Как сканировать хрупкие книги

[vak]

Опишу здесь "щадящий" метод сканирования книг и документов, не требующий расшивания и даже механического контакта со страницами.

Пару месяцев назад мне в руки попали пара документов исторической ценности: описание архитектуры советской ЭВМ СВС-1. Папки довольно толстые и негибкие: прижать их к стеклу традиционного сканера нереально. Расшивать папки было бы варварством: всё-таки музейный экспонат. Я обзвонил фирмы, предлагающий коммерческий сервис по сканированию, но остались сомнения как в качестве результата, так и в сохранности документов. Решил городить свой огород.

Приобрёл сканер, не требующий физического контакта с объектом: CZUR ET16 Plus. Фактически это умная 16-мегапиксельная фотокамера с подсветкой и лазерной наводкой на резкость. Притом софт работает на Маке, что для меня критично. Особенность: подключать к компьютеру надо родным USB-кабелем, иначе будут глюки.



Шаг 1: сканируем, причём для экономии сразу в чёрно-белом режиме. Титульную страницу можно в цвете. Каждая страница в максимальном разрешении образует отдельный файл типа image01234.jpg размером один-два мегабайта. Если непосредственно запихнуть их в PDF, документ в 172 страницы займёт 240 мегабайт. Это слишком расточительно, будем мудрить.

Шаг 2: преобразуем страницы в формат PNG, попутно уменьшая разрешение в два раза. Используем для этого редактор GIMP в пакетном режиме. Создаём файл ~/.gimp-2.8/scripts/batch-to-png.scm со следующим содержимым:

(define (batch-to-png infile outfile ratio)
    (let* (
            (image (car (gimp-file-load RUN-NONINTERACTIVE infile infile)))
            (drawable (car (gimp-image-get-active-layer image)))
            (cur-width  (car (gimp-image-width image)))
            (cur-height (car (gimp-image-height image)))
            (width      (* ratio cur-width))
            (height     (* ratio cur-height))
        )
        (gimp-image-scale image width height)
        (gimp-convert-indexed image NO-DITHER WEB-PALETTE 256 0 0 "")
        (file-png-save 1 image drawable outfile outfile 1 9 1 1 1 1 1)
        (gimp-image-delete image)
    )
)

После этого выполняем скрипт:

for infile in image*.jpg
do
    outfile=`basename $infile .jpg`.png
    gimp -i -b '(batch-to-png "'$infile'" "'$outfile'" 0.5)' -b '(gimp-quit 0)'
done

Получаем набор файлов image*.png размером примерно в 14 раз меньше исходного. Уже хороший выигрыш.

Можно бы ещё сэкономить, если умудриться убрать с изображения лишний шум. Я пытался задействовать фильтр Гаусса:

        (plug-in-sel-gauss RUN-NONINTERACTIVE image drawable 5.0 178)

Не могу сказать, что доволен результатом. Хорошо бы подобрать другой фильтр, способный отфильтровать ненужные точки и штрихи, но не нарушающий качество букв текста.

Шаг 3: Преобразуем страницы в PDF.

for infile in image*.png
do
    outfile=`basename $infile .png`.pdf
    convert $infile $outfile
done

Шаг 4: Объединяем файлы страниц в единый PDF.

pdftk image*.pdf output document.pdf

Результат вы можете видеть здесь: СВС-система-команд.pdf (23 мегабайта)

Для сравнения, вот версия с гауссом на втором шаге, но без уменьшения разрешения: view (40 мегабайт)

Comments

[juan_gandhi]

Красиво.

Научиться бы мне еще слайды и негативы сканировать с нормальным качеством...

[vak]

Я когда-то решил эту задачу радикальным образом: купил сканер слайдов, отсканировал все имевшиеся в доме фотоплёнки, после чего их выкинул.

[juan_gandhi]

Мудро. А сканер как поживает? И каково качество?

[vak]

Сканер был Epson Filmscan 200, кажется. Тоже выкинул за давностию лет. Качество было очень приличное. Сами плёнки (советские) были заведомо хуже, чем позволял сканер.

[juan_gandhi]

Ага, я так понимаю, что за 100-150 баксов на амазоне можно уже что-то вполне приличное добыть. Этот, я посмотрел, на SCSI, древняя вещь!

[spamsink]

Неужели в PBMPLUS ничего подходящего не нашлось?
Да и конвертировать из .jpg в .png с изменением разрешения djpeg должен уметь в одну команду.

[vak]

Это можно, конечно, но я не оставляю надежды подобрать подходящий фильтр из набора GIMP.

[vak]

Потому я от него и избавился. Да и сканировать больше нечего. Сейчас вроде Kodak неплохие плёночные сканеры предлагает.

[vak]

Нужно что-то типа:

1. Найти все чёрные объекты, размером больше заданного. То есть буквы и графические элементы.

2. Защитить найденные области маской.

3. Всё остальное залить белым.

[archaicos]

Не потерять бы пунктуацию.

[vak]

Тоже проблема. Может быть строчки символов надо отслеживать.

[dluciv]

Хорошая штука, но не решает проблемы раскрытия книжки на 180. Мне кажется, что это критичнее, чем не трогать страницы при сканировании — при листании всё равно трогать приходится. У меня есть пара книжек маленького формата, которые я бы оцифровал, но их тупо не открыть нормально.

Имхо вот железка более бережная https://youtu.be/ne-h7FTMZBk. Есть и посерьёзнее, которые страницы присосками переворачивают, но они стоят, как автомобиль, или парочка, и размером явно не для дома...

[sab123]

А он автоматически корректирует на кривизну страниц при сканировании?

[vak]

Здесь тоже достаточно раскрывать на 90 градусов или чуть больше. Руками приходится придерживать, да.

[vak]

Про софт написано, что он умеет, но я пока не понял, как это задействовать.

[vit_r]

Я в таких случаях всегда меняю кривую контраста, поднимаю светлое до белого. Серое на фоне обычно вносит весомый вклад в вес файла.

[vak]

Точно, надо попробовать. Подобрать бы только параметры для вызова нужного фильтра из скрипта.

[dluciv]

Но под 90 с одной камерой разные куски страницы будут уж очень на разном расстоянии от фокальной плоскости...

Что у неё с глубиной резкости? Или она как-то иначе это решает?

[as_me]

Для обработки текстовых сканов есть неплохая свободная программа scantailor. Прежде чем использовать, лучше посмотреть обучающее видео.

[pappadeux]

scsi to usb

[vak]

Софт не распознает.

[ermouth]

Емнип в gimp есть фильтр despeckle, который работает как в фотошопе.

Если брать страницы ~1000px по ширине (как в первом pdf), в фотошопе пятикратный (в смысле 5 раз) despeckle существенно убирает мелкий шум, лучше чем blur. Надеюсь, в gimp тоже получится.