Linear Book Scanner: Open-Source-Scanner für automatisches Bücherscannen (2014)

 (linearbookscanner.org)
2 Punkte von GN⁺ 2023-09-18 | 1 Kommentare | Auf WhatsApp teilen
  • Linear Book Scanner ist ein Open-Source-Buchscanner, der kostengünstig automatisches Umblättern und Scannen ermöglicht
  • Während sich das Buch auf dem Gerät vor und zurück bewegt, erfolgen Umblättern und Scannen nacheinander
  • Bei jeder Bewegung sorgt Vakuumansaugung dafür, dass eine Seite von einer Seite auf die andere umgeblättert wird
  • Die Seiten werden gescannt, während sie an zwei Bildsensoren vorbeigeführt werden
  • Eine spezielle Software verwandelt die Scan-Ergebnisse in durchsuchbare PDFs und erhöht so ihre Nutzbarkeit

Konstruktion zum Scannen beim Umblättern

  • Der Linear Book Scanner ist als kostengünstiger Buchscanner mit automatischem Umblättern konzipiert
  • Das Design ist als Open Source veröffentlicht, sodass ihn jeder selbst bauen kann
  • Das Buch bewegt sich auf der Maschine vor und zurück, und bei jedem Durchgang saugt das Vakuum eine Seite von einer Seite zur anderen und blättert sie um

Scan-Ergebnisse

  • Die Seiten werden gescannt, während sie an zwei Bildsensoren vorbeilaufen
  • Die Software erzeugt aus dem gescannten Buch ein durchsuchbares PDF

Verwandte Beiträge

1 Kommentare

 
GN⁺ 2023-09-18
Hacker-News-Meinungen

  • Zu diesem Thema gibt es eine Community unter https://diybookscanner.org/
    Vor ein paar Jahren habe ich in Java ein kleines Tool namens bookbuilder gebaut, mit dem man nach dem manuellen Umblättern und Fotografieren der Seiten alle Bilder automatisch verarbeiten und ein durchsuchbares PDF erstellen konnte.
    Ich habe dafür eine reine Java-Computer-Vision-Bibliothek namens https://boofcv.org/ verwendet; sie existiert noch immer und ist ziemlich schnell.
    Sie konnte Seitenkonturen erkennen, Schräglagen korrigieren, Bilder entzerren und sogar Fingerkonturen durch Abgleich von Hauttönen entfernen; anschließend ließ sich ohne Nutzereingriff ein PDF mit unsichtbarer OCR-Ebene erzeugen.
    Ich erinnere mich, dass ich zur Verbesserung der Entzerrung auch an der Erkennung von Linien-Neigungen mit einer Art Watershed-Algorithmus gearbeitet habe.
    Es war ein interessantes Projekt, und ich frage mich, ob der Quellcode noch irgendwo existiert. Auch die Download-Seite ist inzwischen verschwunden; damals dachte ich nicht, dass so ein kleines Nebenprojekt für andere interessant wäre, und das war noch, bevor ich es als Open Source veröffentlicht hätte.

    • Das eigentliche Buchscanner-Forum auf https://diybookscanner.org/ ist derzeit seit einigen Wochen offline; an der Wiederherstellung wird gearbeitet.
    • Ich interessiere mich schon lange für das Scannen von Büchern und erinnere mich vermutlich daran, diese Software gesehen zu haben.
      Ich habe eine der frühen Versionen gebaut, die auf der Website zu sehen waren, und vor ein paar Jahren bin ich zufällig Jonathon Duerig begegnet und habe für ihn auch Wasserstrahlschneidarbeiten gemacht.
      Als ich den Linear Book Scanner zum ersten Mal sah, kam er mir verkehrt herum vor. Wenn er als hängende Konstruktion selbstständig beweglich wäre, könnte man Probleme vermeiden, bei denen man die Masse des Buchs nicht kennt oder Reibung handhaben muss.
      Mit einem Gegengewicht ließe sich die Kraft konstant halten, und egal welches Buch gescannt wird, man müsste nur eine bekannte Masse bewegen.
    • BoofCV ist wirklich großartig.
      Schade, dass ich es bis heute nicht kannte; hätte ich es gekannt, hätte ich mir wohl die Zeit genommen, es zu lernen und dazu beizutragen. Die Möglichkeit besteht zwar noch, aber auf den ersten Blick deckt es bereits fast jede Funktion ab, von der ich je gehört habe, und noch mehr.
      Ich habe 30 Minuten damit verbracht, mich durch die Beispiele zu klicken.
    • Wenn möglich, wäre es schön, wenn du es auf GitHub veröffentlichen könntest.

  • Es gibt ähnliche kommerzielle Scanner [1] [2], und auch dieser nutzt ein V-förmiges Design, ist aber so umgedreht, dass von oben gescannt wird.
    Nicht das Buch bewegt sich, sondern der Scanner, wodurch er für das Buch deutlich schonender arbeitet.
    Es freut mich sehr zu sehen, dass eine Open-Source-Alternative zu diesem Ansatz entwickelt wird.
    [1] https://www.treventus.com
    [2] https://youtu.be/SdipuAuWsEs?si=dFWRtva5gO2oM91o

    • Miete oder Leihe beziehungsweise die Nutzung eines Digitalisierungsdienstes dürften vermutlich ebenfalls teuer sein.
      Denn bei beiden Optionen sind keine Preisinformationen öffentlich verfügbar; man soll nur ein Anfrageformular ausfüllen.
    • In einer Google-Präsentation zum ursprünglichen Projekt wird dieses Gerät ebenfalls behandelt.
      https://youtu.be/4JuoOaL11bw?si=do1qet5Kq_WErQgz&t=162
    • Eine DIY-Version derselben Idee gibt es hier: https://www.diybookscanner.org
    • Ich bin mir nicht sicher, ob dieser Scanner eine gute Alternative ist, weil er bei jedem Scan eine Seite abschneidet.
      Danach scheint es nicht mehr besonders relevant, wie schonend er damit umgeht.
      Wenn man vorhat, die verbleibenden Seiten wieder zu binden und daraus ein neues Buch zu machen, könnte es vielleicht gehen.

  • Die Idee gefällt mir, aber bei Büchern für die Erhaltung oder bei wertvollen Büchern macht mir das Risiko von Seitenrissen etwas Sorgen.
    In solchen Fällen würde ich ohnehin lieber von Hand scannen, aber ich wollte schon oft so ein Gerät haben, weil ich sehr viele Bücher digitalisieren möchte.
    In der FAQ heißt es zur Häufigkeit gerissener Seiten:

    Prototype 1 could scan the majority of books without damage, but may tear one or two pages in some books. Out of 50 books tested, 45% had one or two of their pages either torn or folded. This is a very early prototype and there are many areas for improvement in the design.
    Für mich persönlich wäre das weitgehend akzeptabel. Vor allem, wenn spätere Versionen diese 45 % auf etwa 10 bis 20 % senken, würde ich in Erwägung ziehen, so ein Gerät zu bauen, sofern ich den Platz dafür hätte.

    • Eine Zeit lang baute das Internet Archive Buchscanner, bei denen Bücher auf eine V-förmige Halterung gelegt wurden.
      Freiwillige blätterten die Seiten von Hand um; zwei Glasscheiben wurden abgesenkt und wieder angehoben, um die Seiten sanft anzudrücken, während zwei DSLR-Kameras auf angewinkelten Halterungen sie fotografierten.
      Das gesamte Gerät ist nicht automatisch, lässt sich aber leicht von Hand bedienen.
      https://blog.archive.org/2021/02/09/meet-eliza-zhang-book-sc...
    • Falls du diese Seite noch nicht gesehen hast, ist sie einen Besuch wert:
      https://www.diybookscanner.org/en/intro.html
    • Bei unersetzlichen Büchern, etwa alten und vergriffenen, wäre das völlig inakzeptabel.
      Es müssten 0 gerissene Seiten sein.
      Vor Computern gab es schließlich auch keine elektronischen Kopien.

  • In diesem Bereich hat die Software das machbare Niveau noch nicht eingeholt, sodass Menschen Dinge, die per Software erledigt werden könnten, mit Hardware lösen.
    Wenn man als Eingabe zwei oder mehr Fotos oder ein Stereobild hat, etwa von einem neuen iPhone, kann man per Triangulation eine abgeflachte Seite schätzen und daraus ein Bild erzeugen, das aussieht wie eine Seite, die aus einem Flachbettscanner ausgeschnitten wurde.
    Danach muss man nur noch jemanden in Äthiopien ausreichend dafür bezahlen, Bücher vorsichtig und beschädigungsfrei umzublättern.
    Wie jeder Forschende weiß, haben sich in den heutigen digitalen Bibliotheken Scans von zweifelhafter Qualität aus einem ganzen Jahrhundert angesammelt.
    KI kann Scans schätzen, die sich auf einem 8K-Monitor kaum vom ursprünglichen Outline-Font-Format unterscheiden lassen.
    Früher habe ich im Zusammenhang mit den Font-Kriegen der 1980er Jahre dazu beraten, alte Formate und digitale Scans in PostScript- und TrueType-Fonts umzuwandeln.
    Damals war das schwierig, aber sobald die Software aufgeholt hat, wird man das als die richtige Methode zum Scannen von Text verstehen.
    Für wissenschaftliche Literatur braucht es etwas wie ChatGPT, das den LaTeX-Quelltext rekonstruieren kann, mit dem sich jede Seite reproduzieren lässt. Eigentlich braucht es wirklich einen weniger obskuren LaTeX-Nachfolger, mit dem man festen Text und Fließtext gleichermaßen einfach setzen kann.

    • Das ist ein sehr physisches Problem, und es gibt nicht viele brauchbare Abkürzungen.
      Ich habe bei einem Erhaltungsprojekt mitgearbeitet und wirklich viele Zeitschriften gescannt; im Allgemeinen war es nicht besonders wichtig, ob sie auf einem Flachbett lagen oder nicht. Das Umblättern von Hand kostet so oder so Zeit.
      Es gibt bereits bekannte Methoden, Zeitschriften und Bücher sehr schnell zu scannen: Man schneidet den Buchrücken ab und legt die Seiten in einen automatischen Scanner.
      Wenn man das Objekt nach dem Scannen natürlich weiter erhalten will, geht das nicht, weil das Exemplar dabei zerstört wird.
      Letztlich muss die beste Methode, das Scannen zu automatisieren, ohne das Objekt zu beschädigen, eine Kamera von oben mit einer Umblättermaschine kombinieren. Ich vermute, Googles großes Scan-Projekt funktionierte ebenfalls so.
      Manche Bücher ließen sich vielleicht per Röntgen „scannen“, ohne umzublättern, aber auch dabei würden vermutlich neue Probleme entstehen.
    • Mir ist nicht klar, inwiefern der Aufbau einer Infrastruktur zur Ausbeutung von Arbeitskräften in der Dritten Welt genau ein Softwareproblem sein soll.
      Das Problem ist weniger, dass Software die Entzerrung nicht gut beherrscht, sondern dass man, wenn man schon alles für das Scannen von Büchern vorbereitet hat, besser ein Gerät verwendet, bei dem gar keine Entzerrung nötig ist.
    • Software konnte das schon 2017. Ich habe diese Aufgabe im Grunde mit einem Gerät für Blinde umgesetzt, und nicht einmal Stereobilder waren nötig.
      Wie die Abflachung funktioniert, sieht man hier. Diesen Teil hat die Library erledigt, sodass ich dafür keinen eigenen Code schreiben musste.
      https://youtu.be/DPu0iJtK2sI?t=1542
      Es gibt auch Funktionen, die mitteilen, dass man umblättern soll, erkennen, ob umgeblättert wurde, und ein Foto aufnehmen. Im Hintergrund wird das Foto abgeflacht, in Seiten aufgeteilt und OCR ausgeführt.
      Mit etwas Übung kann man ein Buch mit 1–5 Sekunden pro Seite scannen und per OCR erfassen.
      https://youtu.be/DPu0iJtK2sI?t=1909
      Danach wird das per OCR erfasste Buch gespeichert und bei Bedarf vorgelesen.
    • Als LaTeX-Nachfolger hat sich https://typst.app/ ziemlich gut etabliert.
    • KI geht auf keinen Fall. Dass sich Text bei der Digitalisierung subtil verändert, ist genau das, was man am meisten vermeiden sollte.
      https://news.ycombinator.com/item?id=29223815
      Die Gefahr von plausiblen, aber falschen Ergebnissen war schon vor KI ein Grund zur Sorge.

  • Das hier sieht viel sicherer aus.
    https://www.inforum.com/newsmd/ndsu-students-book-scanner-in...
    http://diybookscanner.org

    • Diese Methode ist sicher deutlich schonender, aber nicht automatisch; jemand muss die Seiten umblättern.
      Dieses Projekt versucht, genau dieses Problem zu lösen, müsste das aber auf eine viel sanftere Weise tun, damit die Bücher nicht beschädigt werden.

  • Da nach dem Scannen alles in digitaler Form vorliegt, frage ich mich, warum es kein skalierbares Modell ist, Bücher vor dem Scannen in Einzelseiten zu zerlegen.
    Geht es darum, den zusätzlichen Zerlegungsaufwand zu vermeiden?

    • Archivare mögen es normalerweise nicht, Werke zu zerstören, die sie erhalten wollen.
      Wenn man ein Buch scannt, erhält man nur optische Bilder. Bei mittelalterlichen Handschriften etwa könnten Seiten gelöscht und erneut beschrieben worden sein.
      Wenn man ein Buch einfach scannt und anschließend das physische Exemplar zerstört, verliert man solche Belege.
      Bei billigen Massenmarktbüchern dürfte es den meisten Archivaren allerdings ziemlich egal sein, eines von Millionen Exemplaren zu zerstören, um das Werk zu erhalten.
      Ein echtes Problem wird das nur bei sehr alten und sehr seltenen Werken.
    • Wenn das Buch nicht sehr wertvoll ist, ist es meist einfacher, den gebundenen Teil mit einer Schneidemaschine komplett abzuschneiden und die losen Blätter in einen Einzugsscanner zu legen.

  • Jedes auch nur ein wenig beschädigte Buch dürfte dabei in Fetzen gerissen werden.

    • Als ich das gesehen habe, bin ich auch zusammengezuckt.
      Ich habe einige alte Bücher, die ich gern digitalisieren würde, aber die meisten üblichen Buchscanner verlangen zumindest, dass man das Buch vollständig aufschlägt, und genau dadurch kann es, wie du sagst, reißen.
      Außerdem enthalten solche Geräte keine Vakuumtechnik, keine Bewegung über scharfe Kanten hinweg und keine Schrittmotoren.
      In der zweiten Frage auf https://linearbookscanner.org/faq/ steht:

      Out of 50 books tested, 45% had one or two of their pages either torn or folded
      Ich würde das nicht einmal bei meinen weniger wertvollen Büchern verwenden.

    • Das wird ganz sicher passieren. Wenn etwas hängen bleibt oder sich die Umgebungsbedingungen ändern und mit dem Papier reagieren, kann das auch bei zuvor unbeschädigten Büchern passieren.
      Wenn man aber bergeweise Bücher scannen muss und mit so einer Maschine den Großteil davon erledigen kann, während nur Sonderfälle vorsichtiger behandelt werden müssen, ist das trotzdem ein Gewinn.

  • Google hat grob gesagt bereits alle Bücher gescannt. Das Problem waren Urheberrecht und Rechteinhaber
    Für das Umblättern wurde schlecht bezahlte Arbeitskraft eingesetzt. Wenn niemand vorher einen Link postet, schicke ich später einen
    Als ich nach Hause kam und nachgesehen habe, war es dieser Artikel: https://www.theatlantic.com/technology/archive/2017/04/the-t...

  • Sieht wirklich großartig aus. Damit kann man Bücher nicht nur digitalisieren, sondern sie auch kostenlos schreddern lassen
    Ein ziemlich guter 2-für-1-Deal

  • Ich habe eine Hausstaubmilbenallergie; wenn Bücher etwa sechs Monate im Regal stehen, bekomme ich schon beim bloßen Anfassen eine allergische Reaktion
    Abstauben oder Absaugen der Außenseite hilft nicht
    Dieses Gerät ließe sich wohl nutzen, um Hausstaubmilben aus Büchern zu entfernen und sie wieder lesbar zu machen