古文字学家AI照片编辑：使用Magic Eraser增强手稿图像
古文字学家如何使用AI照片编辑来增强手稿图像、移除现代注释、提升褪色墨水对比度以及为学术出版分离重写本文本层。
Product Marketing
审稿人 Magic Eraser Editorial ·
古文字学——研究历史手写体与手稿传统的学问——取决于学者所处理图像的质量。无论是分析加洛林小写体的字距、辨认中世纪契据中抄写员的修订，还是试图辨读受损莎草纸残片上褪色的文字，古文字学者都需要能揭示墨水施加、笔画构造与表面交互最细微细节的图像。然而手稿本身往往已有数百年之久，墨水退化、羊皮纸污损、遭受物理损坏。后世层层叠加的批注，使原始字迹即便在理想光照条件下也难以辨读。
历史上，古文字学者一直依靠紫外摄影、多光谱成像与化学试剂涂敷来提高疑难手稿的可读性。这些技术行之有效，但需要专门设备、受过训练的操作者，且往往需要对原始文物的物理接触。随着各机构将保护置于取用之上，这种接触正日益受限。AI 驱动的照片编辑工具提供了一种与之相称的方法，能够从普通数码照片中提取出惊人之多的额外可读性，而无需对手稿进行任何物理接触，也无需投资于专门的成像硬件。
本指南涵盖古文字学者认为最有价值的若干具体 AI 照片编辑流程：去除叠加在原始文字之上的现代批注与档案标记，增强褪色墨水与退化羊皮纸之间的对比，分离重写本与改写手稿中的文字层。准备符合学术透明度与可重现性标准、可供发表的图像。每项技术都以古文字学者在研究与出版工作中经常遇到的那类手稿难题加以说明。
- Magic Eraser 可干净地去除现代铅笔批注、档案胶带、编目号码与保护标记，而不损害其下字形的可见度。
- AI Enhance 在退化羊皮纸的衬托下有选择地增强墨水对比，提高历经数百年褪色的铁胆墨与炭墨的可读性。
- 背景隔离有助于分离重写本的文字层，揭示通常需要昂贵多光谱成像设备才能显现的底层文字。
- 批量处理可高效应对大规模手稿数字化项目，在数百张对开页图像间保持一致的增强参数。
- 非破坏性编辑在保留处理后版本的同时保存原始图像数据，为同行核验维护学术透明度。
移除现代注释而不影响原始手稿文本
历经数百年所有权流转、编目的手稿。学术研究使叠加在原始文字之上的现代添加物层层累积。前人研究者的铅笔笔记、直接写在手稿表面的墨水编目号码、早先保护处理时贴上的档案胶带条。机构藏品的钤印，无不制造出与原始字迹相争的视觉噪声。对于试图分析字形构造或辨认抄写员之手的古文字学者而言，这些现代添加物不仅仅是观感上的烦扰。它们可能在物理上遮蔽恰恰区分此抄写员与彼抄写员的笔画顺序与运笔角度。
AI 驱动的对象去除在这一特定难题上表现卓越，因为现代添加物往往具有与原始文字不同的视觉特征。铅笔痕迹在由暖奶油色至深棕色不等的羊皮纸上呈石墨灰。它们缺乏渗入羊皮纸纤维的原始墨水所具有的表面交互。档案胶带具有独特的反光表面质感与几何规则性。编目号码是由现代之手以现代工具书写的。AI 依据这些外来元素与周围原始文字之间的材质与风格差异加以识别，并在去除它们的同时重建羊皮纸纹理及其下任何部分被遮蔽的原始笔画。
重建质量对学术工作至关重要。古文字学者需要确信去除后所呈现的反映的是手稿的真实表面，而非 AI 的臆造。Magic Eraser 的方法运用对周围羊皮纸纹理、纤维走向的语境分析。运用去除处任何可见的原始墨水痕迹，以生成与物理证据相符的重建。该工具不会臆造字形，也不会延长既有笔画。它重建表面纹理，并在原始字迹确已丧失之处留下空缺，这正是古文字学者所要求的学术诚实之道。
- 现代铅笔批注、档案胶带、编目号码与机构钤印，凭借其与原始中世纪文字之间鲜明的材质与风格差异得以识别。
- AI 在去除处重建其下的羊皮纸纹理与纤维走向，而非以单调色块或臆造内容加以填充。
- 现代添加物之下部分被遮蔽的原始笔画，通过对去除边界处可见墨水痕迹的语境分析得以显现。
- 该工具避免臆造字形或延长原始笔画，维护着古文字学研究所必需的学术诚实。
在降解羊皮纸基底上增强褪色墨水对比度
古文字学中根本性的成像难题是文字与表面之间的对比丧失。手稿初写之时，深色铁胆墨或炭黑在洁净浅色的羊皮纸或莎草纸上呈鲜明对比。历经数百年，墨水褪色——铁胆墨随铁化合物氧化而逐渐转褐并变得更透明。炭基墨可能剥落、磨损、变薄。与此同时，羊皮纸因氧化、霉斑、受潮损坏与积累的表面污垢而变暗。文字与背景之间一度鲜明的色调差距收窄到这般地步：不加增强便难以辨认字形。
AI 增强应对这种对比丧失，所凭借的智能远胜于简单的明度—对比度调整或直方图拉伸。简单的对比度工具均匀作用于整幅图像，在增强墨水信号的同时也放大了羊皮纸纹理与污渍噪声。AI 则执行语义分离，识别哪些视觉元素是墨水笔画、哪些是基底特征，进而有选择地增强墨水信号，同时抑制或恒定地保持基底噪声。这生成的图像中，字形显得更深更分明，而羊皮纸背景保持洁净均匀，实现的对比改善贴近手稿的原貌，且不引入伪影。
这种增强对 12 至 16 世纪的铁胆墨手稿尤为可贵。墨水的配方造就了独特的退化样式。铁胆墨与羊皮纸胶原发生化学结合。即便表面墨水大半褪去，分子层面的痕迹仍嵌存于纤维结构之中。这种痕迹往往肉眼不可见，却可通过细致的图像处理加以检测与放大。AI 增强能将这些幽灵般的痕迹提升至可见对比，复原在未处理照片中看似完全丧失的字形。这一能力使普通数码照片对古文字学分析的用处远胜于其本来面目。
- 铁胆墨历经数百年褪至褐色与透明，而羊皮纸则变暗，使文字与表面之间原本鲜明的对比收窄至几近不可见。
- AI 执行墨水与基底的语义分离，而非均匀的对比度调整，从而在不放大羊皮纸污渍与纤维噪声的情况下提升字形的可见度。
- 嵌存于羊皮纸胶原中的铁胆墨分子痕迹，即便在表面墨水大半消失的情况下，仍可被检测与放大。
- 增强结果贴近手稿的原貌，使普通数码照片在分析上远比未处理的拍摄更为有用。
分离重写本和覆写手稿中的文本层
重写本手稿——其原始文字被刮去或洗去，以便将昂贵的羊皮纸重新用于新的书写——代表着古文字学中某些最令人振奋又最令人沮丧的难题。底层文字可能比上层文字早数百年且重要得多，它以隐约痕迹的形式存留于后世书写之下。著名的重写本曾让阿基米德、西塞罗及其他古代作者的失传著作重见天日，而这些文本别处再无存留。过去，复原这些隐藏文字需要在特定波长下进行多光谱成像，在那些波长上底层文字的墨水与上层文字的墨水及羊皮纸的反射各不相同。这是一项需要造价数万美元的成像设备与光谱分析专业知识的技术。
AI 照片编辑为重写本工作提供了一种虽属局部却颇有价值的替代方案。即便在普通 RGB 照片中，AI 也能识别区分两层文字的视觉特征：墨水颜色的差异（底层文字往往年代与配方不同）、笔画走向的差异（羊皮纸在重新利用时常被旋转）。书写大小与风格的差异。通过有选择地增强或抑制这些区别性特征，AI 可生成或以底层文字、或以上层文字主导视野的分离图像。这种分离不如多光谱结果那般彻底，但足以揭示底层文字之多，以判定其内容、语言与大致年代。往往足以对一份重写本的学术价值作出初步评估。
重写本处理的工作流程涉及采用不同增强参数的多次处理。第一次处理识别并抑制占主导的上层文字，生成一幅其中隐约的底层文字痕迹成为最强剩余信号的图像。第二次处理增强这些痕迹，将其提升至可辨读的对比。第三次处理施加空间滤波，以减少来自羊皮纸纹理与残余上层文字的噪声。其结果鲜少能如多光谱分离那般洁净。但对于初步评估，以及对于无法获得多光谱成像的手稿，它能将一份无法辨读的重写本转变为一份部分可读的文献，从而为投资更先进的成像提供正当理由。
- 重写本的底层文字以隐约痕迹的形式存留于后世覆写之下，有可能保存着别处再无的古代作者失传文本。
- AI 通过墨水颜色差异、因羊皮纸旋转而产生的笔画走向变化以及书写大小与风格的变异来区分文字层。
- 多次处理先抑制占主导的上层文字，再增强底层文字痕迹，继而滤除残余噪声，以获得最大的分离清晰度。
- AI 分离虽不能取代多光谱成像，却能揭示足供初步内容评估的底层文字，并为投资先进成像提供正当理由。
手稿数字化项目的批量处理和出版标准
大规模手稿数字化项目——例如为整座修道院图书馆编目、处理新近发现的文献堆藏，或筹备一部需要跨多家机构数十种见证本图像的校勘版——无不生成数百乃至数千张皆需一致增强的对开页图像。逐张手动调整图像耗时之巨令人却步，且随着操作者的判断在漫长处理过程中产生漂移而引入不一致。AI 批量处理通过对整组图像施加一致的增强参数来同时解决这两个问题，在处理上产生统一的结果，同时仍能适应每一张对开页各自的特征。
古文字学与手稿研究中的发表标准，比大多数其他使用处理过照片的领域更为严格。学术界对被篡改的手稿图像有着丰富的经验。从 19 世纪那种灾难性的做法——涂敷化学试剂使文字一时更易辨读、却永久损坏羊皮纸——到近来对数字增强引入缺乏物理证据支持之释读的种种忧虑。因此，声誉卓著的出版物要求任何图像处理都须有记录，原始图像与处理后图像皆须可供比对。被增强的释读须在转写校勘中明确标示。保留处理元数据并产出非破坏性结果的 AI 编辑工具，与这些需求颇为契合。
用于学术出版的导出流程应包含未处理的原始图像、将增强参数记入元数据的处理后版本。应包含一则简短的处理说明，描述做了什么以及为何这样做。当增强揭示出未处理图像中不可见的释读时，应在任何随附的转写中将其标示为已增强，并采用标准化记号，准确告知其他学者所适用的处理可信度处于何种水平。在严肃的古文字学工作中，这一透明度规范并非可有可无。它是将可信的数字古文字学与无法核实的论断区分开来的实践标准，而那些有助于而非使这一记录工作复杂化的 AI 工具，将赢得学术界的信任。
- 批量处理对数百张对开页图像施加一致的增强，在适应每一页各自特征的同时消除操作者的漂移。
- 学术发表标准要求有记录的处理步骤、原始图像与处理后图像二者，以及在转写校勘中标示出的被增强释读。
- 导出流程将原始拍摄与处理后版本并列，并附以记录了确切增强参数的内嵌元数据，以供同行核验。
- 透明度规范将可信的数字古文字学与无法核实的论断区分开来，而那些便利记录工作的 AI 工具将赢得学术界的信任。
参考资料
- Digital Palaeography: New Approaches to Old Manuscripts — The British Library
- Multispectral Imaging for Manuscript Studies — International Image Interoperability Framework
- Standards for Digital Images of Manuscripts — Digital Medieval Project