纸质档案数字化技术规范 蒋 峰
枣庄市档案局、术语和定义 下列术语和定义适用于本标准。
1 数字化digitization
用计算机技术将模拟信号转换为数字信号的处理过程。
2 纸质
档案数字化digitization of paper-based records
采用扫描仪或数码相机等数码设备对纸质档案进行数字化加工,将其转化为存储在磁带、磁盘、光盘等载体上并能被计算机识别的数字图像或数字文本的处理过程。
3 数字图像digital image
表示实物图像的整数阵列。个二维或更高维的采样并量化的函数,由相同维数的连续图像产生。在矩阵或其他网络上采样连续函数,并在采样点上将值最小化后的阵列。
4 黑白二值图像binary image
只有黑白两级灰度的数字图像。它对应于黑白两种状态的文字稿、线条图等。 5 连续色调静态图像continuous-tone still image
以多于两级灰度的不同浓淡层次或以不同颜色通道组合成的静态数字图像。在纸质档案数字化过程中,通常表现为灰度扫描和彩色扫描两种模式。
6 分辨率resolution
单位长度内图像包含的点数或像素数,般用每英寸点数dpi表示。
7 失真度distortion measure
对档案进行数字化转换后,数字图像与档案原件在色彩、几何等方面的偏离程度。
8 可懂度intelligibility
数字图像向人或机器提供信息的能力。
9 图像压缩image compression
清除图像冗余或对图像近似的任种过程,其目的是对图像以更紧凑的形式表示。纸质档案数字化过程中,较常见的有TIFFG4、JPEG等压缩格式。 二、纸质档案数字化基本要求 1 基本原则
纸质档案数字化的基本原则是使档案信息资源准确、方便、快捷地提供利用,使可以公开的档案信息资源得到共享,以满足社会对档案利用的需求。
2 数字化对象的确定原则
应当对所要进行数字化的对象按照定的原则和方法进行确认,只有符合定要求的纸质档案文献才能进行数字化。
2.1 符合国家法律法规的原则
纸质档案的数字化,必须符合国家档案开放规定以及有关规定。
2.2 价值性原则
属于归档范围且应永久或长期保存的、社会利用价值高的档案可列入数字化加工的范围。 3 基本环节
纸质档案数字化的基本环节主要包括:档案整理、档案扫描、图像处理、图像存储、目录建库、数据挂接、数据验收、数据备份、成果管理等。
4 过程管理
4.1 应加强纸质档案数字化各环节的安全保密管理机制,确保档案原件和数字化档案信息的安全。
4.2 纸质档案数字化的各个环节均应进行详细的登记,并及时整理、汇总,装订成册,在数字化工作完成的同时建立起完整、规范的记录。
三、档案整理 在扫描之前,根据档案管理情况,按下述步骤对档案进行适当整理,并视需要作出标识,确保档案数字化质量。
1 目录数据准备
按照
档案著录规则》DAT18等的要求,规范档案中的目录内容。包括确定档案目录的著录项、字段长度和内容要求。如有错误或不规范的案卷题名、文件名、责任者、起止页号和页数等,应进行修改。
2 拆除装订
在不去除装订物情况下,影响扫描工作进行的档案,应拆除装订物。拆除装订物时应注意保护档案不受损害。
3 区分扫描件和非扫描件
按要求把同案卷中的扫描件和非扫描件区分开。普发性文件区分的原则是:无关和重份的文件要剔除,有正式件的文件可以不扫描原稿。 4 页面修整
破损严重、无法直接进行扫描的档案,应先进行技术修复,折皱不平影响扫描质量的原件应先进行相应处理压平或熨平等后再进行扫描。
5 档案整理登记
制作并填写纸质档案数字化加工过程交接登记表单,详细记录档案整理后每份文件的起始页号和页数。
6 装订
扫描工作完成后,拆除过装订物的档案应按档案保管的要求重新装订。恢复装订时,应注意保持档案的排列顺序不变,做到安全、准确、无遗漏。四、档案扫描 1 扫描方式
1.1 根据档案幅面的大小A4、A3、A0等选择相应规格的扫描仪或专业扫描仪如工程图纸可采用0号图纸扫描仪进行扫描。大幅面档案可采用大幅面数码平台,或者缩微拍摄后的胶片数字化转换设备等进行扫描,也可以采用小幅面扫描后的图像拼接方式处理。
1.2 纸张状况较差,以及过薄、过软或超厚的档案,应采用平板扫描方式;纸张状况好的档案可采用高速扫描方式以提高工作效率。 2 扫描色彩模式
2.1扫描色彩模式般有黑白二值、灰度、彩色等。通常采用黑白二值。
2.2页面为黑白两色,并且字迹清晰、不带插图的档案,可采用黑白二值模式进行扫描。
2.3页面为黑白两色,但字迹清晰度差或带有插图的档案,以及页面为多色文字的档案可采用灰度模式扫描。
2.4页面中有红头、印章或插有黑白照片、彩色照片、
彩色插图的档案,可视需要采用彩色模式进行扫描。 3 扫描分辨率
3.1扫描分辨率参数大小的选择,原则上以扫描后的图像清晰、完整、不影响图像的利用效果为准。
3.2 采用黑白二值、灰度、彩色几种模式对档案进行扫描时,其分辨率般均建议选择大于或等于l00dpi。特殊情况下,如文字偏小、密集、清晰度较差等,可适当提高分辨率。
3.3需要进行OCR汉字识别的档案,扫描分辨率建议选择大于或等于200dpi。 4 扫描登记
认真填写纸质档案数字化转换过程交接登记表单,登记扫描的页数,核对每份文件的实际扫描页数与档案整理时填写的文件页数是否致,不致时应注明具体原因和处理方法。 五、图像处理 1 图像数据质量检查
1.1 对图像偏斜度、清晰度、失真度等进行检查。发现不符合图像质量要求时,应重新进行图像的处理。
1.2 由于操作不当,造成扫描的图像文件不完整或无法清晰识别时,应重新扫描。
1.3 发现文件漏扫时,应及时补扫并正确插入图像。
1.4 发现扫描图像的排列顺序与档案原件不致时,应及时进行调整。
1.5 认真填写相关表单,记录质检结果和处理意见。 2 纠偏
对出现偏斜的图像应进行纠偏处理,以达到视觉上基本不感觉偏斜为准。对方向不正确的图像应进行旋转还原,以符合阅读习惯。
3 去污
对图像页面中出现的影响图像质量的杂质,如黑点、黑线、黑框、黑边等应进行去污处理。处理过程中应遵循在不影响可懂度的前提下展现档案原貌的原则。
4 图像拼接
对大幅面档案进行分区扫描形成的多幅图像,应进行拼接处理,合并为个完整的图像,以保证档案数字化图像的整体性。
5 裁边处理
采用彩色模式扫描的图像应进行裁边处理,去除多余的白边,以有效缩小图像文件的容量,节省存储空间。
六、图像存储 1 存储格式
1.1 采用黑白二值模式扫描的图像文件,般采用TIFFG4格式存储。采用灰度模式和彩色模式扫描的文件,般采用JPEG格式存储。存储时的压缩率的选择,应以保证扫描的图像清晰可读的前提下,尽量减小存储容量为准则。
1.2 提供网络查询的扫描图像,也可存储为CEB、PDF或其他格式。
2 图像文件的命名
2.1 纸质档案目录数据库中的每份文件,都有个与之相对应的唯档号,以该档号为这份文件扫描后的图像文件命名。
2.2 多页文件可采用该档号建立相应文件夹,按页码顺序对图像文件命名。七、目录建库 1 数据格式选择
目录建库应选择通用的数据格式。所选定的数据格式应能直接或间接通过XML文档进行数据交换。
2 档案著录
按照档案著录规则》DAT18的要求进行著录,建立档案目录数据库。
3 目录数据质量检查
采用人工校对或软件自动校对的方式,对目录数据库的建库质量进行检查。核对著录项目是否完整、著录内容是否规范、准确,发现不合格的数据应要求进行修改或重录。八、数据挂接 1 汇总挂接
档案数字化转换过程中形成的目录数据库与图像数据库,通过质检环节确认为合格后,通过网络及时加载到数据服务器端汇总。通过编制程序或借助相应软件,可实现目录数据对相关联的数字图像的自动搜索、加入对应的电子地址信息等,实现批量、快速挂接。
2 数据关联
以纸质档案目录数据库为依据,将每份纸质档案文件扫描所得的个或多个图像存储为份图像文件。将图像文件存储到相应文件夹时,要认真核查每份图像文件的名称与档案目录数据库中该份文件的档号是否相同,图像文件的页数与档案目录数据库中该份文件的页数是否致,图像文件的总数与目录数据库中文件的总数是否相同等。通过每份图像文件