大數據時代下檔案數字化掃描參數優化設置探討

■ 謝君

大數據時代下檔案數字化掃描參數優化設置探討

■ 謝君

本文從分析檔案數字化掃描參數即色彩模式、存儲格式、分辨率、亮度入手，通過概念介紹和實驗數據，探討這四個參數設置對檔案掃描效果和效率的影響，并針對不同類型文件的掃描參數進行優化設置，以求達到高質量的掃描件和高效率的工作，推動檔案數字化工作的開展。

檔案 數字化 掃描 參數 優化設置

大數據時代下，檔案數字化是一項工作量巨大的艱難任務，同時也是一次前所未有的突破。檔案數字化對于確保檔案實體安全、實現檔案自動化管理、高效提供利用等方面具有顯著意義。檔案數字化主要是通過掃描真實完整地還原檔案實體，在實際操作中，會出現偏色、色彩失真、清晰度不夠、文件過大等現象，大部分問題出在參數設置以及使用技巧上，即使是同款同型號的掃描儀，不同人使用，掃描效果也會大相徑庭，所以掃描參數設置很關鍵。下面是筆者根據工作實際，參考相關文獻提出的一些建議。

一、色彩模式

所謂色彩模式（色彩位數、色彩深度)是表示掃描儀所能辨析的色彩范圍，一般有黑白二值、灰度、24位彩色、30位彩色、36位彩色、48位彩色等。通常色彩位數越多，就越能真實反映原始圖像的色彩，所掃出圖像的效果也越真實，當然也造成圖形文件體積的加大。對于某些應用環境，掃描儀色彩位數指標，甚至比分辨率更重要。色彩位數的具體指標是用“位”(即2的多少次方)來描述，24位彩色表明掃描儀可分辨1670萬種顏色，30位真彩是6.87億種顏色，而36位真彩色是1670億種顏色。盡管大多數顯卡只支持24位色彩，但由于CCD(圖像傳感器）與人眼感光曲線的不同，為了保證色彩還原的準確，就需要進行修正，這就要求掃描儀的色彩位數至少要達到36位才能獲得比較好的色彩還原效果。因此現在盡量應該選購36位色彩位數的掃描儀。真正的36位掃描儀就是指所使用的CCD感光器件是36位的，同時數據處理方式也是36位的產品。而目前市場上所謂“36位掃描儀”種類繁多，魚目混珠。除了真36位外，還有假36位、準36位、CIS36位等類型，選購時一定要注意。[1]

1.黑白模式

一個像素的顏色用1位來表達，也就是黑和白，生成的文件體積小，可節約存儲空間，提高運行速度。特別是進行OCR識別時，其識別速度和正確率比其他模式都高，從而避免過多的顏色變成干擾信息。

2.灰度模式

一個像素的顏色用8位來表達，在黑白二色之間加入灰色元素，使圖像呈現出明暗變化，如同黑白照片，其形成的文件體積也較小。

3.彩色模式

生成的圖像色彩豐富，圖像的效果真實，但是文件體積較大，掃描速度慢。

在實際操作中須有針對性地選擇，如表1所示，根據不同文件類型，以最小的體積容納最高質量的圖像，如果錯用模式會造成嚴重的偏色和空間的浪費。

表1 色彩模式

二、存儲格式

存儲格式是為了存儲信息而使用的對信息的特殊編碼方式，用于識別內部儲存的資料，決定了存儲信息的類型、與應用軟件的兼容，以及與其他文件的數據交換等。目前大約有150多種格式，不僅具有各種不同的擴展名，而且有不同的特性，如是否壓縮、是否支持圖層、能否盡可能多地保留圖像細節等。由于掃描軟件不同，支持的存儲格式也會有所不同。因此在實際掃描并保存時要針對用途、圖像特征、圖像處理軟件、計算機存儲空間等因素做出相應的選擇。但由于檔案數字化技術還不成熟，所以一般還是采用國家規范中所推薦的TIFF、JPEG等常見格式。提供網絡查詢的掃描圖像，也可存儲為CEB、PDF或其他格式。隨著技術的發展，一些新的格式顯示了強大的發展后勁，如JPEG2000和DjVu。[3]其實存儲格式是不斷發展且多元的，如何在數字化過程中將檔案統一轉變為某些具有國際或國家標準的電子格式，是檔案數字化首先應該考慮的問題。

表2 存儲格式

1.TIFF格式

擴展名是.tif，是可壓縮保存的格式。是Aldus公司在早期蘋果機上開發的，但現在已成為跨平臺應用最為廣泛的圖像文件格式。除了雙色調圖像，其他位圖、灰度圖、RGB彩色圖像、CMYK彩色圖像、CIElab彩色圖像的存儲都不成問題。TIFF文件不支持圖層，但支持A1pha通道，在Photoshop中，TIFF格式能夠支持24個通道，可以支持CMYK彩色圖像的印刷分色，它是除Photoshop自身格式(即.psd和.pdd)外惟一能夠存儲多個通道的文件格式。在選擇TIFF格式存盤時一般會有選擇項目，首先選擇是PC還是Mac機，另外就是需不需要LZW壓縮。LZW是一種沒有損失的壓縮方式，選擇LZW壓縮進行TIFF格式存盤時，可以減少原有文件約50%的容量，并保證圖像質量不下降。精度要求較高的圖像文件，掃描后一般都選擇TIFF格式直接進行存儲。

2.JPEG格式

擴展名是.jpg，是最為常見的一種壓縮圖像文件格式。對于圖像精度要求不高，需要存儲大量圖像文件的場合，JPEG是最佳選擇。但切記JPEG是一種有損壓縮文件格式，在存盤時會有一個壓縮比(圖像質量等級)的選擇，若要求圖像質量高請選擇高質量 (High8以上)圖像壓縮方式，圖像容量會相對較大：反之文件容量變小了，但圖像質量也會大大降低。

3.JPEG2000格式

作為JPEG的升級版，其壓縮率比JPEG高約 30%左右，同時支持有損和無損壓縮。JPEG2000格式有一個極其重要的特征在于它能實現漸進傳輸，即先傳輸圖像的輪廓，然后逐步傳輸數據，不斷提高圖像質量，讓圖像由朦朧到清晰顯示。JPEG2000和JPEG相比優勢明顯，且向下兼容，既可應用于傳統的JPEG市場，如掃描儀、數碼相機等，又可應用于新興領域，如網絡傳輸、無線通訊等等。但在當前的檔案數字化中并未得到應用，隨著檔案信息網絡傳輸的開展，這一格式也可以成為檔案數字化的標準格式。

4.DjVu格式

由美國電報電話公司實驗室 (AT&T Labs)于1996年開發成功的一項新的圖片壓縮技術，通過這項技術，幾乎所有的傳統印刷資料都可在網上以高速傳播。DjVu具有1000∶1的高壓縮比，通過DjVu壓縮格式，以300dpi的分辨率掃描的彩色頁面可以從25MB縮小到30至80KB，而且圖像質量十分優秀。它能分辨出文字及圖片的部分，并且分別儲存在不同層，再分別對每一層圖像以最佳化的方式進行壓縮，因此能產生最好的圖像品質及最小的檔案。這種技術將能得到清晰的文件圖像，而又能保持原始文件的圖像品質。同時，由于采用分層顯示，而不是等到整幅圖片都被解碼之后才顯示，也使得圖片顯示的速度大大提高，用戶在兩三秒之內就能夠迅速看到文字，其他的圖像信息也會在幾秒鐘之內陸續顯示出來。這種網上高質量圖像發布的體驗在傳統壓縮格式上是無法實現的。DjVu下載后的圖像直接儲存在計算機的內存中，并且可以在瀏覽器上快速地對文件進行實時的移動、縮放。換句話說，DiVu能使人們只花很少的時間來掃描、儲存及下載大量文件。目前，DiVu技術正在杭州市檔案館進行試點研究，尚未引入國家標準。但DjVu技術不論是在靜態存儲還是網上傳輸方面都具有相當的優勢，且這一技術在圖書館界也早已得以采用，事實證明，DjVu技術同樣可以用于檔案數字化的工作中。

三、分辨率

分辨率用dpi來表示，通過掃描元件將掃描對象每英寸可以被表示成的點數，是非常重要的參數，直接決定了掃描清晰度。主要和形成的電子文件大小和掃描速度有著遞增的關系，dpi在一定值范圍內越大，固然越清晰，但形成的電子文件就越大，掃描速度越慢，后期處理和掛接的速度也會變慢，占用的存儲空間大。所以并非dpi越大越好，以高分辨率進行掃描只能浪費時間和磁盤空間，掃描更多的點并不能改進圖像的質量，高分辨率掃描對掃描膠片或放大圖像也許是需要的。但對于檔案數字化來說，由于館藏量大、數據庫存儲系統等原因，應該以掃描后的圖像清晰、完整、不影響檔案利用效果，也就是屏幕預覽和標準打印為準。故掃描過程中應按照不同類型檔案特征，選定適宜的分辨率。根據紙質檔案數字化技術規范行業標準，建議選擇大于或等于100dpi；特殊情況下，如文字偏小、密集、清晰度較差等，可適當提高分辨率；需要進行OCR漢字識別的檔案，建議選擇大于或等于200dpi。根據實際經驗，1、2、3號字的文件推薦使用200dpi，4、小4、5號字的文件推薦使用300dpi，小5、6號字的文件推薦使用400dpi，7、8號字的文件推薦使用600dpi。

由于館藏紙質檔案除基建圖紙等少數特別載體外，多數是以A4和A3為主，所以表3以掃描A4黑白文件和A4彩色文件為例，實驗顯示，彩色模式比黑白二值模式，分辨率對文件大小的影響更明顯，特別是設置在200dpi以上，體積大小和掃描速度都在倍增，但清晰度卻沒有遞增，可見，大部分檔案掃描將分辨率設置在200-300dpi是較適宜的。

表3 分辨率與文件大小和掃描速度

四、亮度

亮度是表現掃描圖像明暗程度的參數，適當地調整好亮度和對比度值，對識別率的高低影響很大，在進行掃描亮度和對比度的設定時，以掃描后的圖像中文字的筆畫較細、均勻，且沒有明顯斷點為準。如果掃描后的文字圖像存在黑點、黑斑或文字線條很粗很黑，分不清筆畫，說明亮度值太小，應該增加亮度值再重新掃描。如果文字線條凹凸不平，有斷線甚至圖像中漢字輪廓嚴重殘缺時，說明亮度值太大，應減小亮度后再重新掃描。如果要掃描質量比較差的文稿，比如報紙，掃描出的圖像可能會出現大量的黑點，而且在字體的筆畫上也會出現粘連現象，為獲得較好的識別結果，必須仔細進行亮度和對比度值的調整，反復掃描多次才能獲得比較理想的效果。[4]

尤其在使用彩色模式進行掃描照片的時候，會發現，同款掃描儀掃描成品相比較，顏色的鮮艷程度也不很相同，大致能夠造成這樣視覺差異的元素有三：一、電腦顯示器的亮度和對比度上，目前顯示器技術的發展一日千里，所以千萬不要一看到掃描成品色彩不一就急著調整掃描儀參數。顯示器的精準程度直接關系后期預覽圖，以及參數微調。二、掃描儀色彩校正軟件出現問題，按照軟件推薦的參數調整校色軟件的“亮度”和“對比度”兩項參數，然后根據預覽圖進行微調。最后一點就是掃描軟件中的Gamma參數，這個參數代表從暗色到亮色調的視覺感受程度，在理論上講，把Gamma值調的越高，感覺上，顏色會越豐富越鮮艷，隨著值的升高，直到顏色虛假失真。掃描儀自帶的掃描軟件會對Gamma值進行校對調整，但是并不完全智能，需要手動調節，我們往往就是在這個參數上沒有設置好才造成了顏色暗淡，通常來講，普通掃描照片下Gamma值為1.4，而雜志印刷品稍高的1.8，放置網頁上的掃描文件則需要更高的2.2。

五、優化設置

綜合以上參數特性和實驗分析，得出不同類型文件需要分別設置不同分辨率和色彩模式，以求達到高質量的掃描件和高效率的工作。表4就是以A4文件為例，對3種不同類型文件的掃描參數進行優化設置，給出合理建議，并列出所形成的電子文件體積大小和掃描速度對照圖。

表4 掃描參數優化設置

總之，優化參數設置是掃描工作的關鍵，直接影響到檔案數字化的效果和效率，需要權衡兩者之間的關系，在不影響效果的前提下提高效率，推動檔案數字化開展。

［1］如何確定掃描儀的色彩位數.http：//jingyan.baidu. com/article/2009576170c805cb0721b433.html，2015.1.27.

［2］檔案行業標準：紙質檔案數字化技術規范（DA/T31-2005）：6.3.1-3.

［3］專家：檔案數字化掃描與存儲格式比較. http：//storage.chinabyte.com/399/11512399_3. shtml，2015.1.27.

［4］掃描參數設置.http：//wenku.baidu.com/ link?url=a0GLMxekEDCvYAYiXeGAmPZE_ri6J9 tE4vFwbsvjC8i5oclW0CKTrii7wzbcJjlkRlWkS0Sa 2_5-29_SSLpOdZoyWBDu62v1qjQBJ-cie1i，2015.1.27.

作者單位：華南農業大學檔案館