více problémů s diakritikou. Jakákoliv přesnost přepisu přes 95 % je vysoká a z hlediska kvality 57

67 programu je více než uspokojivá. Otázkou zůstává, jak na takovou přesnost bude nahlížet ten, kdo bude s programem pracovat a bude očekávat perfektní výsledky. Faktem je, že není možné očekávat stoprocentní úspěšnost a kvalitu. Byť Dějiny nejsou nijak fyzicky poškozeny a kvalita písma je výborná, rozdílnost fontů zůstává problémem. Druhou překážkou je post-processing u programu FineReader, o kterém již byla řeč výše. Některé chyby a nepřesnosti přepisu totiž vypadají jako způsobené právě těmito kroky, a to značně komplikuje možné další úpravy. Pro nápravu je totiž potřeba velmi pozorně číst každé slovo všech svazků a případné chyby opravit. Z tohoto hlediska se mohou transparentnější a očekávanější nedostatky XChange Vieweru jevit jako vhodnější varianta, jelikož stačí číst přepsaná slova a ručně opravit chybné pasáže, namísto pečlivého hledání možných chyb, které mohl program sám vytvořit, a v originálním textu se nevyskytovaly. Třetím problémem, byť jen drobným, je doba, kterou program potřebuje pro přepis pomocí OCR. Byť se obecně programy od sebe liší, pro přepis jednoho svazku Dějin potřebovaly oba programy zhruba dvacet minut času. Ačkoliv nejde o zásadní problém a od uživatele není vyžadována jakákoliv asistence, alespoň zmínit tuto skutečnost je vhodné minimálně pro lepší představu o nárocích OCR programů. Přes všechny tyto problémy je však možné takovéto nástroje pro přepis podobných děl doporučit. Byť je zapotřebí vynaložení dalšího úsilí pro kontrolu přepsaného textu, výsledná práce je mnohem snazší než alternativa přepsání textu ručně. V případech, kdy je pro dané dílo vhodné vytvořit i rejstříky, stejně jako tomu bylo v rámci této práce, je zapotřebí dílo přečíst tak či tak, jelikož kvalitní rejstříky není možné vytvořit bez kontextové znalosti daného textu. Byť tedy není OCR software ve své současné podobě perfektním řešením, je na základě výše uvedeného, řešením dostatečným pro to, aby byl považován za vhodnou pomůcku při vypracování úkolů podobným přepisu Dějin Hradce Králové. 58

68 4 Kritika pramene V této kapitole bude podrobně rozebráno dílo Dějiny Hradce Králové, které se nachází v péči Biskupské knihovně biskupství královéhradeckého. Cílem práce je co nejpřesněji zdokumentovat stav díla, což je podstatné jak pro kvalitu přepsání textu pomocí OCR softwaru, tak pro budoucí badatele, kteří by měli zájem se dílu věnovat. Konkrétně budou Dějiny rozebrány z následujících hledisek: stav, obsah, historie výtisku a překladatelé. Cílem podkapitoly o stavu díla je co nejpřesněji popsat jeho fyzický stav, ve kterém se nachází. Dále kvalitu tisku a vazby, přítomnost různých grafických prvků nebo defektů a poškození. Podkapitola o obsahu díla bude věnována hrubému popisu obsahu Dějin. Nepůjde přitom o převyprávění textu dějin, což by vzhledem k rozsahu díla a jeho pojetí historie nebylo snad ani možné. Cílem je pojmenovat základní obsahové rysy, poukázat na oblasti, kterým se Biener věnoval. V kapitole práce věnované jemu samotnému byly již některé z těchto oblastí naznačeny. Jako voják měl velké znalosti a pochopení pro vojenskou strategii a vojenské reálie dané doby, což se v díle například odráží velmi důkladným popisem přesunu vojsk a popisem některých obléhání. Stejně tak se při každé přítomnosti vojsk v Hradci Králové Biener neopomněl zmínit o situaci, za které toto ležení vojska probíhalo, stejně jako o problémech, které tímto Hradci vznikly. Osoba autora se na podobě Dějin významně podepsala, a právě to bude předmětem této podkapitoly. Další podkapitoly budou věnovány osudu konkrétního výtisku Dějin, kterým se tato diplomová práce zabývá. Opodstatnění toto shrnutí nalézá v samotné podobě díla. Vzniklo totiž jako práce nadšenců a jeho historie je do značné míry neznámá. Z četných poznámek v díle samotném lze vytušit, že se mnohdy rukopis pohyboval právě mezi těmito lidmi, kteří dílo přepisovali a nadále se mu věnovali. Byť hluboká studie historie rukopisu není předmětem této diplomové práce, je nezbytně nutné v rámci kritiky pramene alespoň shrnout známá fakta a dopady na dílo, které by tato historie mohla mít. A to jak po obsahové stránce díky překladatelům, tak po stránce formální díky těm, kteří Dějiny v minulosti přepisovali. Na konci kapitoly pak bude následovat krátké shrnutí, které stručně zhodnotí celkový stav díla a jeho vhodnost pro přepis pomocí OCR softwaru. 59

69 4.1 Stav díla Jak již bylo zmíněno, dílo se nachází v Biskupské knihovně biskupství Hradec Králové a jeho stav je výborný. Celkem tři svazky jsou svázány vazbou V5, knižní blok je sešitý nití a desky potaženy červeným plátnem. Knihám přitom chybí hřbet, místo kterého jsou odkryty samotné listy papíru a na nich je napsáno BIENER. Desky jsou potaženy červeným plátnem. Do knih jsou takto svázané samostatné listy. Ty byly samostatně přepsány a následně svázány. Text je velmi dobře čitelný u prvních dvou knih, třetí kniha má však text již částečně vybledlý, přesto stále čitelný. Písmo je typické strojové. Listy jsou popsány pouze z jedné strany a knihy jsou svázány tak, že se text po otevření knihy na určité stránce nachází pouze na pravém listu, levý je pak prázdný. Na některých stránkách je zrakem dobře rozpoznatelné písmo nacházející se na druhé straně listu, jde ale zdokumentovat tento stav fotograficky je obtížné, jelikož nebyla k dispozici dostatečně kvalitní technika pro zaznamenání takto drobných detailů. Každý svazek je na několika místech opatřen razítkem Biskupské knihovny. Na díle nejsou patrné jakékoliv známky špatného zacházení nebo uložení díla v nevyhovujících podmínkách. Na listech se nenacházejí žádné skvrny a žádná stránka není potrhána. Obrázek 10 Porovnání kvality písma v prvním a třetím svazku Dějin. Třetí svazek má viditelně vybledlejší písmo. 4.2 Obsah díla Dějiny se skládají ze dvou dílů a celkem tří knih. První svazek, nejdelší ze všech tří, je prvním dílem. Zabývá se historií Hradce Králové, jeho osídlením a archeologickými nálezy po již neexistujících kulturách od počátku dějin do roku Zbývající dva svazky pak tvoří díl druhý, druhý svazek se věnuje dění v Hradci Králové v letech 1526 až 1629, třetí pak rokům 1630 až Délka svazků je 260, 238 a 217 stran, dohromady tedy 715 stran. Dějiny jsou psány chronologicky. Začínají nejstarším obdobím a historií osídlení a od roku

70 až do 1766 pak obsahují popis událostí, které se v dané době odehrály buď přímo v Hradci, nebo popis celoevropských událostí, které Hradec Králové ovlivnily a kterých se Hradečtí účastnili. Na Dějinách je přitom dobře viditelný rukopis jejich autora. Jak je uvedeno v příslušné kapitole, Biener byl voják a právě vojenským tématům je v Dějinách věnováno mnoho prostoru. Nejvíce je to patrné ve druhém svazku druhého dílu, který popisuje dějiny od roku 1630 do Války, jak třicetiletá, tak války o rakouské dědictví, jsou dopodrobna rozepisovány na desítkách stran. Biener přitom zachází až do překvapivých detailů, kdy popisuje vojenské manévry a přesuny vojsk nejen na dnešním území Čech, ale i přesuny ve Slezsku a dnešním Německu. Velkou pozornost věnuje i vojevůdcům armád a šlechtě, která se těchto tažení účastnila. U většiny obléhání měst se tak můžeme v Dějinách dočíst o tom, kdo obranu města vedl, kdo vedl útočící armádu, s jakými problémy se armády potýkaly a mnohdy i zběžný popis samotných bitev. U samotného Hradce Králové je pak každé vojenské střetnutí popisováno velmi podrobně, stejně jako události, které mu předcházely a následovaly. Jak již bylo uvedeno, Biener byl sám voják a právě vojenská služba mu vysloužila znovuuvedení do šlechtického stavu. Ve své vojenské kariéře také sám dokázal díky precizním vojenským manévrům a porozumění pohybu armád dosáhnout značných úspěchů, a proto zřejmě byly pro Bienera takové děje významné a důkladně se jim věnoval. Zvláštní prostor je v Dějinách věnován městské radě Hradce Králové. Byť je poprvé složení městské rady uvedeno až na straně 197 prvního dílu Dějin, a to konkrétně pro rok 1452, od tohoto data pro většinu let Biener uvádí pro dané roky hned na počátku informaci o složení městské rady. Většinou výčtem jmen, v některých případech však jen pouhým odkazem, že rada měla pro daný rok stejné složení jako rok předchozí. Význam městských radních je v Dějinách několikrát zdokumentován, na mnoha místech je totiž po úvodní pasáži věnované jmenování městské rady, rozvedeno další dění v Hradci Králové v daném roce, a právě městští radní jsou často uvedeni například jako zástupci Hradce na sněmech či aktéři dalších událostí ve městě. Jelikož Biener přistupoval k městské radě Hradce 61

71 Králové velmi pečlivě a na mnoha místech na toto složení nadále Obrázek 11 Ukázka z textu věnovaná dosazení konšelů z roku Biener vždy v takovém případě zmínil rok, rychtáře a jména jednotlivých konšelů (Biener 1780: 198). navazoval, byla bez výjimky všechna jména zahrnuta do jmenných rejstříků pro jednotlivé knihy Dějin. Současná podoba díla však není výsledkem pouze Bienerovy práce. Překladatelé se v obou dílech pokusili na mnoha místech dovysvětlit, opravit a poukázat na nedostatky textu, a to v podobě vepsaného textu mezi lomítky. Příklad je vidět na obrázku č.11, který se nachází výše. Na základě toho se lze domnívat, že již překladatelé v minulosti narazili na některé problémy, které přetrvávají až do dnes, a to je značné množství chyb a nepřesností. Více o tom na dalších místech této kapitoly. Byť jsou Dějiny věnovány především Hradci Králové, Biener se nevyhnul alespoň částečně popisu historického kontextu a reálií i mimo oblast města samotného. Příkladem může být prvních třicet stránek prvního dílu, kde se autor věnuje historii osídlení celé oblasti, nejen města samotného. Příkladem jsou již zmíněná válečná tažení i mimo území českého státu, důkladně rozebrána především ve třetím svazku Dějin v období zahrnující Třicetiletou válku, Válku o rakouské dědictví a Slezské války. 24 Biener se však věnoval i popisu pro Čechy velmi důležitých historických událostí, například stětí dvaceti sedmi českých pánů 25 na Staroměstském náměstí v červnu roku U konce druhé knihy tak na mnoha 24 Třicetileté válce je věnován prostor na stranách a zhruba celá druhá půlka třetí knihy se více či méně zabývá právě válečnými událostmi. Na rozdíl od prvního dílu Dějin se zde Biener válkami zabývá průběžně a dopodrobna na desítkách stran, válečné události také popisuje vedle jiných událostí běžného života (Poznámka autora). 25 Ne všichni popravení byli členové panského stavu, většina popravených byli měšťané, menší část pak členové panského stavu a rytíři (Poznámka autora). 62

72 stranách velmi barvitě popisuje situaci před popravou i samotnou popravu konkrétních českých pánů, byť by se nepochybně postačilo vypořádat s touto problematikou krátkým shrnutím a odkázáním na jiné historické zdroje, které se události věnovaly obšírněji. Ačkoliv tedy sám Biener na několika místech Dějin přiznává, že událostem přímo neovlivňujícím Hradec tolik pozornosti nevěnuje, přesto jsou tyto doklady o historickém dění v díle přítomny. Dalším významným obsahovým rysem Dějin jsou přepisy královských listin, které se Hradce dotýkají. V obou dílech je jich dohromady několik desítek a všechny jsou doplněny informacemi o autorovi listiny s podpisem a dataci, u některých je pak i uvedeno, jestli jde o překlad z německého či latinského originálu a jestli se nacházejí přímo ve vlastnictví Bienera. Listiny psané česky jsou pak transkribovány, přičemž původní transliterovaný jazyk zachovává Biener pouze v případech, kdy se odvolává na konkrétní zápis události nebo dobové nápisy. Většina listin se věnuje privilegiím Hradce Králové, respektive jejich potvrzení či změnám oproti předchozím panovníkům. Prvním příkladem je zápis z roku 1323, kdy král Jan potvrzuje městská privilegia udělená královnou Eliškou. Jde o krátkou listinu se strohým obsahem, což je pro nejstarší listiny v Dějinách typické. Délka je zhruba polovina stránky. Pozdější listiny však nabývají na obsahu a délce, což je dáno především tím, že pozdější panovníci musejí stvrdit veškeré listiny svých předchůdců. V druhém díle se také začínají objevovat germanismy nebo formulace v latině. Typickou listinou je v tomto případě například potvrzení královéhradeckých privilegií panovnicí Marií Terezií z roku 1747, které se v Dějinách nachází na stranách 417 až 426 druhého dílu. Na deseti stránkách jsou tak potvrzeny veškerá historicky udělená privilegia a jejich změny tak, jak je prováděli jednotliví panovníci. Jednotlivé listiny ( itemy ) jsou navíc odpočítány v latině, počínaje primo a konče vigesimo octavo. Byť se celkové poselství těchto listin nemění a prakticky všechny se vyjadřují k privilegiím Hradce Králové, jejich rozsah se v průběhu oněch zhruba šesti set let, po kterých se jimi Dějiny zabývají, značně zvětšil. Jak bylo zmíněno v kapitole věnované samotnému Bienerovi, byl to pečlivý sběratel a mnoho z těchto listin se v době psaní Dějin nacházelo v Bienerově vlastnictví, což v takovém případě uvedl poznámkou 63

73 originál u mne. Vzhledem k neslavnému konci sbírek po jeho smrti je navíc možné, že některé listiny, se kterými autor Dějin pracoval, již dnes nejsou dostupné. Dějiny jsou místy doplněny i poznámkami jejich autora. Byť lze říci, že celé dílo je vlastně dokumentací Bienerova pohledu na dějiny, přesto si na některých místech díla vyčlenil prostor pro komentování či dovysvětlení některých událostí nebo dobových problémů. Typickým příkladem může být úryvek ze strany 427 druhého díla dějin, kde se Biener vyjadřuje k již dřívějším plánům přestavět Hradec Králové na pevnost. Doslova: Také se vypracovávaly plány na opevnění města Hradce Králové, jichž nutnost sice z předcházejících polních tažení se ukázala, které ale dosud vždy přijatou zásadou: pořádné vojsko je lepší než pevnost překaženy byly. (Biener 1790: 427). Při psaní Dějin vycházel Biener z velkého množství listin a již existující literatury. Spolu s poznámkovým aparátem jsou tyto poznámky uvedeny ke konci stránky, ohraničeny řádkem podtržítek. Na rozdíl od dnešního chápání poznámkového aparátu je zde však několik odlišností. První je umístění těchto poznámek a citací. Jejich umístění na konci stránky totiž nebývá pravidlem a některé se nacházejí uprostřed nebo na začátku nové stránky. Druhým rozdílem je jistá nepravidelnost jejich výskytu. Poznámky a citace se totiž nevyskytují na každé stránce. Při psaní odborného textu je dnes běžné uvádět poznámky pod čarou na dané stránce a citace na konci kapitoly nebo na konci knihy. Biener nerozlišoval mezi poznámkami pod čarou a citacemi. Jelikož jsou Dějiny navíc psány chronologicky, neexistují zde ani konce kapitol, kde by bylo možné vhodně tyto poznámky pod čarou uvést. Problém je i s číslováním, jelikož Biener čísluje své poznámky a citace opakovaně znovu od 1 a umístění poznámky neodpovídá umístění odkazu na ni. Z tohoto důvodu bylo při přepisování textu přistoupeno k zacházení s těmito poznámkami jako se součástí textu, nikoliv jako v moderních poznámkách pod čarou. V díle je tak tento problém vyřešen tak, že jednou za několik stránek jsou tyto poznámky vysvětleny uvedeny nezávisle na poloze v textu, a to ke konci některého roku. 26 Nejedná se však o konzistentní řešení a pro každé pravidlo lze najít výjimku. 26 Jelikož jsou ve své současné podobě Dějiny na stroji přepsaným původním přeloženým rukopisem, je možné, že v originále se poznámkový aparát nacházel vždy na konci určitého bloku 64

74 Obrázek 12 Typický příklad poznámek pod čarou ze strany 67 prvního dílu Dějin. Několik poznámek je uvedeno na konci roku, samotné odkazy jsou uvedeny již na předchozích stranách. Většina obsahu Dějin se pak věnuje přímo událostem z Hradce Králové. Typově jde o krátké zprávy o významných událostech města, například velké požáry, rekonstrukce věží a hradeb nebo informace o morových nákazách. Zvláštní pečlivost je také věnována nákupům různých statků v okolí Hradce Králové příslušníky nižší šlechty. Často se tak v Dějinách můžeme dočíst, že například Dne 23. srpna koupil podkomoří Jan z Coenensu Čejpovský dům na malém rynku. 27 Speciálním případem jsou pak informace o archeologických nálezech nebo pozůstalostech. Příkladem může být již zmíněny soupis pozůstalosti císařovny Elišky, zesnulé v roce Jelikož přebývala právě v Hradci Králové, její pozůstalost částečně přešla do městské úschovy. Biener přitom velmi pečlivě popisuje jednotlivé předměty. nebo sešitu. V současné podobě je však umístění poznámkového aparátu neintuitivní a matoucí (Poznámka autora). 27 Biener 1790:

75 První je pás, vážící 2 dolnorakouské libry, pozůstává z černého tkaného pásu 2 coule širokého, v jehož středu je slabě červený pruh mezi dvěma postranními modrými pruhy. Na jeho koncích je přinýtováno kování ze silného stříbra, na jedné straně jako spona pásu, na druhé jako převislá pokrývka, na které na modrém u lze čísti písmeny stříbrem vypuklými: na lom Gurclic jadna gena /jak čte Bienenberg/. Kování jsou posázena českými polodrahokamy a ostatní pás je ozdoben 20 listnatými puklice-mi, které představují cinuté žaludy a jsou posázeny drahokamy. Obyčejně sedí uprostřed velký granát, kromě těch, které mají kulatý otvor pro bodec přesky, jenž do nich zapadá. Ostatní kameny tohoto pásu jsou rubíny, smaragdy, safíry, chrysolithy, amethysty a j. 28 Na tomto příkladu je vidět, že Biener opravdu pečlivě zaznamenával nálezy a důkladně se jim věnoval. Podobně přistupoval například k nově ulitým zvonům a nápisům na kašnách či sloupech, byť je tato pečlivost v Dějinách patrná nejvíce ve třetí knize, tedy druhé knize druhého dílu. I když příčinu Biener nikde sám nezmiňuje, lze se domnívat, že vzhledem k období, kterému se kniha věnuje, jde o události, které Biener buď sám pamatoval, nebo dokázal najít pamětníky a měl tak o událostech kvalitnější informace. Poslední, čemu se Biener v dějinách věnoval více než důkladně, jsou dopady válek na Hradec Králové samotný. Byť je toto patrné spíše až ve druhém dílu, dopady Třicetileté války a Války o rakouské dědictví na město jsou v Dějinách rozebrány velmi dopodrobna. Pro příklad uvádím citaci z druhého dílu Dějin, kde je pro rok 1638 rozebrán útok Švédů na Hradec Králové: Vyjednávalo se a město se vzdalo, poněvadž měšťané nahlédli, že by nebylo radno dalším hájením vystavovati město dalším zlým následkům. Když nepřítel město obsadil, ihned obšacoval měšťany - pro zachování jejich života - sumou jednoho tisíce tolarů, které ihned složiti museli. Nato požádal generál Bannér tolarů, aby město nebylo vyplundrováno, které však po prosbách na 6000 byly sníženy. Proto nepřítel jiným způsobem nadále se odškodňoval, hledal vše, co ve sklepích, v zemi a na jiných tajných místech bylo ukryto. Tímto způsobem obdržel na klenotech, penězích a šatech mnoho tisíc zlatých, což všecko po půl roce pryč a k armádě odvezl. Posádkou zůstali pak v Hradci jeden oberstlejtnant a jeden major s jedním plukem, 28 Biener 1780:

76 kteří město vydíráním a děláním šanců kolem města neslýchané soužili, v kteréžto době 400 domů předměstských dílem vypáleno, dílem zbořeno bylo." 29 Jelikož Biener již jako mladý sám zažil ležení vojska ve městě a následně sám jako voják měl s těmito situacemi bohaté zkušenosti, není překvapivé, že se tomuto bohatě věnoval a zohlednil i negativní dopady takovýchto událostí na města samotná. Stavu díla však škodí velké množství gramatických chyb a překlepů, jejichž seznam je součástí příloh. V díle se jich vyskytují desítky a jejich výskyt může být následkem toho, jaké osoby se na současné podobě díla svou prací podepsaly. Jak je uvedeno v podkapitole věnované historii díla, snad s výjimkou prvního opisu původní knihy městským písařem Františkem Böckem prošlo dílo rukama spíše nadšenců, než profesionálů. Všechny chyby byly opraveny formou poznámky pod čarou. V příloze práce se nachází seznam těchto chyb, který zahrnuje původní a nově navržený výraz. Možný problém vyvstává u jmen, kterých se v díle nachází značné množství. Při tvorbě jmenných rejstříků totiž mnohokrát vyvstal problém, kdy bylo jméno jedné osoby opakovaně napsáno ortograficky různě. Byť fonetická podoba jmen zůstává téměř nezměněná, konkrétní zápis jména se liší. 30 Na vině může být částečně nedůslednost opisovatele, částečně však také neustálená podoba příjmení v dané době, případně osoba zapisovatele daného zdroje. Městští písaři se navíc v Hradci Králové obměňovali po nejdéle patnácti letech a je proto možné, že každý písař mohl mít tak vlastní způsob zápisu jmen, která dnes mají již zápis ustálený. 31 Samostatnou kapitolou je pak latinsky psaný obsah v Dějinách, konkrétně jde o dohromady více než deset stránek ve druhé knize druhého dílu, kde Biener uvádí doslovné citace z některých pramenů v latinském jazyce. Cílem práce nicméně není provést rozsáhlou korekturu a jazykovou analýzu díla, v takovýchto situacích proto nezbývá než přidržet se zadání a text přepsat. Pokud se v těchto částech opisovatelé dopustili chyb, jejich oprava bude již na povolanějších (Vojtíšková, Šebesta 2013: ). 29 Biener 1790: Většinou se jedná o příjmení, nejvíce u městských konšelů a radních v Hradci Králové (Poznámka autora). 31 VOJTÍŠKOVÁ, Jana a Vít ŠEBESTA. (Králové)hradecké městské kanceláře do roku Vyd. 1. Ústí nad Orlicí: Oftis, 2013, 368 s. ISBN V této publikaci uvádí autoři seznam doložených radních písařů až do roku 1620 a jak je vidět, nejdelší doba setrvání písaře na své pozici je zhruba patnáct let. Mnohdy však nebyl radní písař jen jeden, od roku 1572 uvádí publikace dokonce tři písaře. 67

77 4.3 Historie opisu Historie opisu Dějin Hradce Králové, které jsou předmětem zájmu této diplomové práce, je problematická a dnes již z velké části zapomenutá. Byť byl jejich vznik a podmínky, za kterých byly sepsány, zmíněn v kapitole věnované samotnému Bienerovi, cesta Dějin až do Biskupské knihovny v Hradci Králové je více méně neznámá a nezmapovaná. Podle vyjádření Petra Polehly, vedoucího pracovníka biskupské knihovny, je strojopis v knihovně již od jejího znovuzaložení v roce Historie díla před tímto obdobím je však prakticky nezmapovaná. Částečný návod poskytují poznámky přímo v díle samém. Na konci každého dílu je totiž několik poznámek, které dokumentují historii díla, byť ne vždy relevantním způsobem. Historie díla je velmi stručně shrnuta na konci druhého dílu knihy. Původní Bienerem vydaná kniha byla v Hradci Králové 23. září 1830 opsána královehradeckým městským písařem Františkem Böckem. Následně byl v období 15. října 1920 až 12. ledna 1921 vyhotoven další opis, tentokrát jistým Josefem Peterou, řídícím učitelem v.v. Tento opis hodnotí v následující poznámce překladatel Jan Balcar doslova: Peterova práce byla pravděpodobně termínována a on vykonal úctyhodný kus díla: za necelé 3 měsíce přepsal kurrentem velký foliant o 664 stranách; z tohoto jeho opisu jsem překlad pořizoval. Na písmu bylo často znáti, že ku konci dne bývala jeho ruka již unavena, než přesto jeho písmo je všude dobře čitelné, většinou skoro krasopisné. Jak ale jinak není možné, při tak kvapné práci vloudily se tu a tam chyby, nesprávně přepsaná slova, některá snadno dala se ze smyslu věty uhodnouti, někdy však takové chyby zvláště německý obsah činily nejasným." 32 Další informace o osudu díla jsou neznámé, současný vlastník díla o něm nemá žádné informace a podle informací Jiřího Navrátila, knihovníka biskupské knihovny, již pamětníci nežijí. Současný strojopis pak pochází z šedesátých let dvacátého století. Bližší datace není u prvního dílu známa, u druhého dílu byla první kniha přepsána v roce 1966 a druhá v roce V obou dílech je opisovatel uveden pouze svými iniciály jako F. P. 33 Opisovatel vytvořil na konci prvního dílu krátkou poznámku o tom, 32 Biener 1790: Na konci prvního dílu Dějin se nachází zápis: Opsal: fp/271165/ (Poznámka autora). 68

78 že provedl několik oprav chyb v textu. Na konci druhého dílu se však nachází zajímavější poznámka o vzniku tohoto přepisu. Doslovný citát z knihy: Překlad opsán pro soukromou potřebu. Opravy některých citovaných dokumentů, zvl. církevních, provedeny podle jiných pramenů. Nové Město nad Metují, 30. srpna F.P. 34 Informace o opisovateli jsou bohužel příliš strohé na to, aby bylo možné jej dohledat. Informace o přepisu pro vlastní potřebu a datace však poskytují částečné vysvětlení pro současný stav díla. Překlepů a gramatické chyby zřejmě budou následkem nedůslednosti opisovatele, který byl pravděpodobně spíše nadšencem, než profesionálním opisovatelem. Výborný stav díla naopak vysvětluje jeho nedávný vznik, jelikož jde o dílo okolo padesáti let staré. 4.4 Další strojopisy Dějin Obrázek 13 Porovnání kvality textu přepisovaného strojopisu (dole) s druhým strojopisem (nahoře). U přepisovaného strojopisu je jasně patrná větší kvalita písma, stejně jako absence oprav a chyb, které se v druhém strojopise nacházejí. Biskupská knihovna má však k dispozici ještě naskenovaný druhý strojopis, konkrétně pocházející z vlastnictví knihovny Východočeského muzea v Hradci Králové. Skeny jsou již mnoho let staré, byť konkrétní počet let je neznámý. Již na první pohled však lze zjistit, že se oba strojopisy velmi liší, a to jak po stránce 34 Biener 1790:

79 jazyka, tak po stránce kvality. Již první odstavec ukazuje rozdíl v podobě jazyka. Rozdíly jsou následující: v prvním strojopise je, na rozdíl od strojopisu přepisovaného v rámci této diplomové práce, rozdíl ve slovech podnikl a podnikal, očekávati a očekávat, býti a být. Již zde je patrné, že se jedná s největší pravděpodobností o starší přepis, jelikož modernější čeština již i na konce sloves neumisťuje. Zároveň i různé gramatické chyby a překlepy, které se nacházejí v přepisovaném strojopise, jsou v druhém strojopise v pořádku. 35 Druhým významným rozdílem mezi těmito strojopisy je práce s poznámkovým aparátem. Poznámkový aparát přepisovaného strojopisu byl již za svou nekonzistentnost kritizován výše, poznámkový aparát druhého strojopisu však vypadá mnohem úhledněji. Byť přetrvává místy chaotické značení poznámek, kdy autor někdy z nejasných příčin opět začíná číslovat od jedničky, zatímco jinde plynule pokračuje v dalších číslech, je zde patrná snaha se s těmito poznámkami vypořádat na konci textu věnovanému zmíněnému roku. Srovnání obou strojopisů je obtížné. I když jsou oba nepochybně přepisy Dějin Hradce Králové, je zde patrný rozdíl v použitém jazyce. V této práci přepisovaný strojopis je psán češtinou velmi podobnou té dnešní, zatímco druhý strojopis je psán jazykem s prvky archaismů. Další snadno zpozorovatelný rozdíl je, že v druhém strojopise nenásledují za interpunkčními znaménky mezery, díky čemuž se text hůře čte. Je také patrná horší kvalita psaného písma, jelikož na mnoha úsecích písmen druhého strojopisu je barva rozložena velmi nerovnoměrně. Přepisovaný strojopis je naopak až překvapivě úhledný a, byť také psán na stroji, těmito nedostatky netrpí. Rozdílné je také číslování, druhý strojopis má na stránce více textu, což celkový počet listů zkracuje. Naopak jasně lze říci, že kvalita druhého strojopisu je příliš problematická na to, aby mohl být tento text snadno použit pro přepis pomocí OCR softwaru. Byť by zřejmě citlivé skenování s profesionálně nastavenými parametry mohlo pomoci s čitelností některých problematických pasáží, právě díky nerovnoměrnému rozložení barvy u jednotlivých písmen by OCR program zřejmě nedokázal provést kvalitní přepis. 35 Na příklad překlep v přepisovaném strojopise na straně 37 prvního dílu Dějin, kde je uvedeno slovo vydím ve smyslu sledovat, je v druhém strojopise napráno správně. Stejná situace je pak i u všech dalších překlepů. Tato nekonzistentnost pouze dokumentuje, že různé strojopisy vytvářeli různí lidé v různou dobu, nicméně nezávisle na tom se všichni dopouštěli různých pochybení (Poznámka autora). 70

80 Některá písmena jsou totiž jen s obtížemi čitelná i pro lidské oko a části písmen dokonce úplně chybí. Právě chybějící části písmen by zřejmě byly normalizací obrázku vyhodnoceny jako bílé plochy nebo šum a pro porovnávání vzorců by tak zbyla jen menší část písmene. Pravděpodobnost úspěšného přepisu by tak byla mizivá. Nepomohl by ani kvalitní post-processing, jelikož ten vyžaduje podporu pro daný jazyk. Gramatika vývojově starší češtiny a archaismy by tak byly užitím pravidel moderního českého jazyka buď opraveny na moderní výrazy, nebo naopak naprosto opomenuty, jelikož by program nedokázal v několika zbývajících, správně přepsaných slovech rozpoznat dané slovo. Svůj dopad na kvalitu obrázku druhého strojopisu má nepochybně i špatné naskenování výchozího materiálu. Na žádném skenu není vidět ani náznak povrchu papíru, naopak je podklad až nepřirozeně bílý, skener tedy nedokázal dostatečně zachytit hloubku barev. Zároveň i DPI je evidentně velmi nízké, což je patrné při jakémkoliv přiblížení. Jednotlivá písmena mají šířku maximálně osm pixelů, což je až příliš málo pro kvalitní přepis pomocí OCR. 36 Díky těmto vlastnostem je tento strojopis pro OCR software příliš nekvalitní a pro čtenáře velmi nepohodlný. 37 Obrázek 14 Srovnání skenů strojopisu nacházejícího se v knihovně Muzea východních Čech, který má k dispozici Biskupská knihovna, a skenů strojopisu, kterému se věnuje tato diplomová práce. Hlavní rozdíl je již na první pohled kvalita písma a formátování. 36 Pro srovnání: při kvalitě skenu 400DPI v této práci přepisovaného strojopisu mají písmena 50 a více pixelů na šířku, což velmi napomáhá snadnému čtení písmen z naskenovaného obrázku. Druhý strojopis byl zřejmě skenován na postarším stolním skeneru a DPI se jednoznačně nemohlo pohybovat nad hranicí 200, spíše ještě méně (Poznámka autora). 37 Zkušebně byl proveden pokus pomocí programu Abbyy FineReader11 provést OCR přepis tohoto textu, výsledky byly ale velmi špatné. Program dokázal většinu textu přečíst uspokojivě a úspěšnost přepisu dosáhla přes 80%. To se však týká jen dobře čitelných pasáží. U více poškozených úseků program jen s obtížemi identifikoval jednotlivá písmena a celková úspěšnost přepisu nepřesáhla 50%. Při všech pokusech o přepis program hlásil velmi špatnou kvalitu přepisu a obrázek označil za poškrábaný (Poznámka autora). 71