柯林斯高阶COBUILD英汉双解学习词典第8版；400DPI；2459张图...

staymoon · 发表于 2017-7-23 11:10:56

本帖最后由 staymoon 于 2021-7-19 09:29 编辑

使用的开源项目：https://github.com/barrer/scan-helper

扫描原始文件：4.0G
文件个数：2459张图片
最终PDF大小：527M

操作步骤：
# 扫描（600 DPI）
# ABBYY歪斜矫正
# ABBYY另存“JPEG彩色”
# “scan_helper_rename.py”修改图片名字为数字+英文字符（不能包含空格等特殊符号）
# “scan_helper_png.py”生成“monochrome”目录下黑白png
# 用无损压缩软件（ImageOptim、limitPNG等）压缩“monochrome”目录下的黑白png（可选操作）
# 用Adobe Acrobat DC 合并png为单个pdf

Demo:
不再提供

Oeasy · 发表于 2017-7-23 11:13:47

扫得好，扫得妙啊。

想起来都又有好几个月没翻这本纸质词典了。

oversky · 发表于 2017-7-23 13:09:23

本帖最后由 oversky 于 2017-7-23 13:12 编辑

ABBYY另存“JPEG彩色”
存 jpeg 已经失真一次，后面再改用 PNG ？
建议直接存成 tiff 比较好。

staymoon · 发表于 2017-7-23 14:15:57

oversky 发表于 2017-7-23 13:09
ABBYY另存“JPEG彩色”
存 jpeg 已经失真一次，后面再改用 PNG ？
建议直接存成 tiff 比较好。

tiff确实不错，最终目的是兼顾阅读及PDF文件体积，当然做成mdx就更好了

oversky · 发表于 2017-7-23 15:35:31

本帖最后由 oversky 于 2017-7-23 15:37 编辑

staymoon 发表于 2017-7-23 14:15
tiff确实不错，最终目的是兼顾阅读及PDF文件体积，当然做成mdx就更好了

imagemagick 我记得也支援处理 tiff 。
何不 Abbyy -> tiff -> PNG
可以少一次 JPEG 失真。

另外 PDF 其支持的内建图片档案格式没有 PNG,
也就是用无损压缩软件处理这一步对最后 PDF 文件体积是没作用的。
主要还是看 Acrobat DC 的参数设定。
黑白图片建议设定成 JBIG2 lossless 。

nibaichia111 · 发表于 2017-7-23 21:48:16

效果很好呀。不过前前后后也花了不少时间精力吧。可以请问您是拆书扫的，还是买了扫书仪器吗？

staymoon · 发表于 2017-7-23 22:04:30

本帖最后由 staymoon 于 2017-7-23 22:09 编辑

oversky 发表于 2017-7-23 15:35
imagemagick 我记得也支援处理 tiff 。
何不 Abbyy -> tiff -> PNG
可以少一次 JPEG 失真。

Acrobat DC确实会对python脚本处理后的二值化png作进一步编码，所以我注明了png无损压缩为可选。不过我测试发现质量几乎无损失，分辨率为图片原始分辨率，体积能在png的基础上再减少一半。
Acrobat DC会对最后的二值化png像素点进行颜色轻微加深处理
当然磁盘空间不缺，还是直接tiff然后合成PDF更佳

staymoon · 发表于 2017-7-23 22:07:52

nibaichia111 发表于 2017-7-23 21:48
效果很好呀。不过前前后后也花了不少时间精力吧。可以请问您是拆书扫的，还是买了扫书仪器吗？

拆书扫的，扫了好几本词典，最大程度兼顾体积与质量，都是自用不分享，只是提供技术有需要可以自己做自己的电子化书籍，翻起来比纸质效率高数倍

henices · 发表于 2017-7-23 22:40:58

不错，感谢分享。

woaini123 · 发表于 2017-7-23 23:39:04

感谢楼主！！有彩色的吗？要是能把最新的韦氏高阶双解也扫一下就好了/

nibaichia111 · 发表于 2017-7-23 23:53:11

本帖最后由 nibaichia111 于 2017-7-23 23:58 编辑

staymoon 发表于 2017-7-23 22:07
拆书扫的，扫了好几本词典，最大程度兼顾体积与质量，都是自用不分享，只是提供技术有需要可以自己做自己 ...

谢谢您的回复。
果然只有拆才能达到这种满意的效果。
一直也蛮想自己扫几本的，但是不确定是不是一定要暴力拆的。
之前没拆扫过几本教科书，效果不是很好。
哈哈，知道您是分享技术的。
怎么能分享文件啦，不然出版社铁定要追着您了，毕竟这么新的书。
不过扫描自用，除了方便携带，我觉得还有个好处就是方便阅读。
某出版社现在的印书用纸真的好薄好透。扫描处理后，不会有背面透过的字干扰。还有，有的辞书字小，高清扫描后可以放大着读。

staymoon · 发表于 2017-7-24 06:50:27

woaini123 发表于 2017-7-23 23:39
感谢楼主！！有彩色的吗？要是能把最新的韦氏高阶双解也扫一下就好了/

https://github.com/barrer/scan-h ... /scan_helper_jpg.py
是为了彩色做处理的，但是最终文件还是太大，就用
https://github.com/barrer/scan-h ... /scan_helper_png.py
做了双色(colors=2)处理，最大程度保障了阅读的同时减少了文件体积

大的PDF，PDF阅读器加载太卡（尤其是机械硬盘）

staymoon · 发表于 2017-7-24 06:55:22

nibaichia111 发表于 2017-7-23 23:53
谢谢您的回复。
果然只有拆才能达到这种满意的效果。
一直也蛮想自己扫几本的，但是不确定是不是一定 ...

厚的书扫描效果好一些，太薄会透一点，但是几乎影响不大，现在出版社越来越节省成本，不过作为消费者有权选择不买太薄的纸质书

字太小扫的时候用600dpi或者1200dpi越搞越好

oversky · 发表于 2017-7-24 07:27:42

有没有人用过无边距扫描的机器？
是不是能完全避免变形阴影？

dachengruoque · 发表于 2017-7-24 14:27:55

多谢楼主啊，辛苦了。

chigre3 · 发表于 2017-7-25 18:20:01

看了下样张，除非是双色扫描（或者是处理后成双色），不然难以自动划线。。。

scju · 发表于 2017-7-25 20:09:02

辛苦了！不过还是觉得彩色页面读起来会更舒服，建议楼主保留彩色的

staymoon · 发表于 2017-7-27 15:44:18

scju 发表于 2017-7-25 20:09
辛苦了！不过还是觉得彩色页面读起来会更舒服，建议楼主保留彩色的

https://github.com/barrer/scan-h ... /scan_helper_jpg.py
用这个彩色

HMPT · 发表于 2017-7-28 21:05:58

突然找到的, 然后密码忘记了......

ucccafe · 发表于 2017-7-29 00:32:13

嗯，感覺不錯，如果你願意，我和你交換WWP版的Collins，
不過我不願意用百度的網盤...

ethanliu0930 · 发表于 2017-8-30 11:29:05

太有耐心了！扫描件有这么多！

yjhn88 · 发表于 2019-4-10 21:07:08

还有没有下载链接啊

memorymaster · 发表于 2020-2-25 11:00:59

链接失效了。

shivon · 发表于 2021-3-19 21:56:22

链接失效啦

[展示] 柯林斯高阶COBUILD英汉双解学习词典第8版；400DPI；2459张图...