書籍掃描資料

想要瞭解怎麼掃描一本書的話，可以先看一下這一篇文章「How to Create an E-book」，算是對紙本書籍數位化有相當基礎而完整的介紹。而DIY Book Scanner則是一個很不錯的論壇，有許多討論工作流程、軟體以及檔案處理的討論串。或是也可以看這個wiki，有很多軟體的連結。

而書籍掃描會遇到一些問題，例如書籍中間都會有陰影，如果掃描的時候沒有把書拆開，而直接使用平台掃描器掃描，就很容易有陰影和彎曲的情況（其實大家如果自己影印過大本的書籍應該就可以理解）。因此掃描完之後有許多要使用軟體後製和處理的。首先，掃描檔案可能會有一些地方並不是需要的，這時候就需要進行裁切，而裁切最受歡迎的軟體是JPEGCrops，因為這個軟體很簡單也很方便，而且處理過程中原始的JPEG檔案並不會有任何的損失（lossless cropping）。

而轉換方向或是一次掃描兩頁，需要將兩頁的檔案分開並重新編號，這部份其實就有很多軟體可以處理了，ACDSee較新的版本也都支援lossless的轉換方向。而完整處理掃描檔案最專業的軟體是ClearImage Repair（試用下載）：

• Automatic Deskew - detect the skew angle (+/- 45 deg) of the image contents and rotate the image. 45度以下歪斜自動轉正。
• Automatic Rotation - Rotate the image so that it is pointing straight upwards. 自動旋轉。
• Automatic Crop - identify the contents of the image and draw a new, tight border around it.自動裁切。 
• Automatic Registration - align the image towards the top left corner.自動定位。
• Automatic Border Extract - Remove excess border, deskew and crop the image.自動切邊。
• Automatic Invert - reverse black and white.自動黑白轉換。
• Smart Block Invert - reverse black header blocks with white text.轉換成黑方框白色文字。
• Noise Cleanup - Remove noise artifacts and reduces output file size by over 2x.雜訊去除。
• Remove Punch Holes - Remove black hole marks from the image.去除裝訂圓洞。
• Remove Halftone - Remove the halftone pixels to make the area white.去除半色調讓區域變白。
• Smooth Characters - Remove pixel stubble from the character symbols.字型或符號邊緣平滑化。
• Remove Blank Fax Lines - Remove white lines that run through the fax.移除傳真所造成的白線。
• Remove Fax Header - Remove the top text header from the page.去除傳真的標頭文字。
• Convert Fax Resolution from Standard to Fine - with image smoothing.將傳真的解析度優化。
• Delete Lines and Repair Objects - Remove form lines and reconnect broken objects.去除線條和修補破損的物件。
• Reconstruct Lines - straighten lines that are jagged due to scanning artifacts.將掃描所造成歪斜扭曲的線條拉直。
• Image I/O - Accept and output images in many file formats, via memory transfers or from Windows Bitmap.支援各種格式的輸出。

而在DIY Book Scanner很受推薦的一個軟體Scan Tailor，免費但功能也很強大。但也有不少好用的軟體是指令檔控制的，還沒有視窗版，例如Unpaper，

而掃描完如果要用OCR軟體辨識文字，最受歡迎的是ABBYY FineReader，而OmniPage OCR則排名第二。但如果要把掃描檔案的圖片和文字結合成PDF，則沒有那麼容易，可以參考這篇文章：「PDF Text Under Image Format」。

其實比較難校正的還是書籍中間的陰影部份（Shadow Elimination、Dark Area Repair）。而其次是梯形修正（Correcting for keystoning）以及歪斜修正（Dewarper）。