ورّاق

الرئيسية safha

ما الذي يميّزها؟

موازنة صفحة بالأدوات المعروفة لقصّ الكتب المصوّرة وتقويمها، بالأرقام وعلى صفحات واحدة.

حين تريد أن تقرأ كتابا مصوّرا على الهاتف أو القارئ الإلكتروني تجد أمامك أدوات كثيرة. بعضها يقصّ الهوامش فقط، وبعضها يعيد رسم كل صفحة صورةً جديدة. وصفحة تجمع ما لا تجمعه غيرها: تقصّ وتقوّم وتفصل، ثم تترك الصورة الممسوحة كما هي.

الفرق في جملة#

الأدوات التي تقوّم الميل أو تنظّف الصفحة (k2pdfopt وunpaper وOCRmyPDF وScanTailor) تحوّل كل صفحة إلى صورة نقطية ثم تضغطها من جديد، فتتغيّر نقاط الصورة نفسها، وقد يتضاعف حجم الملف أو تضيع دقائق الحروف والنقاط والحركات. والأدوات التي لا تمسّ الصورة (pdfCropMargins وBriss) تقصّ فقط، فلا تقوّم صفحة ولا توسّط نصا ولا تفصل صفحتين. أمّا صفحة فتفعل ذلك كله بتعليمات الرسم وحدها.

موازنة الخصائص#

الخاصية صفحة pdfCropMargins Briss k2pdfopt ScanTailor Advanced unpaper OCRmyPDF مع --deskew
تُبقي صورة المسح كما هي نعم نعم نعم لا إذا أعاد تدفق النص أو قوّم الميل (ووضع القصّ فيه -mode tm يُبقيها) لا لا لا
مقاس واحد لصفحات الكتاب كلها نعم نعم جزئيا جزئيا نعم لا لا
النص في وسط كل صفحة نعم لا لا لا ينطبق (يعيد تدفق النص) نعم جزئيا لا
تقويم الميل نعم لا لا نعم نعم نعم نعم
ترفض تدويرا يُميل الأسطر المستوية نعم لا ينطبق لا ينطبق لا لا (تقوّم الانحناء بإعادة الرسم) لا لا
الإطار المطبوع أو خطّ العمودين معيار الميل نعم لا لا لا لا لا لا
فصل الصفحتين المصوّرتين معا نعم لا يدويا جزئيا نعم نعم لا
تقويم الأسطر المنحنية لا لا لا لا نعم لا لا
طبقة نص (OCR) تحفظ الموجودة لا لا نعم لا لا نعم
تعمل من سطر الأوامر على دفعات نعم نعم نعم نعم لا (واجهة رسومية فقط) نعم نعم
استرجاع الأصل بايتا بايتا نعم لا لا لا لا لا لا

جُرّبت الأدوات كلها على الصفحات نفسها في 13 نونبر 2026 (إلا ScanTailor Advanced فليس له سطر أوامر، فأُخذت خصائصه من وثائقه). والسكربت الذي أنتج الأرقام منشور في المستودع: bench/compare.sh.

بالأرقام#

جرّبنا الأدوات كلها على خمسة مقتطفات، في كل مقتطف أربعون صفحة من كتب الملك العام المصوّرة في أرشيف الإنترنت: «المقدمة» لابن خلدون (القاهرة 1904، صور ملوّنة)، وترجمة «الآثار الباقية» للبيروني (لندن 1879)، وكتاب أردي من مكتبة الهند الرقمية (صور أبيض وأسود بترميز CCITT)، ومخطوط عربي مصوّر على ميكروفيلم، ومعجم فرنسي عربي في عمودين بينهما خطّ مطبوع. ثم على كتاب اصطناعي نعرف حقيقته: ثلاث صفحات مائلة درجةً واحدة، وثلاث صفحات متموّجة أسطرها العليا مستوية والسفلى مائلة درجةً ونصفا. وشُغّلت كل أداة كما يشغّلها مستعمل حريص، ومعها برامجها المساعدة؛ وإذا كان للأداة أكثر من إعداد معقول فلكل إعداد سطر.

الأداة حجم الناتج صور المسح المحفوظة كما هي الصفحات المائلة التي قُوّمت الصفحات المتموّجة التي أُديرت خطأً صفحات المعجم المستقيمة بعد المعالجة (من 39) صفحات المعجم التي زاد ميلها
الصور كما هي 18
صفحة 100-102٪ 100٪ 3 من 3 0 من 3 29 0
pdfCropMargins 100٪ 100٪ لا تقوّم 0 18 0
Briss 100٪ 100٪ لا تقوّم 0 19 0
k2pdfopt (وضعه الافتراضي: إعادة تدفق النص) 25-326٪ 0٪ لا ينطبق لا ينطبق لا ينطبق لا ينطبق
k2pdfopt مع -mode copy -as 330-1177٪ 0٪ 3 من 3 1 من 3 11 21
unpaper 79-860٪ 0٪ 0 من 3 2 من 3 29 6
OCRmyPDF مع --deskew (وضعه الافتراضي: PDF/A) 73-1453٪ 0٪ 3 من 3 3 من 3 35 1
OCRmyPDF مع --deskew --output-type pdf 79-6551٪ 0٪ 3 من 3 3 من 3 35 1

في صفحات المعجم خطّ مطبوع بين العمودين هو معيار استقامتها، يقرؤه سكربت مستقل عن مقاييس صفحة. «مستقيمة»: ميل الخطّ لا يزيد على 0.2 درجة. وهذا ما تقوله الأرقام:

  • الأدوات التي لا تمسّ الصور هي وحدها التي تحفظ حجم الملف في كل أنواع المسح. أمّا التي تعيد الترميز فتبقى صغيرة في الصور ذات اللونين (73٪ إلى 140٪)، وتكبر في صور JPEG 2000 الملوّنة والرمادية من ثلاثة أضعاف إلى خمسة وستين ضعفا، أو تُضغط بفقد.
  • صفحة وحدها تركت الصفحات المتموّجة الثلاث كما هي.
  • في صفحات المعجم كان تقويم OCRmyPDF أحسن الجميع (35 من 39). واستقامت مع صفحة ومع unpaper 29 صفحة؛ وزاد unpaper ميل ست صفحات، ولم تزد صفحة ميل شيء: فهي لا تدير الصفحة بخطّها المطبوع إلا إذا كان الخطّ مستقيما ووافقته الأسطر، وتترك غيرها كما صُوّر.

وعلى مجموعة أكبر من سبعة عشر كتابا (7998 صفحة، بالعربية والفارسية والأردية والتلغوية والإنجليزية والفرنسية) بقيت ترميزات الصور كلها كما هي، وزاد حجم الملفات 0.70٪ فقط في الوضع القابل للاسترجاع، و0.02٪ مع --compact. وأُديرت 1022 صفحة من 7776 صفحة نص (13.1٪)، وتُركت 151 صفحة كما صُوّرت لأن أسطرها على زاويتين، و186 صفحة لأن شهود ميلها اختلفوا. ومن الصفحات المُدارة 444 صفحة فيها خطّ مطبوع يُقاس به: استقام الخطّ بعد التدوير (في حدود 0.15 درجة) في 414 منها، وزاد ميله في صفحتين.

الصفحة نفسها كما تتركها كل أداة، وتحتها كلمة مكبّرة أربع مرات

متى تختار غيرها؟#

  • إذا كانت صفحات الكتاب منحنية لأنه صُوّر مفتوحا: ScanTailor Advanced يقوّم الانحناء. أمّا صفحة فتترك الصفحة المتموّجة كما هي، لأنّ تدويرها يزيدها سوءا.
  • إذا أردت أن يُعاد تدفق النص في عمود ضيق على شاشة حبر صغيرة: k2pdfopt.
  • إذا أردت نصا قابلا للبحث: شغّل OCRmyPDF على ناتج صفحة دون --deskew، فلا تُمسّ الصور.
  • إذا أردت تنظيف الصورة نفسها (إزالة النقط وتبييض الورق) وقبلت إعادة الضغط: unpaper أو ScanTailor.

لماذا يهمّ هذا لقارئ الكتب العربية؟#

النقاط والحركات في الخط العربي دقيقة، وكل إعادة رسم للصفحة تغيّر نقاط صورتها؛ وصفحة لا تعيد رسم شيء. والكتب القديمة المطبوعة في بولاق أو المصوّرة عن المخطوطات كثيرا ما تكون أوراقها متموّجة أو أسطرها مائلة ميلا متزايدا، فإذا أدارتها أداة بمتوسط الميل استوى نصف الصفحة ومال نصفها الآخر. وقد صُمّمت صفحة على هذه الكتب بالذات، ثم عُمّمت لكل خط.

حرّر هذه الصفحة