我在一家公司做檔案管理，去年底接到一個任務(wù)：把公司十年來的紙質(zhì)合同全部掃描成電子版存檔。

合同加起來有好幾箱，我和同事花了一個多星期才全部掃完。掃描儀是自動進紙的那種，一摞紙放進去自動掃。效率倒是挺高，但有個問題——掃出來的圖片里混了大量的空白頁。

合同一般是雙面打印的，但有些頁面背面是空白的。還有些合同之間夾著空白的分隔紙。掃描儀不管有沒有內(nèi)容，正反面都掃，所以空白頁特別多。

粗略估計，兩千多頁掃描件里，至少有三四百頁是空白的。

第一次手動挑

一開始我用Windows的圖片查看器一張張翻。看到空白的就標記，最后統(tǒng)一刪除。

翻了一個多小時，才看了不到五百張。眼睛已經(jīng)開始花了，而且越看越不確定——有些頁面只有頁眉頁腳，算不算空白？有些頁面有一個很小的頁碼，算不算空白？

最崩潰的是，翻到后面注意力下降，好幾次差點把有內(nèi)容的頁面誤刪了。

那天下午我花了整整四個多小時，才把兩千多張圖片挑完。挑完之后還不放心，又抽查了一遍。

后來又來了一批

過了兩個月，又來了一批需要掃描的材料。這次量更大，估計有三千多頁。

想到上次的經(jīng)歷，我實在不想再手動挑了。就在網(wǎng)上搜有沒有什么工具能自動識別空白頁。

搜到一個叫「批量識別白紙圖片工具」的東西。

試了一下

我先拿上次已經(jīng)手動挑過的那批圖片做測試。把兩千多張圖片放到一個文件夾里，選好保存目錄，檢測模式選"綜合檢測"，點開始。

大概一分鐘不到，全部處理完了。保存目錄下出現(xiàn)了兩個文件夾："白紙文件"和"非白紙文件"。

我打開"白紙文件"文件夾看了一下，里面確實都是空白頁。然后打開"非白紙文件"文件夾，隨機翻了幾十張，都是有內(nèi)容的頁面。

為了驗證準確率，我把軟件識別出來的白紙數(shù)量和我上次手動挑出來的數(shù)量對比了一下，基本一致。有幾張我上次猶豫過的（只有頁眉的頁面），軟件判定為非白紙，這個判斷我覺得更合理。

處理新一批材料

驗證完之后，我就放心地用它處理新一批三千多頁的掃描件了。

這次我勾選了"遍歷子目錄"和"保持原路徑結(jié)構(gòu)"，因為掃描件是按部門分文件夾存的。處理完之后，"白紙文件"和"非白紙文件"兩個文件夾里都保持了原來的部門目錄結(jié)構(gòu)，很方便后續(xù)整理。

三千多張圖片，處理時間不到兩分鐘。我抽查了一下結(jié)果，準確率很高。

調(diào)過一次閾值

有一批比較老的材料，紙張發(fā)黃了，掃描出來的空白頁不是純白色而是偏黃的。默認設(shè)置下，這些偏黃的空白頁沒有被識別出來。

我把亮度閾值從0.95調(diào)低到0.90，重新跑了一遍，這些偏黃的空白頁就被正確識別了。

所以如果遇到掃描質(zhì)量不太好的材料，可以適當(dāng)調(diào)低閾值。

現(xiàn)在的工作流程

每次掃描完材料，我都會先跑一遍這個工具，把空白頁自動篩選出來。然后快速瀏覽一下"白紙文件"文件夾確認沒有誤判，再把空白頁刪掉。

整個過程從以前的幾個小時壓縮到了幾分鐘。而且因為是軟件自動判斷，不會因為注意力下降而漏掉或誤刪。

做檔案管理或者經(jīng)常處理掃描件的朋友，如果也被空白頁的問題困擾，可以試試用工具自動篩選。手動一張張翻真的太費時間了，而且容易出錯。