Почему сканированный PDF большой и как его сжать
Почему PDF со сканами трудно сжимать, какие детали можно потерять и как проверить страницы, подписи и читаемость после уменьшения размера.
Кто-то сканирует шестистраничный контракт на 300 DPI, получает 14 MB PDF и загружает его на портал с ограничением 2 MB. Первый инстинкт заключается в том, чтобы снова и снова запускать файл через компрессор. Файл едва движется. Это не потому, что компрессор слабый - это потому, что отсканированный PDF не является документом в том смысле, который большинство людей предполагают. Это стопка фотографий, носящих обертку PDF, и компрессор может только рекомпрессировать фотографии.
Сканированный PDF — это контейнер.
Два типа страницы PDF
Страница PDF может содержать два разных типа контента:
| Контент страницы | Типичный источник | Куда идет размер |
|---|---|---|
| Текст вектора и шрифты | Word, LaTeX, браузер «печатать на PDF» | Шрифтовые программы, встроенные один раз и повторно используемые |
| Одно полностраничное растровое изображение | Сканер, камера телефона, MFP | Пиксели изображения, качество и цвет |
Второй ряд - это то, что производит сканирование. Ваш сканер не понимает букв. Он захватывает растровое изображение страницы - на 300 DPI на A4, что примерно равно 2480 × 3508 пикселей на страницу - и помещает его в PDF. Шесть страниц означают шесть из этих изображений.
Поэтому вопрос о размере превращается в вопрос об изображении: сколько пикселей, сколько цветов, сколько высокочастотной детали и какая настройка качества. Сам формат PDF вносит очень мало. Именно поэтому текстовый PDF, экспортируемый из текстового процессора, часто уже мал и не дает вам почти ничего для восстановления.
Почему дважды запустить компрессор не получается
Изображения страниц уже JPEG
Наиболее распространенным впустую усилием является многократное сжатие одного и того же сканирования, надеясь, что каждый проход сбреет немного больше. Это не так, по конкретной причине: изображения страниц внутри отсканированного PDF уже сжаты JPEG. JPEG является потерянным, и его выход не является осмысленно более сжимаемым, чем его вход. Перекодирование того же JPEG при том же качестве производит файл примерно того же размера; повторное кодирование при более низком качестве теряет детали, которые уже ушли.
Как изменился бы нижний скан DPI
Второй проход не может восстановить две вещи, которые действительно помогли бы — пиксели, которые никогда не были захвачены с более низким разрешением, и детали, которые исходное кодирование уже отброшено. Только подлинный повторный код в разных настройках или меньшее количество пикселей изменяет арифметику.
Определите, что занимает пространство
Прежде чем что-либо изменить, узнайте, что находится в файле. Попробуйте выбрать предложение в своем считывателе PDF. Выбираемый текст означает, что текстовый слой существует, но он не является окончательным: сканирование может нести слой OCR, невидимо сидящий над большим фоновым изображением, и изображение по-прежнему является тем, что заполняет файл. Инспекция PDF сообщает количество страниц, размеры страниц и встроенные изображения и факты шрифта —, где живет ответ.
Типичные источники предотвратимого размера при сканировании:
- Пересканированные страницы, захваченные на 600 DPI, когда контент не нуждается в нем
- Фотографический шум на белых краях — увеличение сканера установлено слишком высоко
- Дублированные или пустые страницы, включенные случайно
- Цветной захват документа, который является черно-белым
- Края стола, пальцы или тени, включенные в кадр
Сохраняйте оригинал перед обработкой. Если уменьшенная версия окажется нечитаемой, оригинал — единственный путь назад.
Почему почерк сопротивляется сжатию
Каждый карандашный ход - это край
Страница напечатанного текста хорошо сжимается, потому что она в основном плоско-белая с несколькими предсказуемыми черными штрихами. Страница почерка противоположна: карандаш или ручка на текстурированной бумаге производит тысячи крошечных нерегулярных краев, и каждый из этих краев является высокочастотным содержимым. Шум от низкокачественного сканера добавляет больше того же, и он неотличим от кодера от подлинного штриха ручки.
Как только вы это увидите, компромисс становится явным. Единственный рычаг компрессора на такой странице сглаживает мелкие детали - и на рукописной подписи эта мелкая деталь * является * содержимым. Подпись, уменьшенная до серого размытия, хуже, чем отклоненная загрузка, потому что она может быть принята, а затем допрошена позже.
Уменьшите размер в разумных шагах
Пять шагов, которые стоит сделать
- **Удалите страницы, которые действительно не нужны **, если позволяют правила представления. Это единственный шаг, который уменьшает размер с нулевой потерей качества.
- O Откройте Компрессор PDF и установите фактическую цель байта из правил портала, а не из догадок.
- U - строгий режим, когда предел жесткий. Если инструмент не может соответствовать ему, прочитайте отказ, а не отправьте непроверенного кандидата.
- Сравните количество страниц и размеры страниц Страница, которую молча уронили, - это худший вариант успеха.
- Zoom в небольшом тексте, штампах, почерке и тонких правилах. Затем откройте результат во втором чтении PDF, если у вас есть один, поэтому причуда одного рендерера не вводит вас в заблуждение.
AttachReady может оптимизировать объекты PDF и рекомпрессировать поддерживаемые встроенные изображения. Некоторые маски и сложные цветовые пространства сохраняются, а не агрессивно переписываются, поэтому результат может прийти с предупреждениями — читайте их. Не существует универсального настроя «без потерь для 200 KB». PDF, который уже эффективно кодируется, может едва сжиматься, и это реальный ответ, а не сбой инструмента.
Операции на уровне страниц и документов
Какая операция может уменьшить файл
Знание того, какие операции действуют на страницах и какие действуют на файле в целом, позволяет избежать путаницы:
| Операция | Сфера применения | Влияние на размер |
|---|---|---|
| Выберите страницы | Уровень страницы | Пропорциональный удаленным страницам |
| вращать | Уровень страницы | По сути, ни один |
| слияние | Уровень документов | Добавляет входы; никогда не уменьшается |
| Сжатие | Уровень документов | Перекодировать встроенные изображения |
| Сканирование | Источник | Меняет все вниз по течению |
Практическое следствие: если требуется большое сокращение на сканировании, решающий ход обычно происходит до того, как файл когда-либо достигнет компрессора — на сканере, в выборе DPI и цветовом режиме.
Путь только для проверки, когда вы не можете рисковать качеством
Разделите, проверьте, сравните, сохраните оригинал
Иногда правильный ответ - вообще не сжимать. Если документ - это подписанный контракт, заверенный перевод или что-то, где разборчивость юридически актуальна, попробуйте вместо этого:
- Проверьте, принимает ли портал несколько загрузок. Разделение шестистраничного сканирования на три двухстраничных файла часто соответствует ограничениям без повторного кодирования вообще.
- Проверяйте файл, чтобы подтвердить, является ли он на самом деле тяжелым для сканирования или текстовым нативным — текст PDF не нуждается в работе с изображениями.
- Если сокращение неизбежно, сжимайте копию и сравнивайте вывод страницы по странице с оригиналом при увеличении 200% перед отправкой.
- Сохраните оригинал и никогда не отправляйте результат, который вы не открыли сами.
Защищенные, подписанные и необычные файлы
Зашифрованные PDF-файлы должны быть расшифрованы кем-то, уполномоченным делать это перед обработкой. PDF-файлы с активным контентом, встроенными вложениями или исполняемыми или внешними действиями могут быть отклонены - это граница обработки, а не утверждение, что принятые файлы не содержат вредоносных программ.
Переписывание PDF может аннулировать цифровую подпись. Сохранить подписанный оригинал и использовать одобренный получателем процесс, когда подпись должна оставаться действительной. Сжатие не является заменой повторной подписи или получения нового официального документа.
Когда цель нереальна
Длинное, подробное, рукописное сканирование может не оставаться разборчивым при крошечном лимите байта. В этом случае попробуйте более чистое сканирование при разумном разрешении, преобразуйте в серую шкалу, если цвет не требуется, разделите документ только в том случае, если разрешено несколько загрузок, или спросите принимающую организацию о другом канале подачи. Не удаляйте страницы, которые требуется отправить, просто чтобы индикатор прогресса стал зеленым.
Для связанных рабочих процессов см. Объединение и выбор страниц PDF и Диагноз ошибки загрузки. На странице Форматы и ограничения перечислены потолки, которые применяются на уровне доступа.