书籍扫描到底要多少 dpi

---

手上有十几册书的电子版残缺，准备找服务商用 V 型书刊扫描仪重扫，大约 9,500 页。报价按分辨率分档，300 dpi 和 600 dpi 差得很多。扫描件最终要进 OCR 和一个单字分类器，所以问题可以问得很具体：600 dpi 能让识别变好吗？

先确认样张是真分辨率 §

服务商给了一份样张，300 和 600 dpi 各一页，是同一个页面。按书页宽度约 158 mm 反推，两张图分别是 1872 像素和 3761 像素宽，对应 301 和 605 dpi，确实是光学分辨率，不是插值放大。

把同一段正文和表格小字裁出来，放大到同一尺寸并排看：600 dpi 的笔画边缘更干净，细横线更实；但 300 dpi 的每个字都完整清楚，小号字、小数点都没有粘连或断笔。

再看识别需要多少像素 §

正文五号字大约 10.5 pt，也就是 3.7 mm。300 dpi 下一个字约 44 像素高，600 dpi 约 88 像素。

我的单字分类器输入是 64×64，OCR 引擎内部也会把文字行缩放到固定高度。44 像素的字本来就要放大一点，88 像素的字要缩小。对这两个模型来说，超过某个下限之后，多出来的像素不带来新信息。

最有说服力的对照：现有材料 §

现在这批书用的是手机扫描 App 拍的 PDF。目录页的图片是 1714×2446 到 2230×3000 像素，每页 JPEG 只有两三百 KB，折算有效分辨率大约 230 到 300 dpi，还带手持拍摄的透视变形、模糊和光照不匀。

就是在这样的材料上，单字分类器在人工核对过的字块上做到了 99.9% 以上。真正出问题的只有两页运动拖影严重的照片，而那是抖动造成的，不是分辨率不够。

V 型扫描仪平放、无拖影、光照均匀，300 dpi 已经全面好过现有材料。

结论和我会怎么谈 §

• 正文统一 300 dpi，彩色或 8 位灰度，JPEG 质量不低于 90，或者直接要 TIFF。
• 合同里写明不做锐化、去噪和自动增强。服务商常把“清晰化处理”当卖点，但这类处理很可能把生僻字的细笔画当噪点抹掉。
• 如果想买保险，只让目录页和编辑说明页扫 600 dpi。每册约 8 页，总共一百来页，占全部页数的 1.4%，而识别最难的生僻字恰好集中在目录里。
• 签之前，让服务商用你自己要扫的书的一页，分别扫 300、400、600 dpi，跑一遍自己的识别流程。几次调用就能看出差别，比任何样张都可靠。

还有一个容易忽略的成本是存储：9,500 页如果按 600 dpi 彩色 TIFF 交付，大约 600 GB；300 dpi 高质量 JPEG 只要 5 到 10 GB。交付格式最好也写进合同。