古籍数字化保护中的技术路径与工程实践

一、背景：古籍保护为何需要工程技术深度参与

古籍保护长期以来以修复师的手工技艺为核心，工作方式高度依赖个人经验。但当保护对象从单件善本扩展到成规模的文献集合时，传统方式在效率、一致性、安全性和可追溯性等方面都会遇到瓶颈。

例如，一批古籍可能同时存在不同程度的虫蛀、酸化、脆化、粘连等问题。修复前需要逐册记录病害类型与位置，修复中需要控制温湿度、光照、药剂用量，修复后还要形成完整档案。如果缺少统一的数据结构与流程管理，这些信息很容易分散在不同表格、照片和纸质记录中，后续检索、统计、对比和再修复都会变得困难。

因此，现代古籍保护项目通常需要引入工程化手段，将“修复工艺”与“数字治理”结合，形成一套可持续运转的技术体系。

工程团队需要解决的问题主要包括：

• 如何对古籍进行稳定、高质量的数字采集；
• 如何组织和管理影像、元数据、修复记录等异构数据；
• 如何保证数字化成果长期可访问、可校验、可迁移；
• 如何让修复人员、研究人员和技术团队在统一平台上协同工作；
• 如何在不损伤原件的前提下，利用数字副本支持研究与展示。

这些问题的本质并不是单一工具选型，而是如何构建一套面向文化遗产场景的数据工程与协作机制。

二、古籍数字化项目的典型技术分层

从工程视角看，一个完整的古籍数字化保护项目通常可以划分为四个层次。

1. 采集层

采集层负责将物理古籍转化为高质量数字影像或三维数据。关键设备包括高精度扫描仪、大幅面相机、色彩管理工具以及必要的固定与支撑装置。

对于普通纸质文献，扫描分辨率一般不应低于 300 PPI；对于需要观察纸张纤维、墨迹层次或雕版细节的对象，可能需要 600 PPI 甚至更高。采集过程中应使用标准色卡与灰阶卡，保证色彩还原的一致性。

对于装订紧密、无法完全展平的古籍，常使用 V 型托架或冷光源照明，避免强光长时间照射造成损害。部分项目还会采用多光谱成像技术，以识别肉眼难以分辨的墨迹残留或涂改痕迹。

2. 存储与组织层

采集完成后，原始影像文件通常体积较大。单册古籍可能产生数十至数百 GB 的数据。因此需要设计合理的文件组织方式，例如：

collection_id/
├── item_id/
│   ├── raw/
│   │   ├── 0001.tif
│   │   ├── 0002.tif
│   │   └── ...
│   ├── processed/
│   │   ├── 0001.jp2
│   │   └── ...
│   ├── metadata/
│   │   ├── descriptive.xml
│   │   ├── technical.xml
│   │   └── preservation.xml
│   └── checksum/
│       └── manifest.sha256

该结构将原始数据、处理数据、元数据与校验信息分离，便于后续迁移、备份和审计。对象存储可以作为底层存储方案，提供版本控制、生命周期管理和跨区域冗余等能力，但具体选型应依据项目规模与机构既有基础设施确定。

3. 元数据层

元数据是数字化成果长期可用的关键。如果只有影像而没有结构化描述，后续检索和利用成本会非常高。

古籍数字化项目通常需要同时维护三类元数据：

• 描述性元数据：题名、卷数、著者、版本、馆藏号、版式特征等；
• 技术性元数据：拍摄设备、分辨率、色彩空间、文件格式、压缩参数等；
• 保存性元数据：校验值、迁移历史、格式风险评估、权利信息等。

建议采用国际通用的元数据标准或成熟 schema 进行扩展映射。例如，使用 MODS 或 Dublin Core 表达描述信息，使用 PREMIS 表达保存事件。即便项目初期规模较小，也应在数据结构上预留扩展空间，避免后期推倒重来。

4. 应用与服务层

应用层面向实际业务场景，包括修复管理、研究检索、成果展示、公众教育等。对于修复管理而言，系统需要支持病害标注、修复批次跟踪、材料记录和审批流程。

一种常见的实现方式是基于 Web 的协作平台，将影像浏览、标注和表单填报集成在同一界面。例如：

• 修复师在影像上框选病害区域，选择病害类型；
• 系统自动将标注坐标存入数据库，与影像文件解耦；
• 修复完成后生成结构化报告，包含修复前后对比图；
• 管理人员可按馆藏号、批次或修复师维度进行统计。

这种模式不依赖特定厂商产品，使用通用 Web 技术与关系型或文档型数据库即可实现。

三、数字化采集中的关键工程问题

1. 色彩一致性

古籍表面颜色受纸张老化、墨色深浅、污渍和光照条件影响较大。要保证同一批次、不同时间拍摄的影像具有可比性，需要建立严格的色彩管理流程。

建议在每次拍摄开始前拍摄标准色卡和灰阶卡，并使用同一套色彩配置文件进行校正。采集设备也应定期校准，形成设备校准记录。

2. 影像质量检查

大规模扫描容易产生漏页、重页、虚焦、反光等问题。人工逐张检查效率低，且容易疲劳漏检。

工程上可以设置自动检查规则，例如：

• 检查文件数量是否与登记页数一致；
• 检测影像四角是否存在异常暗角或遮挡；
• 通过图像锐度指标判断是否可能虚焦；
• 检测连续影像之间的内容跳变，提示可疑漏页。

自动检查不能完全替代人工，但可以显著降低人工检查工作量，并把人工注意力集中在高风险对象上。

3. 无损原件约束

所有操作必须遵守“不损害原件”原则。这意味着设备选择、扫描角度、光源热效应、翻页方式等都需要经过评估。

工程团队应与修复人员共同制定操作规范，明确哪些书页允许扫描、哪些需要先修复后采集、哪些只进行低限度拍摄。相关约束应纳入系统权限与流程设计，而不是仅停留在纸质制度层面。

四、长期保存与格式策略

数字化成果的保存周期通常以数十年甚至更长计。技术团队需要考虑格式老化、介质失效和组织机构变动等风险。

对于长期保存，建议选择开放、无专利障碍或广泛支持的文件格式。例如：

• 影像可采用未压缩 TIFF 作为保存主档，JPEG 2000 或 PNG 作为访问档；
• 文本可采用 UTF-8 编码的 XML 或纯文本；
• 校验信息可采用 SHA-256 摘要，并定期进行完整性校验。

同时应建立格式迁移策略：当某种格式面临淘汰风险时，能够在可控流程中完成迁移，并记录迁移前后的技术元数据。

五、从单点项目到可持续平台

单次数字化项目可以解决特定批次的保护需求，但如果缺少平台化沉淀，后续项目往往需要重复建设。可持续的古籍保护体系应逐步形成以下能力：

• 统一的数据字典与元数据模板；
• 可复用的采集与质检流程；
• 独立于具体对象的存储与备份机制；
• 支持多角色协作的权限体系；
• 可审计的操作日志与版本记录。

这些能力的建设不必一步到位，可以在多个项目中逐步抽象和沉淀。例如，先在某一个馆藏批次中验证采集与质检流程，再将其中可复用部分固化为模板，应用到后续项目中。

六、总结

古籍数字化保护并不是简单的扫描存档，而是一个融合修复工艺、数据工程、档案管理和长期保存机制的综合性技术问题。工程团队的职责是在不损害原件的前提下，建立稳定、可追溯、可扩展的数字化流程，让修复人员的经验转化为可管理的数据资产，让古籍内容在数字环境中获得更长的生命周期。

对于技术团队而言，理解古籍保护的业务约束，比追求单一工具或平台更为重要。只有把领域规则与通用工程方法结合起来，才能在大规模文化遗产保护中真正发挥技术价值。