自炊した(業者さんに依頼しているから厳密には違うかもだが)書籍のPDFの後処理についてのメモ。
数学関係の本は，ほとんどが白黒なので，最終的にはモノクロ2値にすることにした。PDFをページ毎の画像にばらして，処理したあと，最終的にFAX Group4圧縮でモノクロ2値のTiffにする。こうすると，1頁あたり50KBないしは100KB程度に収まる。
PDFをベージ毎の画像にばらすには，Acrobatあるいは，Xpdf付属のpdfimagesを使う。ただし，pdfimagesはjpeg指定なのにppmを吐き出すことがあって，信頼性にやや欠ける。でも，シェルから呼び出せるので，バッチ処理には便利。
画像の変換には，最初GIMPを使っていた。GIMPをシェルから使うために，Script-Fuというスキーム(Lispの方言)によるスクリプトをいくつか書いた。それはそれで良かったのだが，スピードがいまいち遅いので，ImageMagickに鞍替えした。ImageMagickはびっくりするくらい多機能(たとえば，傾き補正を自動でやってくれる)で，自炊本の後処理くらいなら，これで十分かなと思う。
具体的にはImageMagickのconvertというコマンドを用いて，赤チャンネル抽出(-channel Red -separate), 2倍拡大(-filter Lanczos -resize 200%), レベル補正(たとえば -level 20%,90%,0.6 とか), 傾き補正(-deskew 40%), モノクロ2値(たとえば -threshold 70% とか), 圧縮(-compress Group 4), TIFFで保存(出力先を hoge.tif などと), といった処理を行う。
これをすべてのページに施すのだが，Perlを使って一括処理することを試みた。実のところ，Perlの勉強も兼ねているという泥縄。まあしかし，入門書は本棚にあるし，ネットで適当に調べながら，Getopt::Long という便利なモジュールを利用して，なんとか動作するものが書けた。
しばらく実験していると，プログラムの設計に柔軟性がないことに気付く。もう少し汎用的なツールになっていると良いのにと思う。あるいは，Cコンパイラーのmakeみたいな構造にしても良いなあ，とも思う。このあたりは，思案中。
ともあれ，現時点では次のような感じで，一括変換を行なっている。
% pdf2mono hoge.pdf -level 40 240 0.7 -threshold 180