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
scanimageabfragen. 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.
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
doneEin 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.jpgund 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.
taste4liefert 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.shFragt 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.
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.txtdaneben 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.
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.
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 schiefging | Woran es lag | Lösung |
|---|---|---|
| Fast die ganze Doppelseite als ein Bild ausgeschnitten, Text weg | Falzschatten verband alles miteinander | Doppelseiten teilen, Riesenflächen verwerfen |
| Foto am Falz fehlte | Foto verschmolz mit dem Schatten und galt als Schattenstreifen | Schattenspalten vorher entfernen, dünne Verbindungen kappen |
| Foto über Text hinweg mit der Kopfzeile verbunden | Die Linie unter der Kopfzeile wurde als Zeichnung gezählt | Dünne Trennlinien aussortieren, Fotos und Linien getrennt suchen |
| Grauer Hinweiskasten als Bild, sein Text fehlte | Graue Fläche sah aus wie ein Foto | Textkasten-Test: viel lesbarer Text = kein Bild |
| Explosionszeichnung in drei Stücken | Dünne helle Linien, Lücken dazwischen | Linien verdicken, nahe Teile zusammenfassen |
| Dunkle Buchkanten als Bilder | Kanten liegen außerhalb des Textes | Nur 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.
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!

Schreibe einen Kommentar