怎樣快速掃描一本書並做成電子版？
寫在前面
未經授權翻印圖書是觸犯法律的，傳播出去更是有巨大的法律風險，請注意圖書的版權頁申明。本文展示的圖片僅為展示效果，以分享經驗為目的。如果涉及侵權，請聯絡我，我將及時刪除。
-------------------
我最近掃了一本1260頁的書，最終制作成了具有文字檢索功能的pdf和djvu格式。整個過程大約花費一整天時間（主要是查詢各種方法消耗時間，下次再掃估計要求低點兩個小時可以搞定），費用為零。（不用掃描器，僅使用手機+電腦）。
效果大概像這樣：
實際操作非常簡單，不過有很多小trick，特別分享給有需要的人士。大致流程是：
- （用手機）拍照
- 照片效果優化，例如裁剪、轉成黑白圖、調明暗對比等（掃描全能王一鍵搞定）（Edit: 後來發現了一款更牛逼的開源軟體，見下文）
- 在電腦端將大量圖片組合成pdf或djvu文件
- 對pdf和djvu文件做OCR，並將結果嵌入對應的文件中，這樣就可以在閱讀的時候選中文字進行拷貝
下面逐一詳細講解：
問題分析
我的需求是，從圖書館借了一本在網上找不到的經典圖書，由於太過經典，想要保留一份電子檔。碰到這個需求時，我第一反應是在網上搜到了包含本帖的若干個提問。總結一下網友提出的方案和我認為的弊端：
- 買一個傳統掃描器，很多二手貨很便宜。譬如這裡提到的中晶V700Plus，淘寶二手標價才168起。弊端包括：1. 二手不敢信（十幾年的老機器了），新的又不合算。2.掃描速度好像也不是很快。3. 一次性使用，浪費了資源。
- 有好幾家創業公司推出了專用的拍照式書籍專用掃描器。弊端是：更貴、評價似乎也不是很好、浪費資源
- 淘寶上有不少書籍掃描服務商。我問了其中一家，不破壞圖書的情況下需要兩毛錢/頁。掃我那本書要花200+軟妹？算了吧
由於早就聽說了“掃描全能王”這款神級手機APP，下載先試用了一下，效果非常令我滿意。不僅自動查詢書籍邊緣自動裁剪，還能自動優化影象。
最難的問題——掃描，都能這麼輕鬆的解決，其它步驟不就簡單多了嗎？動手吧！
拍照
由於頁數比較多，端著手機拍又慢，效果又不好，一個人還不好操作。
因此你需要一個工作臺：
如上圖所示，關鍵點在於：
- 給手機接上有線耳機，這樣耳機上的音量鍵就可以當做快門鍵
- 把手機架高（例如放紙箱上，用重物把手機下巴壓住，這樣攝像頭能外伸出來很多）
- 書最好放在深色的桌子上，這樣掃描程式能更好的自動獲取邊界
- 書的兩側架兩盞檯燈（由於條件簡陋，僅拿了個白色的箱子當反光板用，好在掃描全能王能自動去除黑白圖中的陰影。彩色掃描的話，仍然需要很好的光源，並用白紙包住光源，保證光是柔和的散射光。當然，找個陰天在室外操作是最佳方案）
- 先拍奇數頁，再拍偶數頁。如此操作可以加快翻頁速度
在這臺架子的輔助下，我掃描（拍照）的平均速度大約能達到3秒/頁
裁剪與優化
---------------- edit ----------------
原先使用的“掃描全能王”確實不錯，但是今天發現了一個更牛逼的開源軟體 Scan Tailor Advanced 。
Windows安裝包原始連結見下文。為答謝大家支援，已漢化該軟體，下載地址：連結: http:// pan.baidu.com/s/1hYNKpS -oG6MS3DP2tcZigg 提取碼: vnt7。github連線不暢的童鞋可以在我的網盤下載。裡面還有個資料夾叫“中文語言包”。其中的檔案：
- scantailor_cn.qm：編譯好的漢化語言檔案
- scantailor_cn.ts：翻譯的原始檔，macOS和Linux使用者可以下載這個檔案放在translations目錄裡，這樣編譯之後就能有中文。
- 使用說明.txt：裡面講了簡單的操作步驟。
- 如果操作正確，在軟體的設定頁面裡可以把語言改成中文。（語言顯示為“C”，正不知道為啥呢）
它可以實現的功能有（全都帶* 自動 *批處理）：
- 90/180/270°旋轉影象，所以橫豎拍都沒事
- 切割頁面，所以可以雙面拍攝（雙面時頁面通常展不平，需要用到下文會講的去畸變）
- 糾偏，拍斜了能自動檢測並糾回來
- 檢測頁面內容範圍，只取有效文字範圍
- 增加邊距
- 影象增強（陰影、雜點去除）
- 去畸變（這個有點屌）
Edit: 實測雙面拍攝之後畸變太大，自動去畸變效果並不好，不過可以手動一張一張的調，這樣有點費事我不推薦。最好還是展平一次一頁的拍，有塊玻璃壓住頁面就更棒了！（淘寶幾十塊錢定做一塊加厚鋼化玻璃。推薦霧面的，普通光面玻璃容易反光，像鏡子一樣）
上文已經提供了github原始碼連結，Windows還提供了安裝包： 64位 ， 32位 。Linux和macOS需要自行下載編譯哦。我在macOS和Ubuntu 16.04下測試通過。win安裝包是github官方提供的，我並沒有為大家打包哈。
編譯所需依賴項的不完整列表：
- cmake >= 3.9.6
- boost >=1.60
- libjpeg
- libtiff
- libpng
- qt5 >= 5.6
- zlib
注：ubuntu 16.04編譯Scan Tailor Advanced稍微費勁點，主要是gcc，boost，qt5的版本都老掉牙，需要手動安裝boost和qt5，並改一點點程式碼照顧老黃曆的gcc。
--------------------------------------
以下為原方案，比Scan Tailor效果差不少。
全部由“掃描全能王”在手機（後來換到iPad，因為螢幕大好操作）上操作實現。由於這款軟體的幫助實在太大，特意給它打個廣告。本人與該公司全無瓜葛，利益無關。
具體操作可以自行去應用商店裡下載後體驗。簡單說就是：
從相簿匯入照片 => 逐張照片處理（多數工作自動化一鍵搞定）=> 把處理後的圖再匯出到手機相簿
這款APP有直接匯出為PDF的功能。由於如下原因，我沒有這麼做：
- 我是奇偶頁分開拍照的，匯入APP之後不能調節順序，只能按照匯入的順序處理和匯出至PDF。我那本書頁數非常多，光是調節順序就得累死我呀
- 免費版在PDF頁面右下角會有水印，去除起來相對較麻煩。（也有簡單的辦法，就是再加個純白的水印在原水印的位置，但是有點醜陋，會加大頁邊距。碰到彩色掃描更是行不通）
- 收費版是會員制的，一個月會員30，一年會員200+。喜歡簡單省事的同學可以考慮一下。
在電腦端組合成PDF/DJVU
注：以下有些步驟可以用命令列的開源軟體提高效率，安裝方式（由於不太懂Windows，只提供Ubuntu和macOS的操作指南）：
Ubuntu 16.04下
sudo add-apt-repository spa:alex-p/tesseract-ocr sudo apt update sudo apt install tesseract-ocr tesseract-ocr-eng tesseract-ocr-chi-sim imagemagick pdf2djvu djvu2pdf
macOS下
brew install tesseract imagemagick djvu2pdf
很多操作我是在Ubuntu下完成的，mac版並沒有測試。另外macOS可以使用automator完成差不多功能。
- 調節順序
匯入電腦後，碰到的第一個問題是怎麼排序。用批量重新命名工具即可，把原來的"IMG_1327.JPG"重新命名成類似這樣：奇數頁"book-0001.jpg", "book-0003.jpg"，偶數頁"book-0002.jpg"。。。然後再扔進同一個資料夾
要是你找不到合適的重新命名工具，要麼手工一個個改，要麼懂一點程式設計，參考如下Python程式碼：
#!env python import os def rename(dirname, start_with): files = os.listdir(dirname) files.sort() for f in files: if f.endswith('jpg'): output_name = dirname + 'book-{0:04d}.JPG'.format(start_with) os.rename(dirname + f, output_name) start_with += 2 print('DONE') rename('/path/to/odd/images/directory', 1) # 指定奇數頁圖片資料夾位置，並重命名 rename('/path/to/even/images/directory', 2) # 指定偶數頁圖片資料夾位置，並重命名
- （可選）微調影象
這是因為原始圖片解析度不一致，先轉換一下比較好。另外，影象邊緣不可避免還是有些黑色的陰影痕跡需要去除。
我從掃描全能王匯出的圖片多數解析度在1500x2336左右（其實是可以調高的，我後來才發現）。所以我打算把圖片統一解析度到1550x2336（注意不是縮放，而是不足1550白色背景來補，多了裁掉）
將所有圖片放在同一資料夾下，執行如下shell（zsh）命令：
for file in ./*(.); do convert $file -background white -gravity center -extent 1550x2336 -sharpen 0x3 $file; echo "finished $file"; done;
要去除黑邊的話，先製作一張1550x2336的png圖片，中間部分扣空，僅保留很窄的白色邊框，然後跟每張圖片組合一下就能蓋住黑色陰影了，就像加了個白色的相框。
假設這個邊框png檔案叫做'/tmp/frame.png'，也是一條命令搞定（可以和上一條命令組合成一條命令）
for file in ./*(.); do composite $file /tmp/frame.png -dissolve "0.01" $file; echo "finished $file"; done;
- 轉成PDF
兩條命令搞定（並且同時搞定OCR）
ls . > file_list.txt tesseract file_list.txt book pdf
注意：
- 'book'和'pdf'之間有一個空格，不要以為是'book.pdf'
- tesseract是一個開源的OCR庫，預設識別英文，實測4.0.0版本以上英文識別 非常完美 。因為從這一版本開始加入了基於神經網路的檢測演算法。4.0.0版本以下就不要嘗試了，效果只能說很爛，這也是為什麼安裝tesseract要用ppa。
- 由於我正好是掃英文書，所以沒試中文效果。如果要做中文OCR識別，大概的操作需要對應替換成（記得先安裝中文識別庫）：
tesseract -l chi_sim file_list.txt book pdf
結語
寫這篇回答之後，發現這個主題在國外一點也不新鮮，還有一個專門的網站 www.diybookscanner.org ，歡迎入坑。
舉個例子：
原文連結在此：
Original ~600pg/hr, very portable scanner now achieving ~900pg-1100pg/hr本想分享點經驗，發現門檻還是有點高。就不分享djvu轉換的方法了。英文好可以參考
Help:DjVu files - Wikisource, the free online library以及這個OCR指令碼
User:Inductiveload/Scripts/DJVU OCR以及 這個指令碼
寫得有點極客，其實不懂的話只是稍微麻煩一點。或者花點錢買一個月會員省事。
來源：知乎 www.zhihu.com
作者：鄒魯
【知乎日報】千萬使用者的選擇，做朋友圈裡的新鮮事分享大牛。點選下載
此問題還有71 個回答，檢視全部。
延伸閱讀：
買了紙質版的書以後，你們會再買他的電子版嗎？