古籍学——研究手稿书籍的物理结构和制作过程的学科——是一门建立在对物质证据进行细致考察基础上的学问。每位古籍学家都在不断地与照片打交道：记录装帧结构、录制用于古文字分析的书写样本、捕捉羊皮纸和纸张细微的表面纹理以揭示制备技术。拍摄边注和所有权标记，这些标记建立了跨越数百年的来源链条。这些照片的质量直接决定了学术研究的质量，因为古籍学分析依赖于观察通常以毫米的几分之一来衡量的细节。划线印痕的深度、刺孔的直径、缝线穿过缝合站的路径，以及用于识别制作羊皮纸所用动物种类的皮革纹理图案。

手稿的传统摄影记录面临着该领域独有的挑战。手稿是易碎物品，不能反复处理，这意味着摄影会议必须在有限的时间窗口内捕获所需的一切。许多手稿经历了数百年的损坏。墨水褪色、羊皮纸变黑、火灾损坏、水渍、虫蛀以及反复处理的累积效应——这些都降低了文字的可读性和结构细节的可见度。保护性处理虽然保存了实物，但往往引入了遮盖原始特征的现代材料。图书馆编目做法在学者需要研究的表面上留下铅笔标记、印章和粘性标签。结果是，原始手稿照片通常需要大量后期处理，才能支持严格的古籍学分析或出现在学术出版物中。

基于人工智能的照片编辑工具以前几代学者看来堪称奇迹的能力解决了古籍学家的特定记录挑战。AI Enhance通过智能锐化经过数百年铁胆墨水氧化而变得几乎不可见的字形来恢复褪色和退化文字的可读性。Magic Eraser移除现代附加物——保护性薄纸、目录标签、铅笔架标——这些遮盖了手稿的原始特征。Background Eraser隔离单个书写样本、装饰元素和装帧细节，用于跨手稿收藏的比较分析。本指南涵盖了每种工具在古籍学工作流程中的实际应用，从最初的手稿摄影到可出版图像的准备。

AI Enhance恢复了经过数百年褪色的铁胆墨水的可读性，锐化在标准摄影中几乎不可见的字形，以支持古文字分析。
Magic Eraser移除现代保护材料、编目标记和处理痕迹，这些遮盖了手稿的原始物理状态，同时不会改变底层文档图像。
Background Eraser隔离单个书写样本、装饰首字母和装帧碎片，用于跨多份手稿和收藏的精确比较分析。
增强的手稿摄影支持符合IIIF标准的数字版本，为全球学者提供对以前需要亲自前往收藏机构才能查阅的材料的访问。
通过对每次增强进行前后对比文档记录来保持处理透明度，满足古籍学同行评审出版所需的学术标准。

通过AI增强恢复褪色文字并揭示手稿的隐形特征

铁胆墨水——从五世纪到十九世纪欧洲手稿的主要书写媒介——经历着一个有据可查的降解过程，逐步破坏墨水和其下方的书写表面。墨水中的硫酸亚铁催化纤维素或胶原蛋白基底的酸性水解，使墨水从浓黑褪变为浅棕色，同时削弱并最终穿透书写其上的羊皮纸或纸张。在严重的情况下，文字已褪至近乎不可见，而酸性损害在每个字形周围形成了深色基底的光晕，产生一种幽灵般的反转图像，其中文字比周围受损表面更浅。传统摄影将这些褪色段落捕捉为几乎看不见的痕迹，需要多光谱成像设备——昂贵、专业且全球仅少数机构拥有——才能恢复。

AI Enhance通过应用针对退化手稿墨水特定特征校准的智能对比度增强来解决褪色文字恢复问题。它不是在整个图像上均匀增强对比度——那样会像增强文字一样积极地放大污渍、霉斑和表面不规则——而是识别并选择性地增强退化铁胆墨水相对于其基底背景的光谱特征。其结果是文字可读性的显著提高，对于中度褪色的段落接近多光谱成像的效果，使标准摄影记录中以前无法辨认的内容变得可读。对于严重退化的文字，AI Boost可作为初步筛查工具，识别哪些段落值得投入时间和费用进行完整的多光谱分析。

除了文字恢复外，AI Enhance还揭示了在标准摄影条件下不可见的手稿制作物理特征。划线——抄写员书写时遵循的刻划或绘制的导线——是用硬尖笔在羊皮纸上压印的，在平面顶部照明下通常不可见。将AI Boost应用于在受控侧光下拍摄的照片可以使这些压痕清晰可见，让古籍学家能够分析划线模式，揭示书写开始前页面是如何排版的。同样，页面边缘的刺孔——用于确定划线端点的微小穿孔——以及不用墨水书写的干针注释，通过增强标准摄影呈现为无特征羊皮纸的表面纹理细节而变得可见。

铁胆墨水降解使文字从黑色褪至近乎不可见的浅棕色，同时酸性水解损坏书写表面。AI Boost选择性恢复文字对比度而不放大污渍伪影。
针对退化墨水光谱特征校准的选择性增强，对中度褪色段落接近多光谱成像效果，极大地扩展了这种恢复能力的可及性。
用硬尖笔在羊皮纸上刻印的划线印痕，通过将AI Boost应用于侧光照片而变得可见，揭示了在标准记录中不可见的页面排版系统。
干针注释和刺孔——关键的生产证据——从增强的表面纹理细节中显现出来，这些细节在标准摄影中呈现为无特征的羊皮纸。

移除现代附加物以揭示手稿的原始物理状态

每一份保存在机构收藏中的手稿都带有编目、保护和行政管理累积留下的痕迹。在扉页和首页上用铅笔或墨水书写的图书馆架标、带有索书号的粘性标签、表示所有权的橡皮印章、嵌入装帧中的安全条。记录过去处理情况的保护员笔记都在原始文物上覆盖了现代信息层。虽然这些附加物本身具有重要的历史价值——记录了手稿的机构历史——但它们经常遮盖古籍学家需要研究的特征。一个铅笔架标可能穿过一条原始所有权题记。一个保护标签可能覆盖了包含生产日期信息的书末题记。一个橡皮印章可能抹掉了早期读者的边注。

Magic Eraser使古籍学家能够创建移除现代附加物以揭示手稿原始状态的研究图像，而无需物理接触文物。这对于保护政策禁止进一步清理的手稿或物理移除现代材料有损坏下方原始表面风险的手稿尤其有价值。AI用上下文适当的底层羊皮纸或纸张表面延续来填充移除区域，保持页面的视觉连续性。至关重要的是，这是在数字图像上执行的摄影操作。实物手稿从未被更改——未编辑的档案图像和清理后的研究图像都保存在记录中。

保护性薄纸覆盖层提出了AI移除能够很好处理的特定挑战。许多手稿有些段落的脆弱或受损羊皮纸已用粘贴在表面的薄半透明薄纸进行了稳固处理。这对物理保存是必要的，但在视觉上妨碍了学术研究。薄纸扩散并扭曲了其下方的文字，降低了对比度并引入了模糊质感，使古文字分析变得困难。在摄影图像中通过AI移除薄纸层可以恢复文字清晰度，而无需保护员移除物理薄纸，平衡了定义手稿管理实践的物质保存和学术访问这两个相互矛盾的需求。

图书馆架标、粘性标签、印章、安全条和保护员笔记覆盖了古籍学家进行定年、归属和来源分析所需研究的原始特征。
AI移除仅在数字图像上操作——实物手稿从未被更改——未编辑的档案版本和清理后的研究版本都保存在文档记录中。
扩散和扭曲底层文字的保护性薄纸覆盖层可以从摄影图像中移除以恢复可读性，而不会影响脆弱羊皮纸的物理稳固处理。
对实物文物不干预的学术标准得到完全维护，同时提供了对被数百年机构处理和保护性处理所遮盖的特征的研究访问。

隔离手稿元素用于比较古文字学和艺术史分析

比较分析是古籍学方法的核心。识别不同手稿中相同的抄写手迹、追踪工坊间的装饰母题、建立文本传统中副本之间的关系，都需要对从页面语境中提取的单个元素进行系统的视觉比较。一位古文字学家在五份手稿中比较一位疑似抄写员的笔迹时，需要并排检查相同的字形、连字和缩写符号，而不受不同页面尺寸、文字密度、装饰风格和损坏模式的视觉干扰——这些因素使全页比较在认知上令人不堪重负。一位追踪某个特定装饰首字母设计在修道院工坊生产过程中的艺术史学家需要在中性背景上以相同比例观察该母题的每个实例。

Background Eraser通过以跟随中世纪手写和装饰不规则边界的精度从手稿页面语境中提取单个元素来创建这些隔离比较集。与矩形裁剪——总是包含周围文字和页面损坏——不同，AI提取追踪每个选定元素的实际轮廓，无论是单个字形、一行文字、带有延伸笔饰边框的装饰首字母，还是形状不规则的复杂微型画。提取的元素被放置在干净的中性背景上，消除了羊皮纸表面变化、污渍和相邻页面内容的视觉噪音，创建了使抄写执行或装饰风格差异立即显而易见的比较矩阵。

由隔离元素构建的多手稿比较集支持日益成为该领域核心的定量古文字分析。当同一字形从三十份手稿中提取并排列在系统网格中时，对笔画角度、字母比例和连字偏好的统计分析可以比单纯的主观视觉印象更有信心地确认或否定抄写归属。这些比较集还支持机器学习方法进行抄写手迹识别，推动了中世纪手稿的计算分析。高质量的隔离训练图像对这些分类算法的准确性至关重要。AI辅助提取产生比手动裁剪更干净、更一致的训练数据，提高了自动化抄写手迹识别系统的性能。

古文字比较需要并排检查字形、连字和缩写，而不受不同页面尺寸、损坏模式和装饰风格的视觉干扰。
AI提取追踪手稿元素的实际不规则轮廓而非矩形裁剪，消除周围视觉噪音以实现精确的元素对元素比较。
从多份手稿中提取的相同字形的系统比较网格支持对笔画角度、字母比例和连字偏好进行定量分析以用于抄写归属。
干净的隔离提取物作为机器学习方法自动化抄写手迹识别的高质量训练数据，这是一种日益重要的计算古籍学方法。

记录装帧结构和物质证据用于生产分析

手稿抄本的物理构造——其装帧结构、缝合技术、书板连接、封面材料和书叶准备——提供了关于书籍在何处、何时以及如何制作的证据，这些证据独立于文本内容并与之互补。古籍学家分析装帧结构以确定手稿年代、将其生产定位于特定地区或工坊，并了解中世纪书籍生产的技术背景。这种分析完全依赖于对结构特征的详细摄影，这些特征往往很小、深度凹陷且照明不足。缝合站仅通过书脊间隙可见、缝线路径部分被粘合剂残留物遮盖、书板连接机构隐藏在粘贴纸下方，以及揭示物种识别和制备技术的羊皮纸表面微观纹理。

AI Enhance通过锐化装帧照片中的精细特征——这些特征常因书籍构造的深度凹陷和尴尬角度而受到影响——使关键结构细节变得可见。书脊处帖子折叠之间的狭窄间隙在增强后显示出缝线路径和站位模式——这些细节在标准摄影中几乎不可见，因为相机无法垂直于表面定位，照明也无法完全穿透狭窄间隙。书板边缘的翻折模式、书头带构造细节、缝头带线的颜色以及皮革封面上的工具压印都受益于在保持准确色彩再现（对材料识别至关重要）的同时锐化微观细节的增强处理。

通过增强摄影进行的羊皮纸表面分析支持物种识别和制备技术定年。不同的动物物种——在欧洲手稿生产中通常为犊牛、绵羊和山羊——产生具有近距离可见的独特纹理图案的羊皮纸。犊牛皮的毛囊模式不同于绵羊皮，绵羊皮又不同于山羊皮。这些模式即使在数百年前的羊皮纸上也得到了保存。AI Enhance将这些表面纹理锐化到足以与参考收藏进行比较分析的程度，支持生产定位，因为不同地区在历史上偏好不同的动物物种。此外，制备技术——肉面精加工的程度、是否使用浮石打磨、白垩或其他施胶材料的施用——产生因时期和地区而异的表面纹理，可通过增强的近距离摄影恢复。

装帧结构分析——缝合模式、书板连接、封面材料——提供独立于文本内容的定年和定位证据，完全依赖于详细的结构摄影。
AI增强锐化通过狭窄书脊间隙可见的缝线路径以及标准摄影无法充分解析的皮革封面上的工具压印。
羊皮纸纹理图案在物种层面区分犊牛皮、绵羊皮和山羊皮，支持生产定位，因为不同地区在历史上偏好不同的动物。
表面制备技术——肉面精加工、浮石打磨、白垩施胶——产生特定于时期和地区的纹理，可通过AI增强的近距离摄影恢复。

构建具有增强图像的数字手稿版本以实现全球学术访问

古籍学摄影的最终目的是使手稿证据可供学术研究使用。AI增强的图像极大地扩展了数字手稿资源的质量和可及性。传统数字化项目产生的实用照片允许学者阅读文本和查看插图，但往往缺乏对物理特征进行详细古籍学分析所需的分辨率和增强。增强图像弥合了这一差距，提供了支持远程物质分析的研究级文档。东京的一位学者可以检查都柏林一份手稿的装帧结构，其细节足以贡献于生产分析，而无需旅行去处理实物。

使用增强图像构建的符合IIIF标准的数字版本与主要手稿研究平台互操作。大多数主要图书馆使用的Mirador查看器、由博德利图书馆、法国国家图书馆和梵蒂冈图书馆等机构维护的数字手稿生态系统，以及FromThePage和Transkribus等协作学术环境。当增强图像通过这些平台以适当的IIIF清单发布时，它们与数百万其他手稿图像一起变得可发现和可比较，实现了当手稿研究需要亲自前往每个收藏机构时在后勤上不可能实现的大规模跨收藏比较工作。研究加洛林小写体的研究人员现在可以在单个浏览器会话中比较来自巴黎、伦敦、圣加仑和慕尼黑手稿的增强书写样本。

处理透明度是学术数字版本不可协商的要求。对手稿图像应用的每项增强都必须记录在案，以便学者能够评估他们在增强图像中观察到的任何特征是手稿的真实特征还是处理伪影。最佳做法要求同时发布未增强的档案照片和增强的研究图像，并附有记录应用了什么处理以及原因的元数据。这一透明度协议确保AI增强的古籍学图像满足同行评审中世纪研究出版的证据标准，同时提供使仅从数字替代品进行详细物理分析成为可能的视觉质量改进。

增强图像使得对装帧结构、羊皮纸表面和书写细节的远程古籍学分析成为可能，而这些以前需要亲自前往收藏机构。
符合IIIF标准的发布将增强的手稿图像整合到主要研究平台中，实现大规模跨收藏的比较古文字学和古籍学分析。
处理透明度要求同时发布未增强的档案图像和增强的研究图像，并附有记录在案的方法论，满足同行评审出版的证据标准。
AI增强与IIIF分发的结合将手稿研究从一个依赖旅行的学科转变为一个拥有共享高质量视觉资源的全球协作领域。

面向古籍学家的AI照片编辑 — Magic Eraser

通过AI增强恢复褪色文字并揭示手稿的隐形特征

移除现代附加物以揭示手稿的原始物理状态

隔离手稿元素用于比较古文字学和艺术史分析

记录装帧结构和物质证据用于生产分析

构建具有增强图像的数字手稿版本以实现全球学术访问

参考资料

查看相关工具

查看相关使用场景

相关对比

相关文章