古籍數字化實踐與探討

〔摘 要〕古籍數字化的標準規范與質量控制問題是古籍數字化的關鍵問題。本文從圖像資源和元數據方案兩方面探討了古籍數字化的標準規范，并通過古籍數字化實踐，總結出質量控制的具體措施。

〔關鍵詞〕古籍數字化；數字化標準；質量控制；數字化實踐

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０．０１．０１３

〔中圖分類號〕Ｇ２５０.７４ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１（２０）０１－００５２－０４

Research on Digital Practice of Ancient BooksLiu Congming

（Library，Tsinghua University，Beijing 100084，China）

〔Ａｂｓｔｒａｃｔ〕The digital standard and quality control are crucial factors in digitization of ancient books.This paper discussed the digital standard about image resources and metadata，and summed up the measures of quality control through the digital practice of ancient books.

〔Ｋｅｙｗｏｒｄｓ〕digitization of ancient books;digital standard;quality control;digital practice

在古籍數字化過程中，一方面，需要認真履行標準化規范，只有建設標準規范的數字資源，才能真正實現古籍的共建共享。另一方面，還需要進行嚴格的質量控制與檢查，只有這樣才能提供高質量的數字化古籍，才能保證古籍的利用和研究，也才能真正實現古籍數字化的意義。

１ 古籍數字化標準規范

古籍數字化實踐時，只有按照標準規范進行古籍數字化工作，才能更有利于古籍數字資源的共享，才能更有利于對古籍進行深層次的研究［１］。2002年10月份，由中國科技信息研究所、中國科學院文獻情報中心和中國國家圖書館聯合將近20個單位組織規劃我國數字圖書館標準規范建設，針對古籍制訂了元數據應用規范和著錄規則［２］。2007年1月，國務院辦公廳頒發了《關于進一步加強古籍保護工作的意見》，明確指出：制定古籍數字化標準，規范古籍數字化工作［３］。

１.１ 圖像資源的標準參數

隨著數字化技術的發展以及古籍大規模數字化的開展，掃描成為古籍數字化的必經之路。掃描得到的圖像資源越來越被人們認可，并逐漸成為主要的數字資源格式，或者說是古籍進一步數字化開發的基礎。圖像資源相對于文字資源，有著更豐富的信息，對其進行數字化描述需要的參數很多［４］，主要有圖像格式、圖像色彩、壓縮方式以及分辨率等。

１.１.１ 圖像格式的選擇

在圖像格式的選取方面，各個數字化項目采用的標準都有所不同，比如美國國會圖書館在“美國記憶”（American Memory）［５］項目中，從多角度考慮選取圖像格式，詳見下表。表１ 根據資源類型進行圖像格式的選擇

資源類型圖像格式只包含文字TIFF包含插圖PCX由多頁組成PDF局部需要壓縮MrSID地圖類MrSID（壓縮比約22∶1）、JPEG2000（壓縮比約20∶1）印刷品和相片TIFF表２ 根據資源用途進行圖像格式的選擇

資源用途圖像格式瀏覽服務JEPG與GIF縮略圖顯示低像素GIF

由表１、表２可以看出，由于從資源類型、資源用途多方面考慮，制定了多個標準規范。那么，在數字化操作時容易造成混亂。

CADAL項目中，在古籍數字化時主要從保存與利用兩個方面考慮：從保存的角度，由于TIFF格式具有開放的標準，其源代碼可免費獲得，幾乎可以滿足各類物理資源圖像數字化的需求，而且TIFF還是被眾多文化機構使用的國際標準［６］，所以選擇TIFF格式作為保存圖像格式。從利用的角度，由于DjVu不僅具有開放的標準，其開放源代碼也可從網絡免費獲取，采用DjVu圖像格式有利于資源的利用。

１.１.２ 圖像色彩

在圖像色彩的選擇時，并非色彩位數越高越好，在古籍數字化實踐中需要根據古籍資源特點選擇適當的圖像色彩，合理的色彩選擇既可以節約存儲空間，提高數字化的效率，還可以提供較好的圖像品質。表３ TIFF格式彩色、灰度、黑白對比

位深色彩例 圖文件大小24位彩色.3M8位灰度3.79M 續表３

位深色彩例 圖文件大小1位黑白487K

２０年１月第３１卷第１期古籍數字化實踐與探討Ｊａｎ.，２０Ｖｏｌ.３１ Ｎｏ.１從表３可以看出，圖像色彩的選擇將直接影響圖像文件的大小以及圖像的顯示效果。我們認為，對于僅用于文字瀏覽或OCR的圖像，可以采用灰度或黑白二值圖像比較合理。而對于原始文獻帶有彩色特征的插圖、印章以及封底封面則應采用24位真彩圖像，從而再現了古籍的原貌，充分體現古籍數字化的“保真原則”。

１.１.３ 壓縮方式

合理的壓縮方式既可以節約存儲空間又不損失圖像質量。采取一定的壓縮方式之后，文件大小可以減少到原來的幾分之一甚至幾十分之一。通過實踐發現，選擇LZW壓縮方式處理彩色和灰度TIFF格式圖像，可以大大節約存儲空間；同樣選擇G4壓縮方式處理黑白二值TIFF格式圖像，也可以極大地節約存儲空間。由此可見，在存儲空間以及傳輸等有限的情況下，我們可以采用LZW壓縮方式來處理彩色和灰度圖像，不論是從圖像質量上，還是未來的瀏覽使用方面，都是可以接受的。而對于黑白圖像則應選擇G4壓縮方式。

１.１.４ 圖像的DPI

圖像格式、色彩與壓縮方式選定之后，面臨的就是DPI的選擇。表４是無壓縮TIFF格式圖像不同DPI顯示效果圖。

從表４可以看出，無論是黑白圖像還是灰度與彩色圖像，隨著DPI的降低圖像質量明顯在下降，但DPI從300提高到600，文件大小將增加到原來的4倍之多。顯然DPI越高圖像的質量越高，但對數字資源的存儲與傳輸也是一個極大的挑戰，由于DPI的選擇直接關系到數字化資源的品質與其占用空間和傳輸速度等，所以需要根據不同需要選擇不同的DPI［７］。適當的DPI不僅節約存儲空間更加提高了傳輸效率，便于用戶的瀏覽與下載。

在DPI選擇方面，加拿大聯邦數字化工作組曾對165個數字化項目進行過調查，發現各個項目中圖像分辨率有所不同［８］，過半的數字化項目采用了300DPI，但由于該調查是在2001年進行的，隨著存儲技術與網絡傳輸速度的提高，在古籍的數字化實踐中，DPI的選擇將會逐漸提高。比如在CADAL項目中，用于保存的圖像一律采用600DPI。表４ 無壓縮TIFF格式圖像不同DPI顯示效果對比

１.２ 元數據的標準規范

元數據具有資源發現與確認、資源著錄描述、資源集合組織、資源及其服務的利用和管理、資源長期保存以及資源與服務系統功能與過程描述等廣泛的用途［９］。針對古籍的特點制定標準的元數據著錄規范，是古籍數字化工作的重要環節。

北京大學古籍數字圖書館古籍元數據結構分為3個部分：描述性元數據、管理性元數據、應用性元數據。其中描述性元數據標準是元數據標準的核心，而管理性元數據主要是針對數字化圖像而設，大多屬于圖像管理的范疇。依據《中文元數據標準框架方案》，古籍描述性元數據由核心元素、本館核心元素、古籍個別元素組成，共15個元素，其中有12個元素是與DC相對應的，有2個是北大數字圖書館中文元數據標準增加的本館核心元素，古籍個別元素則只有1個。這一方案較傳統的MARC格式具有更多的優點，更適合古籍的著錄和有關信息的描述，今后必將在數字圖書館領域獲得長足的發展［１０］。

1995年出現的DC(Dublin Core)元數據是為描述網絡資源、支持網絡檢索而建立的簡單有效的元數據模式，在眾多元數據方案中，DC元數據方案具有顯著的優點［］：其一，簡單易用，15個元素涵蓋了資源的主要檢索點和有價值的說明信息（如題名、作者、關鍵詞等）；其二，可擴展，DC的每個元素都可以通過使用修飾詞來進一步擴展，使其對資源的描述更加豐富；其三，開放性，能夠與其他元數據形式進行連接，具有跨學科領域語義互用性，同時還可以采用XML格式的RDF結構中的嵌套形式，甚至是其它元數據格式的部分元素，來描述比較復雜的資源。這些特色使得DC元數據成為資源內容描述的首選，且得到國際間的廣泛承認［１２］。鑒于此CADAL項目開發基于DC的OEB元數據著錄工具。圖１ 元數據著錄軟件截圖該著錄工具，充分體現了DC元數據的三大特點，由于其簡單易用，在著錄時容易操作，而且由于DC的所有元素都是可選擇的，也是可重復的，所以在著錄時，可根據需要隨時添加與刪除元素。由于其具有良好的開放性，在著錄時可以將MARC格式元數據直接導入。

２ 古籍數字化質量控制

古籍數字化資源的質量參差不齊，是近年來古籍數字化存在的一個重要問題，多數學者認為，不注重版本的選擇是造成質量差的原因之一，但筆者在實踐中發現，數字資源的質量問題并非如此，即使是選擇了好的版本，如果圖像質檢和元數據質檢兩個環節存在問題，也可能出現數字資源的質量問題，甚至出現信息丟失、錯誤等嚴重問題。下面從影響數字化資源質量的兩個主要環節展開探討。

２.１ 圖像資源的質量控制

圖像資源的質量問題直接關系到數字化整體的質量。從數字資源的創建階段就應考慮數字資源的質量問題，并把其放在首要位置。在實踐中根據數字化流程，逐個環節檢查控制，每個環節負責上一環節的質量檢查，并及時將質量合格的資源進行替代。根據標準規范細則，在整個數字化過程中圖像質量檢查主要從以下幾方面進行：

（１）掃描圖像的尺寸，是否按照原始資源的100%進行掃描。

（２）圖像分辨率，包括存儲級圖像與瀏覽級圖像的分辨率，分辨率的錯誤直接影響顯示效果。

（３）圖像色彩和位深，是否按照制定的標準規范設置，圖像色彩和位深的不當會影響圖像的存儲與傳輸以及后續的圖像處理。

（４）圖像亮度和對比度，直接關系到OCR識別率以及圖像的清晰度。

（５）圖像是否居中或傾斜，不僅影響識別率也影響圖像的顯示效果。

（６）圖像是否完整或被切割，直接關系到信息的完整性與準確性。

（７）文件格式與壓縮方式，將決定是否影響后面環節，以及圖像資源是否失真問題。

美國國會圖書館在實施數字圖書館項目時，就非常重視資源的質量檢查問題。并且把數字資源的成品質量，作為選擇服務商的標準之一。由此可見關注數字資源的質量問題，是資源數字化尤其是古籍數字化的重要環節。但由于他們只注重質量檢查的結果，至于如何進行質量控制與檢查并未涉及。

有關圖像質量的控制問題，國內多數機構也已認識到它的重要性，在數字化流程中都無一例外地設置了圖文質量控制環節，并要求支持工序反饋，形成一個質量控制系統［１３］。古籍數字化實踐中，掃描是控制圖像質量的關鍵環節，之后所有的有關圖像的操作都是在此基礎之上的，因此在掃描環節就應在圖像資源的參數設置方面嚴格控制，這一點對于古籍尤為重要。由于古籍比較珍貴，為了減少對古籍的磨損，盡可能一次掃描成功，這就需要將技術參數設置正確，避免不必要的重復掃描；在圖像處理環節，需要選擇適當的圖像處理軟件，盡可能進行自動批處理，不僅可以有效控制圖像質量，還可大幅提高數字化效率。多年的古籍數字化實踐發現，將圖像質量控制問題貫穿于整個數字化過程，能夠及時準確地進行圖像質量控制。

２.２ 元數據的質量檢查

影響數字資源的質量問題除了圖像資源的質量控制以外，對數字資源描述的元數據著錄是另一重要的因素。元數據的質量問題直接影響到資源的查全率與查準率問題。

進行元數據質量控制與檢查時，首先檢查各元數據項是否按著錄規則著錄，著錄項是否準確、完整以及符合規范。檢查過程主要通過人工操作來控制著錄數據的質量。例如，在CADAL項目中使用OEB編輯器進行DC元數據著錄，檢查Type項（描述數字資源的類型）選擇是否正確，如古籍、民國圖書、民國期刊等；Format項（描述數字資源格式）選擇應為Djvu、Html、Pdf等；Identifier項著錄是否正確，是否嚴格按照規定的位數和數字著錄，因為Identifier是數字資源的惟一標識符，直接影響數字資源能否被檢索到的問題。同時還應檢查著錄文字是否嚴格按照原始古籍進行著錄，是否嚴格按照《古籍著錄細則》［１４］和《民國圖書元數據著錄細則》［１５］進行著錄，也就是對其規范性進行檢查。

３ 結 語

總之古籍數字化是一個復雜的過程，古籍數字化標準規范也并非是恒定的，隨著數字化技術的發展與完善，這些都可能再次發生變化。這是一個不斷變革的領域，只有與時俱進地研究與總結，才可得到較為理想的數字化效果［１６］。也只有認真實施質量控制，才能保證古籍數字化共建共享的目的，這些都需要我們在古籍數字化實踐中摸索與總結。

參考文獻

［１］劉春金，等.中文古籍數字化現狀分析［Ｊ］.江西圖書館學刊，2008，(2):3．

［２］中國數字圖書館標準規范建設——項目簡介［ＥＢ／ＯＬ］.http:∥cdls.nstl.gov.cn/2003/whole/about.html，2009--10.

［３］國務院辦公廳關于進一步加強古籍保護工作的意見［ＥＢ／ＯＬ］.http:∥www.gov.cn/xxgk/pub/govpublic/mrlm/200803/t20080302832601.html，2010-07-22.

［４］彭緒庶，蔣穎.資源數字化標準問題研究［Ｍ］.北京:北京圖書館出版社，2005：127-128．（下轉第５８頁）