書籍スキャン

書籍スキャンまたは書籍デジタル化（または雑誌スキャンまたは雑誌デジタル化）は、イメージスキャナを使用して、物理的な書籍や雑誌を画像、電子テキスト、電子書籍（eブック）などのデジタルメディアに変換するプロセスです。^[1]大規模な書籍スキャンプロジェクトにより、多くの書籍がオンラインで利用できるようになりました。^[2]

デジタルブックは簡単に配布、複製、画面上での閲覧が可能です。一般的なファイル形式は、 DjVu、Portable Document Format (PDF)、Tag Image File Format (TIFF) です。生画像を光学式文字認識(OCR) ^{[1]で変換し、書籍のページを}ASCIIなどのデジタルテキスト形式に変換します。これによりファイルサイズが縮小され、テキストを再フォーマット、検索、または他のアプリケーションで処理できるようになります。^[1]

画像スキャナには手動式と自動式があります。一般的な市販の画像スキャナでは、本は平らなガラス板（プラテン）の上に置かれ、光と光学アレイがガラスの下の本の上を移動します。手動の書籍スキャナでは、ガラス板がスキャナの端まで伸びているため、本の背表紙を揃えやすくなります。^{[1] [2]}

製本された本をスキャンする際の問題は、あまり薄くない本を平らに置くと、背表紙に近い部分（ノド）が大きく湾曲し、スキャンした部分のテキストが歪んでしまうことです。解決策の 1 つは、本を切断するか、製本を解いて個々のページに分けることです。非破壊的な方法は、本を平らに置いてスキャンするのではなく、V 字型のホルダーで本を保持して写真を撮ることです。この方法だと、ノドの湾曲がはるかに目立ちません。^[3]ページは手でめくることも、自動用紙送り装置でめくることもできます。通常、透明なプラスチックまたはガラスのシートがページに押し付けられて平らになります。

スキャン後、ソフトウェアは文書画像を整列、トリミング、画像編集し、テキストと最終的な電子書籍形式に変換して調整します。通常、人間の校正者が出力にエラーがないか確認します。

118ドット/センチメートル（300dpi ）でのスキャンは、デジタルテキスト出力への変換には十分ですが、希少本、精巧な本、または挿絵入りの本のアーカイブ複製には、はるかに高い解像度が使用されます。[^要出典] 1時間あたり数千ページをスキャンできる高性能スキャナは数千ドルもしますが、 1時間あたり1200ページをスキャンできるDIYの手動ブックスキャナは300ドルで作られています。^[4]

市販のブック スキャナーは、通常のスキャナーとは異なります。これらのブック スキャナーは通常、高品質のデジタル カメラで、カメラの両側に光源があり、何らかのフレームに取り付けられているため、人や機械が本のページを簡単にめくることができます。一部のモデルには、本の背を支え、自動的に本を中央に配置する V 字型のブック クレードルが付いています。

このタイプのスキャナーの利点は、オーバーヘッド スキャナーの生産性と比較して、非常に高速であることです。

プロジェクト・グーテンベルク（1971年設立）^{[5] 、} ミリオン・ブック・プロジェクト（2001年頃設立）、Googleブックス（2004年設立）、オープン・コンテンツ・アライアンス（2005年設立）などのプロジェクトでは、大規模に書籍をスキャンしています。^{[6] [7]}

これに対する主な課題の1つは、スキャンしなければならない書籍の膨大な量です。2010年には、人類史上書籍として登場した作品の総数は約1億3000万冊と推定されています。^[8]これらすべてをスキャンし、その後、ユニバーサルライブラリとして一般の人が使用できるようにオンラインで検索できるようにする必要があります。現在、大規模な組織が頼っている主な方法は、アウトソーシング、市販の書籍スキャナーを使用した社内スキャン、ロボットスキャンソリューションを使用した社内スキャンの3つです。

アウトソーシングに関しては、書籍はインドや中国に送られ、低コストのソースにスキャンしてもらうことが多い。あるいは、利便性、安全性、技術の向上により、多くの組織は、時間のかかるオーバーヘッドスキャナ、または大幅に高速なデジタルカメラベースのスキャナを使用して社内でスキャンすることを選択し、インターネットアーカイブやGoogleでも採用されている方法である。^{[7] [9]}従来の方法には、本の背表紙を切り取り、自動ページ送り機能付きのスキャナでページをスキャンし、その後、バラバラになったページを再製本することが含まれていた。

ページがスキャンされると、データは手動で入力されるか、OCR を介して入力されます。これは、書籍スキャン プロジェクトのもう 1 つの大きなコストです。^{[誰によると? ]}

著作権の問題により、スキャンされた書籍のほとんどは著作権が切れた書籍です。ただし、出版社が特に禁止しない限り、Googleブックスは著作権で保護されている書籍をスキャンすることが知られています。^{[6] [7] [9] [10]}

米国全土で多くの共同デジタル化プロジェクトが行われています。最も初期のプロジェクトのうち2つは、コロラド州の共同デジタル化プロジェクトと、ノースカロライナ州立図書館を拠点とするNC ECHO（ノースカロライナ州文化遺産オンライン探訪プロジェクト） ^[11]でした。

これらのプロジェクトは、デジタル化のベストプラクティスを確立して公開し、地域のパートナーと協力して文化遺産資料をデジタル化します。ベストプラクティスの追加基準は、最近では英国、オーストラリア、欧州連合で確立されました。^[12] Wisconsin Heritage Online ^[13]は、コロラド州の共同デジタル化プロジェクトをモデルにした共同デジタル化プロジェクトです。ウィスコンシン州は、共同ドキュメントの作成と配布にウィキ^[14]を使用しています。ジョージア州の共同デジタル化プログラムであるジョージアデジタルライブラリ^[15]は、60の機関と100の政府機関からの100を超えるデジタルコレクションを含む、州の歴史と生活に関するシームレスな仮想ライブラリを提供しています。ジョージアデジタルライブラリは、ジョージア大学図書館を拠点とする GALILEO ^[16]イニシアチブです。

20世紀には、ヒル博物館と写本図書館がエチオピアの書籍を撮影したが、それらは1975年の政治的暴力の中で破壊された。同図書館はそれ以来、中東諸国の写本の撮影に取り組んでいる。^[17]

南アジアでは、ナナクシャヒ財団がグルムキー文字の写本をデジタル化しています。

オーストラリアでは、オーストラリア国立図書館と大学の間で、デジタル化された情報が保存されるリポジトリインフラストラクチャを改善する共同プロジェクトが数多く行われてきました。^[18]これらのプロジェクトには、ARROW（Australian Research Repositories Online to the World）プロジェクトやAPSR（Australian Partnership for Sustainable Repository）プロジェクトなどがあります。

低予算で書籍をスキャンする場合、書籍や雑誌をスキャンする最も安価な方法は、綴じ目を切断することです。これにより、書籍や雑誌が個別のシートの束に変換され、標準の自動ドキュメント フィーダー(ADF) にロードして、安価で一般的なスキャン技術を使用してスキャンできます。この方法は、希少な書籍や高価な書籍には適していません。このプロセスには、切断とスキャンの 2 つの技術的な問題があります。

ページを切るよりも正確で、損傷が少ない方法は、適切なツールを使用して手で綴じ目をほどくことです。この手法は、リアザノフ図書館のデジタル アーカイブ プロジェクトのためにスキャンされた、新聞、雑誌、パンフレットから 50 年から 100 年以上前の、もろくて脆い紙でできていることが多い、何万ページものアーカイブ オリジナル ペーパーに効果的に適用されています。一部のコレクター (およびこの種の資料のほとんどの販売者) にとって、綴じ目をほどくことで金銭的価値が失われますが、多くの場合、綴じ目をほどくことでページの保存に大きく役立ち、研究者がページにアクセスしやすくなり^[1]、その後の調査で損傷する可能性が低くなります。欠点は、綴じていないページの山が「ふわふわ」しているため、空気中の酸素にさらされやすくなり、場合によっては劣化が早まることです。この問題は、綴じ目をほどいた後にページに重しを置き、適切な容器に保管することで解決できます。^[1]

手で綴じ直すと、綴じ目の端に流れ込んだテキストが保存されます。そして最も重要なのは、中央の漫画、グラフィック アート、雑誌の写真など、2 ページ幅の資料をより簡単に、かつ完全に、高品質のスキャンで作成できることです。Marxists Internet ArchiveのThe Liberator 1918-1924のデジタル アーカイブは、慎重に手で綴じ直してからスキャンすることで可能になった 2 ページ幅のグラフィック アートのスキャンの品質を示しています。

解綴技法は製本技術によって異なり、単にホッチキスの針を数本外すだけから、釘を曲げたり外したり、本の背に貼られた接着剤の層を正確に削り落とし、本をまとめるのに使われた紐を手間をかけて取り除く作業まであります。

一部の新聞（ Labor Action 1950-1952など）では、見開きページの中央にページをまたぐコラムがあります。このような新聞を製本した本の背表紙の一部を切り落とすと、このテキストの一部が失われます。この出版物の Greenwood Reprint でも、中央のコラムのテキスト内容は保存されておらず、かなりの量のテキストが切り落とされています。元の新聞の製本本を慎重にほどき、開いた中央ページのペアをフラットベッド スキャナーで 1 ページとしてスキャンして初めて、中央のコラムのコンテンツがデジタルで利用できるようになりました。あるいは、見開きの中央ページ 2 ページを 3 つのスキャン、つまり各ページのスキャン 1 つと、2 ページの中央にあるページ サイズの領域のスキャン 1 つとして提示することもできます。

500～1,000ページの用紙の束を1回で裁断する方法の1つは、ギロチン式用紙裁断機を使用することです。これは、紙の束にねじ込み、裁断前にしっかりと固定する紙用バイスが付いた大きな鋼鉄製のテーブルです。 ^[2]まっすぐ下に動く大きな鋭利な鋼鉄の刃が、1回の操作で各用紙の全長を切断します。刃のレバーにより、数百ポンドの力を刃に加えることができ、1回の通過で素早く切断できます。

厚い紙の束をきれいに切るには、従来の安価な鎌型のヒンジ付きペーパーカッターでは不十分です。これらのカッターは数枚の紙しか切断できないように設計されており、実際は 10 枚までが切断限界です。紙の束が大きいと、ヒンジにねじり力が加わり、刃がテーブルの切断面から引き離されます。切断面がヒンジから離れるほど切断精度が悪くなり、切断面がヒンジから離れるほど刃を切断面に押し付けるために必要な力が大きくなります。

ギロチン裁断プロセスでは、刃が時間の経過とともに鈍くなるため、研ぎ直す必要があります。滑らかな雑誌用紙などのコーティング紙は、カオリナイト 粘土コーティングのため、普通の本の用紙よりも刃が早く鈍くなります。さらに、ハードカバー本全体の綴じ目を外すと、カバーの硬い裏地を切るため、過度の摩耗が発生します。代わりに、外側のカバーを取り外して、内部のページのみをカットすることができます。

本を解く別の方法として、テーブルソーを使う方法があります。この方法は危険を伴う可能性があり、ギロチン ペーパー カッターほど滑らかな切れ味にはなりませんが、一般の人でも簡単に使用できます。理想的な方法は、2 枚の厚い板の間に本を挟み、重い機械ネジで締め付け力を加える方法です。木材と本のパッケージ全体を、リップ フェンスをガイドとしてテーブルソーに通します。適切なカットを得るには、鋭く細かいカーバイドの刃が最適です。カットの品質は、刃、送り速度、紙の種類、紙のコーティング、および製本材料によって異なります。

紙を背表紙から取り外すと、フラットベッド スキャナーまたは自動ドキュメント フィーダー(ADF)を使用して 1 枚ずつスキャンできます。

装飾的な波型エッジや、平らでない製本による弧状の湾曲があるページは、ADF を使用してスキャンするのが難しい場合があります。これは、ADF が均一な形状とサイズのページをスキャンするように設計されており、さまざまなサイズや形状のページでは、スキャンが不適切になる可能性があるためです。波型エッジや湾曲エッジは、製本を切断する前に、外縁を平らで滑らかにするためにギロチンで切断できます。

雑誌や製本された教科書などのコート紙は、ADF のローラーが紙を拾い上げて紙の経路に沿って誘導するのが難しい場合があります。一連のローラーとチャネルを使用してシートを裏返す ADF では、コート紙を給紙すると紙詰まりや給紙ミスが発生する場合があります。一般的に、紙の経路をできるだけまっすぐにして、曲がりやカーブを少なくすると、問題は少なくなります。また、粘土は時間の経過とともに紙をこすり落とし、粘着性のあるピックアップ ローラーを覆い、紙をつかむ力が弱くなることがあります。この滑りを防ぐために、ADF ローラーを定期的にクリーニングする必要がある場合があります。

雑誌の定期購読カードや折り込みページなど、小さくて不均一な紙が積み重ねられていると、雑誌を一括スキャンするのが難しくなる場合があります。一括スキャンを開始する前に、これらの紙を取り除く必要があります。また、価値のあるコンテンツが含まれている場合は個別にスキャンするか、スキャン プロセスから除外します。

ソフトウェア駆動の機械やロボットは、本を解かずにスキャンして、文書の内容を保存し、現在の状態のデジタル画像アーカイブを作成するために開発されました。この最近の傾向は、希少または壊れやすい本にほとんどまたはまったく損傷を与えることなく、比較的短時間で高品質のデジタルアーカイブ画像をキャプチャできる、画像技術の絶え間ない進歩によるところが大きいです。

最初の全自動書籍スキャナーは、スイスの4DigitalBooks社が製造したDL（Digitizing Line）スキャナーでした。最初に設置されたのは2001年のスタンフォード大学でした。^{[19] [20]}このスキャナーは、2001年にビジネスアプリケーション部門でダウジョーンズ準優勝賞を受賞しました。^[21]

2007年、TREVENTUS社は、スキャン時に本を開く角度が60°の自動書籍スキャナを発表しました。これは、スキャン中の書籍の保存の面での改善です。同社は、スキャンロボットの開発により、欧州連合の「ICT Grand Prize 2007」^{[22] [23]を受賞しました。この技術は、バイエルン州立図書館[24]}の大量デジタル化プロジェクトでも使用され、このV字型スキャナ3台を使用して、16世紀の8,900冊の本が18か月でデジタル化されました。

ウィスコンシン州ウェストセーラムに本拠を置くインダス・インターナショナル社は、米国のいくつかの団体が図書館間貸借などのサービスのために購入したスキャナーを製造している。^[25]

高性能な市販のロボットスキャナのほとんどは空気と吸引の技術を使用していますが、中にはバイオニックフィンガーなどの新しいアプローチでページをめくるものもあります。一部のスキャナは超音波や光電センサーを利用して二重ページを検出し、ページの飛びを防止します。^{[1] [2]}機械は1時間あたり最大2,900ページをスキャンできるという報告もあり、^[26]ロボットブックスキャナは大規模なデジタル化プロジェクト向けに特別に設計されています。^[1]

Googleの特許7508978は、ページの3次元形状を検出し、自動的に調整できる赤外線カメラ技術を示しています。 ^{[27] [28]}東京大学の研究者は、湾曲したページの画像をソフトウェアでまっすぐにできる3D表面スキャナを含む実験的な非破壊ブックスキャナ^[29]を持っています。これにより、オペレータがページをめくるのと同じ速さ、つまり1分間に約200ページという速さで本や雑誌をスキャンできます。

ページの余白部分の歪みを最小限に抑えたり、修正したりする技術があります。^[30]

• デジタルライブラリ
• 機関リポジトリ
• 光学文字認識
• 惑星スキャナー
• ヨーロッパナ

ウィキメディア・コモンズには、ブックスキャナーに関連するメディアがあります。

• 自分で作るブックスキャナデバイスフォーラム
• Google オープンソース リニアブックスキャナ
• スタンフォード大学のビデオでは書籍のスキャンの様子が紹介されている
• 東京大学高速スキャナ