Scanner-Taste, Ablage und Bilder ausschneiden: Die Technik hinter meinem Netzwerkscanner im Detail

Auf vielfachen Wunsch die Details: Wie ich die Taste am CanoScan 8800F unter Linux nutze, warum jedes Buch einen eigenen Ordner bekommt und wie das Skript Bilder aus Buchseiten ausschneidet.

11–17 Minuten
Illustration eines Flachbettscanners mit aufgelegtem Buch, ein Finger drückt eine Taste, daneben ein kleiner Heimserver und schwebende Papierkarten mit Bildrahmen

Nach meinem Beitrag über den alten Canon-Scanner, der zum Netzwerkscanner wurde, kamen ein paar Nachfragen: Wie genau funktioniert das mit der Taste? Woher weiß der Scanner, in welchen Ordner er speichern soll? Und wie schneidet das Skript die Bilder aus? Hier kommt die Antwort, mit allen Details, Code-Ausschnitten und den Stolperfallen, über die ich gefallen bin.

Das Wichtigste in Kürze

  • Die Tasten des CanoScan 8800F lassen sich unter Linux mit scanimage abfragen. Nur Taste 4 meldet sich eindeutig.
  • Der Scanner schickt im Leerlauf alle 11 Sekunden ein Phantom-Signal. Wer das nicht weiß, scannt im Kreis.
  • Gescannt wird in den zuletzt angelegten Unterordner. Neues Buch = neuer Ordner, mehr ist nicht zu tun.
  • Bilder findet das Skript, indem es erst den Text übermalt und dann nach Flächen und Linien sucht.
  • Fettdruck erkennt es an der Strichstärke, Überschriften an Schriftgröße und Großbuchstaben.

Teil 1: Die Scanner-Taste zum Leben erwecken

Der 8800F hat vorne sieben Schnelltasten: viermal PDF, dazu Kopieren, Foto/Film und E-Mail. Ab Werk sprechen die nur mit Canons eigener Software unter Windows. Unter Linux kümmert sich SANE um den Scanner, genauer der Treiber pixma. Und der kann die Tasten tatsächlich auslesen.

Tasten abfragen mit scanimage

Der Trick steckt in einer Option, die man leicht übersieht: --button-update. Damit fragt scanimage den aktuellen Tastenzustand ab, und -A zeigt alle Werte an:

scanimage -d pixma:04A91901 --button-update -A | grep button
    --button-1 <int> [0] [read-only]
    --button-2 <int> [0] [read-only]

Steht in der eckigen Klammer eine 1, wurde gedrückt. Klingt einfach. Also ein Skript, das das jede Sekunde abfragt, und los. Dachte ich.

Das Phantom-Signal

Mein erster Test: alle sieben Tasten nacheinander drücken und mitschreiben, was ankommt. Ergebnis: Fast jede Taste meldete button-1 = 1. Unterscheiden ließen sie sich nicht. Schlimmer: Als der Tastendienst lief, scannte er alle 20 Sekunden von selbst. Ohne dass jemand am Gerät war.

Also eine Minute lang nur zugeschaut, ohne zu drücken. Und siehe da: Alle 11,1 Sekunden kommt von selbst ein button-1. Warum, weiß ich nicht. Vielleicht ein Statusbit, das der Treiber falsch deutet. Für mich hieß das: button-1 ist als Auslöser unbrauchbar.

Bleibt button-2. Um herauszufinden, welche Taste das ist, hab ich ein kleines Zählspiel gemacht: Taste 1 einmal drücken, Taste 2 zweimal, Taste 3 dreimal und so weiter, mit Pausen dazwischen. Im Protokoll tauchte genau eine Gruppe mit vier button-2-Signalen auf. Damit war klar: Die 4. Taste von links ist mein Scan-Knopf.

Zeitstrahl der Tastensignale: Phantom-Signale alle elf Sekunden und echte Tastendrücke; nur Taste 4 meldet sich auf button-2button-1Tasten 1–3, 5–7button-2nur Taste 40 s10 s20 s30 s40 s50 s60 s4× gedrückt = Taste 42× = Taste 2Phantom, alle ~11 s
Grau: das Phantom-Signal, das der Scanner von selbst schickt. Orange: echte Tastendrücke. Nur Taste 4 kommt auf einer eigenen Leitung an.

So testest du deinen eigenen Scanner

Erst eine Minute nichts drücken und mitschreiben, was von allein kommt. Dann jede Taste so oft drücken, wie ihre Nummer ist. Die Anzahl der Signale verrät die Taste, Phantom-Signale fallen durch ihren gleichmäßigen Takt auf.

Der Tastendienst

Der eigentliche Dienst ist ein kurzes Bash-Skript in einem Docker-Container. Ich nutze dafür einfach das Image von scanservjs, denn da sind scanimage und ImageMagick schon drin. Das Herzstück sieht so aus:

taste4() {   # 1 = gedrückt, 0 = nicht, leer = Scanner belegt
  scanimage -d "$DEV" --button-update -A 2>/dev/null \
    | grep -E -- "--button-2 " | grep -oE "\[[0-9]+\]" | tr -d "[]"
}

taste4 >/dev/null; sleep 1; taste4 >/dev/null   # alten Tastendruck verwerfen

while true; do
  if [ "$(taste4)" = "1" ]; then
    name="scan_$(date -u '+%Y-%m-%d %H.%M.%S')"
    scanimage -d "$DEV" --mode Color --resolution 300 --format=pnm \
      | convert - -quality 92 "$ziel/.$name.tmp.jpg"
    mv "$ziel/.$name.tmp.jpg" "$ziel/$name.jpg"
    # warten, bis die Taste losgelassen ist, dann 5 s Sperre
    for _ in $(seq 1 30); do [ "$(taste4)" = "0" ] && break; sleep 1; done
    sleep 5
  fi
  sleep 1
done
Ablauf des Tastendienstes: Tasten abfragen, prüfen ob Taste 4 gedrückt ist, scannen, ablegen, Sperre, wieder von vornTasten abfragen1× pro SekundeTaste 4?button-2 = 1Scannen300 dpi, FarbeAblegenOrdner des BuchsSperreloslassen + 5 sneinja
Der Tastendienst in einer Schleife: Nur ein Druck auf Taste 4 führt zum Scan.

Ein paar Zeilen davon sind aus Schaden entstanden:

  • Alten Tastendruck verwerfen: Der Scanner merkt sich den letzten Druck. Beim ersten Start hat der Dienst deshalb sofort gescannt, obwohl niemand gedrückt hatte. Darum wird beim Start zweimal ins Leere gelesen.
  • Erst als versteckte Datei schreiben: Der Scan landet zuerst als .name.tmp.jpg und wird erst umbenannt, wenn er komplett ist. Sonst greift die Texterkennung eine halbe Datei ab.
  • Sperre nach dem Scan: Wer die Taste etwas länger hält, bekommt sonst zwei Scans. Der Dienst wartet, bis losgelassen wurde, und dann noch 5 Sekunden.
  • Dateiname in UTC: scanservjs benennt seine Scans nach der UTC-Zeit. Damit Tasten-Scans und Browser-Scans sauber in der richtigen Reihenfolge stehen, macht der Tastendienst es genauso.
  • Scanner belegt: Läuft gerade ein Scan über die Weboberfläche, ist der Scanner gesperrt. taste4 liefert dann nichts, und der Dienst versucht es einfach eine Sekunde später wieder.

Gestartet wird das Ganze als Container mit Zugriff auf den USB-Bus und den Scan-Ordner:

docker run -d --name scan-taste --restart unless-stopped \
  --network none --device /dev/bus/usb -v /dev/bus/usb:/dev/bus/usb \
  -v /pfad/zur/freigabe/Scan:/out -v /pfad/zu/scan-taste:/app:ro \
  --entrypoint /bin/bash sbs20/scanservjs /app/taste.sh

Fragt das nicht ständig den Scanner ab?

Doch, einmal pro Sekunde. Das ist für den Scanner kein Problem, die Lampe geht dabei nicht an, und der Container braucht praktisch keine Rechenzeit. Laut Docker sind es gut 1 % CPU und 2 MB Arbeitsspeicher.

Teil 2: Die Ablage, ein Ordner je Buch

Jetzt weiß der Server, wann er scannen soll. Aber wohin? Am Scanner gibt es kein Display, auf dem ich einen Ordner auswählen könnte. Die Lösung ist eine einfache Regel: Gescannt wird in den Unterordner, der zuletzt angelegt oder bescannt wurde.

Ordnerwahl: Die Scan-Taste speichert immer im zuletzt angelegten oder geänderten Unterordner; Ordner mit Unterstrich zählen nichtScanSeifenkistengeändert 21:23Kochbuchgerade angelegt_altbeginnt mit _ → zählt nichtTaste 4 scannt hierhin
Neuer Ordner angelegt, und schon landet der nächste Scan darin.

Das funktioniert, weil sich die Änderungszeit eines Ordners ändert, sobald etwas darin angelegt wird. Ein neuer Ordner ist also automatisch der jüngste, und solange ich hineinscanne, bleibt er es. In Bash ist das eine Zeile:

find /out -mindepth 1 -maxdepth 1 -type d \
     ! -name Text ! -name '_*' ! -name '.*' \
     -printf '%T@ %f\n' | sort -n | tail -1 | cut -d' ' -f2-

%T@ liefert die Änderungszeit als Zahl, sort -n sortiert danach, tail -1 nimmt den jüngsten. Der Ordner Text und alles, was mit _ oder . beginnt, zählt nicht. So kann ich Archivordner wie _alt anlegen, ohne dass dort plötzlich Scans landen.

Der eine Haken

Wer später etwas in einen alten Buchordner kopiert, macht ihn wieder zum jüngsten, und die Taste scannt dorthin. Für den Fall gibt es eine Hintertür: Steht in einer kleinen Datei ziel.txt ein Ordnername, gilt der, egal wie alt er ist.

Damit ich die Regel nicht vergesse, steht sie als Hinweis auf meiner Startseite im Heimnetz, mitsamt dem Ordnerpfad zum Kopieren.

Teil 3: Wie die Texterkennung die Seiten abholt

Der zweite Container ist die Texterkennung. Sie schaut alle 5 Sekunden in den Scan-Ordner und in jeden Buchordner. Ist dort ein Bild, das in der Buchdatei noch fehlt, wartet sie, bis sich die Datei 5 Sekunden lang nicht mehr ändert. Erst dann legt sie los.

  • Woher weiß sie, was schon erledigt ist? Jede Seite in der Buchdatei beginnt mit einem unsichtbaren Kommentar wie <!-- scan: scan_2026-11-15 20.02.27.jpg | Seite 6-7 -->. Steht der Dateiname dort, ist die Seite fertig.
  • Reihenfolge: Die Bilder werden nach Namen sortiert, also nach Scanzeit. Hängt eine Seite noch, wird keine spätere vorgezogen.
  • Fehler: Klappt eine Seite dreimal nicht, legt der Dienst eine .fehler.txt daneben und macht mit der nächsten weiter. Datei löschen = neuer Versuch.
  • Neu erkennen lassen: Buchdatei löschen, und alle Seiten werden in Reihenfolge neu erkannt.

Pro Seite braucht das Ganze auf meinem Ryzen 5 5600G 5 bis 10 Sekunden, mit nur 2 Prozessorkernen und niedriger Priorität. Eine Grafikkarte braucht Tesseract nicht.

Teil 4: Doppelseiten am Falz teilen

Die meisten Bücher lege ich aufgeschlagen auf, also zwei Seiten auf einmal. Tesseract würde dann gern quer über beide Seiten lesen, Zeile links, Zeile rechts, munter durcheinander. Also muss das Skript die Doppelseite erst teilen.

Zuerst dreht es die Seite gerade. Tesseract hat dafür eine eigene Erkennung (OSD). Ist die unsicher, probiert das Skript alle vier Richtungen und nimmt die, bei der die erkannten Wörter am sichersten sind. Liegt das Bild danach quer, ist es eine Doppelseite.

Falz finden: Die Helligkeit je Spalte hat in der Mitte ein Tal (Schatten), die Menge Schrift je Spalte hat daneben eine Lücke; dort wird geschnittenHelligkeit je Spaltedas Tal ist der Schatten im FalzSchrift je SpalteLücke = keine Buchstabenhier wird geschnitten
Nicht mitten im Schatten schneiden, sondern in der schriftfreien Spalte direkt daneben.

Für den Schnitt rechnet das Skript zwei Kurven aus. Die erste ist die mittlere Helligkeit jeder Spalte: Der Schatten im Falz ist das tiefste Tal im mittleren Drittel. Die zweite zählt, wie viele wirklich schwarze Punkte, also Buchstaben, in jeder Spalte stehen.

Mein erster Ansatz hat einfach im tiefsten Schatten geschnitten. Ergebnis: Auf der rechten Seite fehlte der erste Buchstabe jeder Zeile, aus „Um“ wurde „Jm“. Der Text reicht bei manchen Büchern eben bis knapp an den Falz. Seitdem sucht das Skript im Umkreis von 3 % der Bildbreite die Spalte ohne Schrift, die dem Schatten am nächsten liegt, und schneidet dort.

Teil 5: Bilder finden und ausschneiden

Das war mit Abstand der knifflige Teil, und es hat einige Runden gedauert. Das Grundproblem: Für den Computer ist alles auf der Seite nur dunkle Punkte. Buchstaben, Fotos, Zeichnungen, der Schatten im Falz, die Kante des Buchs.

Bilder finden in fünf Schritten: Scan, erkannten Text übermalen, weichzeichnen, Maske bilden, Foto und Zeichnung ausschneiden1 Scan2 Text übermalt3 Weichgezeichnet4 Maske5 Ausgeschnitten
Erst den Text wegnehmen, dann bleibt übrig, was ein Bild ist.

Die Idee dahinter: Was nicht Text ist, könnte ein Bild sein. Im Detail geht das Skript so vor:

  • Text übermalen: Alle Wörter, die Tesseract sicher erkannt hat (mindestens 70 % Sicherheit und normale Zeilenhöhe), werden mit Papierfarbe übermalt. Unsichere Wörter bleiben stehen, denn mitten in Fotos „erkennt“ Tesseract gern Buchstabensalat.
  • Nur im bedruckten Bereich suchen: Alles außerhalb des Textblocks plus etwas Rand wird ignoriert. Damit fallen Buchkante, Scannerrand und Falzschatten weg.
  • Fotos suchen: Das Bild wird stark weichgezeichnet. Was danach noch deutlich dunkler als das Papier ist, ist eine Fläche, also vermutlich ein Foto. So werden auch helle, kontrastarme Fotos gefunden.
  • Zeichnungen suchen: Getrennt davon sucht das Skript längere zusammenhängende Linien. Dünne waagerechte Trennlinien, wie unter der Kopfzeile, werden dabei aussortiert.
  • Schattenstreifen raus: Spalten, die fast durchgehend dunkel sind, sind der Falz oder die Buchkante. Die fliegen vorher raus.
  • Textkasten-Test: Steckt in einem Kandidaten viel gut lesbarer Text, ist es ein grau hinterlegter Hinweiskasten und kein Bild.
  • Zusammenfassen: Teile einer Zeichnung, die dicht beieinander liegen, werden zu einem Bild vereint. Fotos bleiben, wie sie sind.

Jede dieser Regeln steht für einen Fehler, den ich vorher gesehen habe:

Was schiefgingWoran es lagLösung
Fast die ganze Doppelseite als ein Bild ausgeschnitten, Text wegFalzschatten verband alles miteinanderDoppelseiten teilen, Riesenflächen verwerfen
Foto am Falz fehlteFoto verschmolz mit dem Schatten und galt als SchattenstreifenSchattenspalten vorher entfernen, dünne Verbindungen kappen
Foto über Text hinweg mit der Kopfzeile verbundenDie Linie unter der Kopfzeile wurde als Zeichnung gezähltDünne Trennlinien aussortieren, Fotos und Linien getrennt suchen
Grauer Hinweiskasten als Bild, sein Text fehlteGraue Fläche sah aus wie ein FotoTextkasten-Test: viel lesbarer Text = kein Bild
Explosionszeichnung in drei StückenDünne helle Linien, Lücken dazwischenLinien verdicken, nahe Teile zusammenfassen
Dunkle Buchkanten als BilderKanten liegen außerhalb des TextesNur im bedruckten Bereich suchen

Jedes gefundene Bild wird als JPG im Ordner Text\Bilder gespeichert und in der Buchdatei an der Stelle verlinkt, an der es auf der Seite stand. Auf meinen Testseiten findet das Skript inzwischen alle sechs Abbildungen, ohne Fehlgriffe.

Teil 6: Überschriften und Fettdruck

Tesseract liefert zu jedem Wort die Position, die Zeilenhöhe und die Sicherheit. Ob ein Wort fett ist, weiß es nicht. Das muss das Skript selbst herausfinden.

Fettdruck erkennen über die Strichstärke: normales Wort etwa 2 Pixel, fettes Wort etwa 3 Pixel; ab dem 1,3-fachen des Durchschnitts gilt ein Wort als fettLeimLeimStrichstärke ≈ 2,1 px (Durchschnitt)≈ 3,0 px → mehr als 1,3 × → **fett**Schwelle 1,3 ×So misst das Skript:1. Schrift schwarz-weiß2. Abstand jedes Punktszum Rand messen3. Mittelwert je Wort4. mit der Seite vergleichen
Fett ist, wo die Striche deutlich dicker sind als im Rest der Seite.

Für Fettdruck misst es die Strichstärke: Die Schrift wird schwarz-weiß gemacht, und für jeden schwarzen Punkt wird der Abstand zum nächsten weißen Punkt berechnet (eine sogenannte Distanztransformation). Der Mittelwert je Wort ist seine Strichstärke. Liegt sie mehr als 30 % über dem Durchschnitt der Seite, gilt das Wort als fett.

Für Überschriften gibt es zwei Regeln:

  • Kapitelüberschrift (##): kurze Zeile, mindestens 18 % größere Schrift und 12 % dickere Striche als der Fließtext.
  • Zwischenüberschrift (###): kurze Zeile mit höchstens sechs Wörtern, nur Großbuchstaben, allein im Absatz. Das trifft die Kapitälchen-Überschriften in meinem Buch genau.
  • Kopf- und Fußzeilen: kleine Schrift ganz oben oder ganz unten fliegt raus, die Seitenzahl wandert in den unsichtbaren Kommentar.

Dazu kommen Kleinigkeiten, die viel ausmachen: Trennstriche am Zeilenende werden zusammengefügt, aus „Ge-“ und „burtsstadt“ wird wieder „Geburtsstadt“. Und Zeilen mit sehr unsicherer Erkennung, typischerweise durchscheinender Text der Rückseite, werden verworfen.

Was ich daraus mitnehme

Die meiste Zeit ging nicht ins Programmieren, sondern ins Hinschauen. Jede Regel oben ist entstanden, weil ich mir das Ergebnis Seite für Seite angesehen habe: Wo fehlt etwas, wo ist zu viel? Dafür habe ich mir Kontrollbilder ausgeben lassen, mit grünen Rahmen um erkannte Wörter und blauen um gefundene Bilder. Ohne die hätte ich ewig im Dunkeln gestochert.

Häufige Fragen

Funktioniert die Taste auch bei anderen Canon-Scannern?

Bei vielen Geräten, die der pixma-Treiber unterstützt, ja. Welche Taste sich wie meldet und ob es ein Phantom-Signal gibt, musst du aber selbst testen. Das Zählspiel oben dauert keine fünf Minuten.

Kann ich mehrere Tasten mit verschiedenen Aufgaben belegen?

Beim 8800F leider nicht. Der Treiber unterscheidet nur zwei Signale, und eins davon kommt auch von selbst. Bei anderen Modellen kann das besser aussehen.

Warum Markdown und nicht PDF?

Markdown ist reiner Text, lässt sich in jedem Editor öffnen, durchsuchen und weiterverarbeiten. Ein durchsuchbares PDF wäre auch möglich, Tesseract kann das sogar direkt. Für mein Nachschlagebuch ist Markdown aber praktischer.

Wie genau ist die Erkennung?

Bei sauber gedruckten Büchern mit 300 dpi fast fehlerfrei. Bei schlechten Scans oder Schmuckschriften steigt die Fehlerquote. Ab und zu wird ein Wort fälschlich fett, oder eine Kopfzeile rutscht in den Text.

Mein Fazit

Eine einzige Taste und eine einfache Ordnerregel reichen, um aus dem Scannen von Büchern einen Ein-Knopf-Vorgang zu machen. Der Aufwand steckt im Detail: dem Phantom-Signal, dem Schnitt am Falz und vor allem in der Bilderkennung. Wenn du so etwas nachbaust, nimm dir die Zeit fürs Hinschauen. Das lohnt sich mehr als jede schlaue Regel, die man sich vorher ausdenkt.

Viel Spaß beim Tüfteln!

Kommentare

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Wir benutzen Cookies um die Nutzerfreundlichkeit der Webseite zu verbessen. Durch Deinen Besuch stimmst Du dem zu.