书稿扫描件批量清理与旋转

解决什么问题

手稿、书籍扫描件的后期整理，痛点非常具体：编号子目录里塞着几十张扫描图，纸张是歪的，扫描床的黑底、标签背胶和纸屑一并进了画面，偶数页还得翻转才能正常阅读。手工在图片软件里一张张调，一次清理上千张，时间基本耗在重复操作上。

更麻烦的是规则本身不统一。各文件夹之间的扫描方向可能不一致，用户标记某个文件夹「不对」时，不能假设整批存在同样的问题。

技能如何工作

核心能力

• 原图保护 — 从不覆盖源目录，输出写到同级 _处理后 或 _processed 目录。
• 旋转策略 — 默认奇数页保持原样、偶数页旋转 180°，可用 --rotate-policy 关闭。
• 定向裁剪 — 按页面实际版面裁剪，去掉黑底、标签和纸屑，同时保留安全边距避免切到纸边。
• 质检输出 — 生成原图与处理结果的对比 contact sheet。

关键步骤

1. 先清点再动手 — 统计文件夹和文件数量，按扩展名分组。
2. 样张确认 — 以用户提供的样张（如 00007）作为方向正确的基准，按上下空白边的比例判断。
3. 定向修补 — 某文件夹被判错时，只重跑该文件夹并更新日志。
4. 数量校验 — 核对每个子目录的源文件数与输出数是否一致，跑异常尺寸检测找离群项。

批量入口是 scripts/process_manuscript_scans.py，支持 --root、--output、--folders、--preview-only 等参数。其中 --preview-only 只出对比图不写文件，适合正式跑批前验证策略。

适用边界

• 方向判定依赖用户提供的样张规则，没有样张时只能套用默认的奇偶页策略。
• 裁剪是启发式的，扫描分辨率过低或页面与背景对比度差时，可能切不准。
• 脚本假定目录按编号组织、文件为 Image_00001.jpg 式命名，结构混乱需要先自行规整。
• 只处理扫描图，不做 OCR，也不做降噪或画质增强。