鞏 霞，魏浩然

(1. 山東理工大學(xué)，山東 淄博 255049；2. 德克薩斯大學(xué)達拉斯分校，美國德克薩斯州理查德森市75080)

1 引言

檔案是個人經(jīng)歷和歷史進程的真實記錄，是社會和國家的寶貴財富。由于國內(nèi)保存的大部分是手寫的紙質(zhì)檔案，在檔案保存過程中，檔案上的文字會受光照、浸水、氧化等因素的影響，變得難以辨識與保存。依據(jù)檔案書寫中字跡材料的不同，可以分為最耐久的字跡材料、比較耐久的字跡材料、不耐久的字跡材料三種類型。其中最耐久的字跡材料包括墨汁、墨和黑色油墨等。比較耐久的字跡材料包括藍黑墨水、碳素墨水、藍色油墨、紅色油墨和印泥等。不耐久的字跡材料包括純藍墨水、紅墨水、復(fù)印紙、圓珠筆和銀泰油等[1]。

純藍墨水書寫的檔案耐光、耐水性差，極易褪色，導(dǎo)致字跡難以辨識。在1996年對上海市48家各級各類檔案館館藏永久卷檔案的調(diào)查中，純藍墨水書寫的檔案占總檔案的比例在2-3%左右[2]。圖1展示了建國前、50年代、60年代、70年代等不同時期中，純藍墨水書寫的檔案所占比例的變化。由于純藍墨水檔案容易出現(xiàn)字跡褪色，針對藍色墨水檔案的修復(fù)變得尤為緊要。

圖1 不同時期純藍墨水檔案所占比例的變化

近年來，檔案搶救與數(shù)字化工作正大力開展。目前主要有兩種對紙質(zhì)檔案進行保護的方式，一種是對破損檔案進行物理修復(fù)，盡可能恢復(fù)紙質(zhì)檔案原貌并呈現(xiàn)信息。另一種是對檔案進行數(shù)字化，將紙質(zhì)檔案轉(zhuǎn)化為數(shù)字檔案[3]。

圖2 純藍墨水手寫檔案

隨著數(shù)字信號處理技術(shù)在圖像和視頻處理領(lǐng)域的發(fā)展[4-8]，將圖像增強技術(shù)運用到手寫檔案的褪色修復(fù)中，會極大地提高褪色文檔的辨識度。然而至今國內(nèi)尚缺乏使用圖像增強技術(shù)修復(fù)手寫檔案的研究，主要原因在于，檔案館館藏檔案只有褪色后的檔案，而并不知道褪色前檔案上所寫的準確內(nèi)容。這使得圖像增強技術(shù)帶來的效果提升，變得難以衡量。

為解決上述問題，本文從以下三個方面做出了探索：

1) 提供了首個中文純藍墨水手寫文檔的數(shù)據(jù)集。通過模擬手寫文檔浸水的過程，本數(shù)據(jù)集提供了褪色前的文檔圖片和褪色后的文檔圖片。本數(shù)據(jù)集可以使用以下鏈接下載(提取碼：1234 )：https：//pan.baidu.com/s/11E3p1JP2o9 INah4i-nyr2A

2) 提出了一種衡量中文文檔增強效果的評價方法；

3) 提供了一種基于圖像增強技術(shù)的彩色文檔修復(fù)方法，并給出了實驗結(jié)果。

在之后的部分里，第二章介紹了純藍墨水手寫檔案數(shù)據(jù)集，并描述了模擬浸水的過程。第三章介紹了一種基于圖像增強技術(shù)的彩色檔案修復(fù)的具體實現(xiàn)方法。第四章介紹了一種衡量中文文檔增強效果的評價方法，并給出了第三章中方法的實驗結(jié)果。

2 純藍墨水手寫檔案數(shù)據(jù)集

由于檔案館館藏檔案只有褪色后的檔案，而并不知道褪色前檔案上所寫的準確內(nèi)容，導(dǎo)致無法衡量圖像增強技術(shù)帶來的修復(fù)效果。為了解決這個問題，本文提供了褪色前的純藍墨水手寫檔案圖片，并模擬檔案浸水過程，提供了浸水褪色后的檔案的圖片。

本文的純藍墨水手寫檔案，內(nèi)容是一份四頁紙手寫的入黨申請書，使用了普通信紙、英雄牌鋼筆和上海墨水廠生產(chǎn)的英雄牌高級純藍墨水233。四頁檔案分別包含漢字242個，253個，254個和253個。圖2(a)和圖2(b)分別展示了褪色前檔案的第二頁和第四頁。

在得到褪色前的手寫檔案后，檔案的1、2頁在水中浸泡兩分鐘，檔案的3、4頁在水中浸泡三分鐘。之后拿出曬干，得到褪色后的手寫檔案圖片。圖3展示了褪色后的手寫檔案，其中3(a)為第2頁，在水中浸泡了兩分鐘，圖3(b)為文檔的第4頁，在水中浸泡了三分鐘。本數(shù)據(jù)集可以通過引言中的鏈接獲取。

圖3 浸水后純藍墨水手寫檔案

3 基于圖像增強的彩色檔案修復(fù)方法

文本將Gamma變換應(yīng)用于彩色圖像的不同信道，并在不同信道合并前進行了了色彩規(guī)整。圖4展示了本方法的實現(xiàn)流程。

圖4 彩色檔案圖像增強流程圖

彩色圖像首先按照紅綠藍三個信道，分別進行Gamma變換，Gamma變換通過對每個像素的乘積非線性變換運算，將灰度過高或者過低的圖片進行修正，增強了圖片對比度[9]。Gamma變換的公式為

S=Crγ

(1)

r為圖像每個信道的輸入值，取值范圍為[0，1]。γ為伽馬因子大小，當(dāng)γ值大于1，會拉伸圖像中灰度級較高的區(qū)域，壓縮灰度級較低部分；當(dāng)γ值小于1時，會拉伸灰度級較低部分，而壓縮灰度級較高部分。C為灰度縮放系數(shù)，按照不同場景取1或255。S為經(jīng)過伽馬變換后的單個信道輸出值。每個信道經(jīng)過Gamma變換后，又進行了色彩規(guī)整操作，色彩規(guī)整將每個信道處理后的平均值，規(guī)整到本信道輸入時的狀態(tài)，以保證恢復(fù)后的圖像與原圖像的色彩相似度。

4 彩色檔案修復(fù)實驗的評價方法與結(jié)果

使用上文所述的方法，圖5 展示了彩色檔案圖像增強后的效果。其中5(a)為原文檔第2頁，在水中浸泡兩分鐘后的修復(fù)效果，圖5(b)為原文檔的第4頁，在水中浸泡三分鐘后的修復(fù)效果。

圖5 圖像增強后的檔案

為了對圖像增強后的文字檔案閱讀效果進行評價，本文采用了8位朗讀者對圖像增強處理前后的材料進行了分別朗讀辨識。這8位朗讀者都具有熟練的識字能力，他們來自不同的年齡段，包含2位退休教師，2位中年教師，2位青年教師和2位播音主持專業(yè)在讀學(xué)生。為了實驗的準確性，每位朗讀者只閱讀檔案一次，不存在重復(fù)閱讀相同內(nèi)容的情況。在相同年齡段的兩位朗讀者中，一人朗讀修復(fù)前第1頁，修復(fù)后第2頁，修復(fù)前第3頁和修復(fù)后第4頁。另一人朗讀修復(fù)后第1頁，修復(fù)前第2頁，修復(fù)后第3頁和修復(fù)前第4頁

本文使用了字正確率(wordcorrect，簡寫為W.Corr)和單頁朗讀用時兩項指標(biāo)來衡量檔案圖像增強的效果。由于中文文檔每個字占有基本相似的空間大小，不易出現(xiàn)漏讀字和插入額外字的情況。相比于計算復(fù)雜的字錯率(word error rate)，字正確率更簡潔，更適用于評價中文閱讀體驗。字正確率(W.Corr)的計算公式為

W.Corr=(N-S-D)/N

(2)

其中N為文檔的字數(shù)，S為朗讀中替換的字數(shù)，D為朗讀中漏掉或未能辨別出的字數(shù)。單頁朗讀用時是朗讀一頁文檔的平均用時，可以衡量獲取文檔有效信息的難易程度。

表1描述了所有朗讀者，在朗讀不同類型文檔時的平均字正確率。表1顯示了朗讀修復(fù)后的文檔能得到更高的正確率。

表1 平均字正確率(%)

表2描述了所有朗讀者，在朗讀不同類型文檔時的平均單頁朗讀用時。表2顯示了朗讀浸水3分鐘文檔比朗讀浸水2分鐘文檔用時更長，同時也顯示出，朗讀修復(fù)后的文檔用時更短。

表2 單頁朗讀用時(秒)

以上實驗證明，本文提出的彩色手寫文檔增強方法，可以提高浸水文檔的辨識度，減少閱讀誤差，也可以更快速的獲取文檔信息。

5 結(jié)論

由于純藍墨水手寫檔案耐水性差，浸水后極易褪色。本文提供了首個中文純藍墨水手寫文檔的數(shù)據(jù)集，通過模擬文檔浸水的過程，提供了褪色前的文檔圖片和褪色后的文檔圖片，使得檔案修復(fù)的效果可以衡量。之后，本文提供了一種基于圖像增強技術(shù)的彩色文檔修復(fù)方法，并給出了一種衡量中文文檔增強效果的評價方法和實驗結(jié)果。來自8位朗讀者的實驗結(jié)果表明，這種圖像增強技術(shù)的處理可以提高閱讀過程中的字正確率，并可以大幅減少完成閱讀的用時。