从几个常见需求看扫描电子书处理软件选择

Posted 2021-03-18 stronghorse

作者：马健
邮箱：[e-mail]
发布：2020.01.04

这几天在gxsd和eshuyuan都碰到一些人谈到扫描电子书处理，很多人的习惯是使用通用图像处理软件，包括Photoshop、光影魔术手、美图秀秀等来处理扫描版电子书。但在我看来，扫描电子书与日常风景照、人物照完全是两件事情，通用图像处理软件尽管功能强大，但在处理扫描电子书时却会面临强大的功能无处使，想要的功能又没有的窘境，没法与专门为处理扫描电子书而开发的软件相比。当然如果用处理扫描电子书的软件去处理日常照片，多半也属于脑子进水。

口说无凭，就用几个处理扫描电子书时经常碰到的问题，检验一下软件的成色吧：

1、自动纠斜功能
扫描图像歪斜是很常见的吧？这个功能很重要是吧？PS等有手动纠斜，自动纠斜有吗？ScanTailor（ST）、ComocEnhancer Pro（CEP）都有。

2、版心自动居中

在不把书籍切开进行扫描的情况下，扫出来的版心内容偏左、偏右都是必然的事情，但在通用图像编辑软件里，版心居中需要多步操作：先切边，再扩边。切边时碰到中缝阴影、黑边、麻点 等等的干扰，自动切边就麻爪了，只能靠人。可这对于专门处理扫描电子书的软件而言，属于基本必备技能好吧？

3、自动修正光照不均匀的图像
对于平板扫描仪，这个问题一般不严重，只有在厚书的中缝部分会有一些，碰上了就会恶心一阵。可对于用手机或相机拍的书，光照均匀、不需要修正的我只在几十万一台的V字型扫描仪上见过，自己拍的一张都没有，因为日常拍照环境基本上不可能有这么均匀、强烈的布光。如果 不对不均匀光照进行修正，直接把拍摄的图像转二值化图像基本上就是个梦，还是噩梦。PS可以手工修正光照不均匀，自动修正我活久也不见，但对ST、CEP这是个事吗？ST是全自动，CEP鼠标选一下参数而已。

4、局部自适应二值化
在《The Scan and Share tutorial》中，一再强调书籍应该用300 DPI扫描，然后用软件处理成600 DPI。不过这篇文章毕竟是几年前的了，考虑近期和未来显示器分辨率的发展趋势，我现在处理纯文字页面基本上都是800 DPI打底，高的甚至到1200 DPI。从300 DPI放大到800 DPI以上，不可避免的会出现模糊，这个时候再用Otsu等全局二值化算法，在对笔画的粗细等控制上就会显得无能为力。通用图像处理软件只有全局二值化，没有局部自适应二值化。这方面CEP基本上独此一家。

5、高倍数放大后的高阶锐化
在高倍放大以后，高斯模糊+局部自适应二值化可以控制笔画粗细和平滑度，但对笔画粘连无能为力，只能靠高阶锐化硬磕。PS的锐化实在是太温柔了，与CEP的高斯锐化没法比。

6、自动去毛刺、自动去麻点
对于二值化图像，二值化之前用高斯模糊可以适当平滑笔画、去除孤立点，但二值化过程在笔画上造成的毛刺和一些颜色较深造成的麻点是去不掉的。如果用通用PS处理，麻点只能用鼠标逐点去除，笔画上的毛刺只能放大后逐像素去除，有哪个人有这个耐心？可自动去毛刺、自动去麻点对CEP、ST而言全是标配，只不过ST是全自动，没法进行细部控制，CEP可以根据需要手动配置参数。去毛刺的例子可以看这里： https://www.cnblogs.com/stronghorse/p/7224976.html

7、自动去短线、波浪线
古文里面这些东东比较多，在人名、地名下面（横排）或左面（竖排）都有，现代文少一点，但页眉、页脚和正文中有时候也会有，这些肉眼看没事，但会对OCR造成干扰，所以如果想OCR，还是要先去除才行。用PS就手工滑鼠标、按Del键吧，CEP里对于二值化图像可以按照参数配置自动去除。

8、双页自动切分
平板扫描的时候为了提高效率，双页连扫是常规操作，但看书的时候还是希望逐页看，所以分页对扫描书籍处理而言也属于常规操作。在中缝位置不固定的情况下，PS分页只能靠手，ST可以靠算法自动切。

9、曲面展平
在图书馆里拿着手机拍过平摊在桌面上的书页的人都对这个功能很渴望，PS只提供梯形矫正，但没有页面弯曲矫正，ST有。