Вы сжимаете отсканированный PDF-файл, и размер файла уменьшается с 15 МБ до 2 МБ. Цифры выглядят великолепно. Затем вы открываете сжатый файл, и текст, который в оригинале был четким и резким, теперь выглядит мягким, нечетким и слегка не в фокусе. Сжатие сработало, но с текстом оно подействовало слишком агрессивно, и документ читать труднее, чем было раньше.
Это наиболее распространенная жалоба на сжатие, и это происходит потому, что большинство инструментов сжатия обрабатывают всю страницу как одно изображение. Они не могут отличить текст, который должен оставаться четким, от фона или фотографий, которые могут выдерживать более сильное сжатие. Сохранение четкости текста во время сжатия требует понимания того, какие настройки влияют на разборчивость текста, и выбора подхода к сжатию, при котором приоритет отдается тем частям документа, которые людям действительно необходимо прочитать.
Почему сжатие размывает текст в первую очередь
Сжатие PDF работает за счет уменьшения разрешения изображений, встроенных в файл. В отсканированном PDF-файле каждая страница представляет собой изображение, включая текст. Когда механизм сжатия изменяет разрешение изображения страницы с 300 DPI на 150 DPI, он отбрасывает половину пикселей в каждом измерении, сохраняя только один пиксель из каждых четырех. Тонкие края букв, тонкие горизонтальные штрихи строчных букв «т», «т» и «т». тонкие кривые, которые отличают букву «c»; от «е»; все полагаются на эти отброшенные пиксели, чтобы выглядеть четкими. При разрешении 150 точек на дюйм 12-точечный символ, высота которого при исходном сканировании составляла 50 пикселей, теперь имеет высоту 25 пикселей. При разрешении 100 DPI его высота составляет примерно 17 пикселей. При разрешении 72 DPI его высота составляет около 12 пикселей, чего едва хватает для отображения узнаваемой буквы.
Тип алгоритма субдискретизации также имеет значение. Бикубическое понижение разрешения, при котором значения новых пикселей вычисляются путем усреднения окружающих пикселей, сохраняет плавные градиенты на фотографиях, но смягчает резкие края букв. Субдискретизация, при которой из каждого блока выбирается один пиксель и отбрасываются остальные, лучше сохраняет резкость краев, но может привести к появлению неровных артефактов. Для документов с большим количеством текста бикубическое понижение разрешения при слишком низком разрешении — это комбинация, которая создает мягкий, нечеткий текст, на который жалуются люди. Лучший подход — выбрать более высокое целевое разрешение, минимум 150 точек на дюйм для текста, или использовать метод сжатия, который может по-разному обрабатывать текст и изображения.
Выбор правильных настроек сжатия для документов с большим количеством текста
Для PDF Compression отсканированных документов, где разборчивость текста является приоритетом, несколько определенных настроек дают неизменно хорошие результаты. Установите целевое разрешение 150 DPI. При этом сохраняется достаточная плотность пикселей, чтобы текст размером 10 пунктов оставался четким, сохраняя при этом уменьшение размера файла на 50–70%. Не опускайтесь ниже 150 DPI для документов, которые будут читаться на экране. При разрешении 100 DPI текст размером 10 пунктов становится заметно мягким. При разрешении 72 DPI даже текст размером 12 пунктов начинает ухудшаться.
Выберите сжатие JBIG2 для черно-белых текстовых страниц. JBIG2 разработан специально для монохромных изображений документов и обеспечивает значительно лучшую степень сжатия текста, чем JPEG, сохраняя при этом четкость символов. Он работает путем выявления повторяющихся шаблонов: каждый экземпляр буквы «е» выглядит почти идентично и сохраняет каждый шаблон один раз. Это идеальное решение для печатных документов. Для страниц, на которых текст сочетается с фотографиями или цветными элементами, используйте JPEG2000 с настройкой качества от среднего до высокого. JPEG2000 обрабатывает смешанный контент лучше, чем стандартный JPEG, и вносит меньше видимых артефактов при той же степени сжатия.
Включите сжатие MRC (смешанное растровое содержимое), если ваш инструмент его поддерживает. MRC разделяет каждую страницу на слои: текстовый слой, сохраняемый в высоком разрешении для резкости, слой изображения, сжатый более агрессивно, и фоновый слой. Этот многоуровневый подход, используемый механизмом сжатия, сохраняет четкость текста, одновременно обеспечивая значительное уменьшение общего размера. Текст остается четким, поскольку он сжимается методом без потерь или почти без потерь, в то время как фон и изображения поглощают большую часть сжатия.
Проверка результатов сжатия перед фиксацией
После сжатия откройте сжатый файл и выполните параллельное сравнение с оригиналом. Увеличьте масштаб до 100 % и сравните один и тот же абзац текста. Посмотрите на строчные буквы «е», «; "а," и "s," которые имеют мельчайшие детали и деградируют первыми. Если эти буквы выглядят четкими и их внутренняя форма четко выражена, настройки сжатия соответствующие. Если счетчики (замкнутые пространства внутри букв) начинают заполняться или края букв выглядят мягкими, значит, сжатие было слишком агрессивным.
Распечатайте пробную страницу, если документ будет распечатан. Артефакты сжатия, невидимые на экране, могут стать заметными на бумаге, поскольку принтеры отображают с разрешением от 300 до 600 точек на дюйм, что выше, чем у большинства экранов. Документ, который выглядит приемлемо на мониторе с разрешением 150 точек на дюйм, может выглядеть мягким при печати с разрешением 300 точек на дюйм, поскольку принтер выявляет недостающие детали. Инструмент Reduce PDF Size WukongPDF обеспечивает режим предварительного просмотра, который имитирует печатный результат с различными уровнями сжатия, позволяя вам проверить разборчивость текста перед завершением настроек сжатия.
Что делать, если сжатие уже размыло текст
Если вы сжали PDF-файл, а текст теперь размыт, а исходного несжатого файла у вас больше нет, ситуация сложная, но не всегда безнадежная. Если сжатие было применено к PDF-файлу, который изначально имел отдельный текстовый слой, запуск OCR для сжатого файла может восстановить возможности поиска, но не может восстановить визуальную четкость исходного текста. OCR добавляет текстовый слой за размытым изображением. Изображение остается размытым. Для отсканированных PDF-файлов, не имеющих отдельного текстового слоя, единственный путь восстановления — найти исходное сканирование или повторно отсканировать физический документ с более высоким разрешением и избежать повторения той же ошибки сжатия.
Вот почему сохранение исходного несжатого файла является самой важной привычкой сжатия. Сжатие всегда должно создавать копию, а не перезаписывать оригинал. Хранение стоит недорого. Несколько мегабайт, сэкономленных за счет удаления оригинала, стоят гораздо меньше, чем часы, необходимые для воссоздания документа из размытой сжатой копии. Инструмент сжатия всегда создает новый файл, оставляя загруженный оригинал нетронутым. Такой выбор конструкции предотвращает слишком распространенный сценарий, когда настройки сжатия становятся неправильными только после того, как оригинал исчезнет.
Сжатие цветных документов без размытия изображений
Документы, в которых текст сочетается с цветными изображениями, представляют собой двойную проблему: тексту требуется высокое разрешение для читаемости, а изображениям — точность цветопередачи. Решение состоит в том, чтобы использовать инструмент сжатия, который применяет разные настройки к разным типам контента на одной странице. WukongPDF автоматически определяет текстовые области и области изображений на каждой странице и применяет к каждой из них соответствующее сжатие. Текстовые области подвергаются сжатию без потерь или почти без потерь с более высоким эффективным разрешением. Области изображения получают сжатие JPEG или JPEG2000 с более низким разрешением. В результате получается PDF Quality, в котором и текст, и изображения выглядят хорошо, а размер файла значительно меньше, чем несжатый оригинал.
Ключевой вывод заключается в том, что размытие текста после сжатия не является неизбежным компромиссом. Это результат настроек сжатия, которые не были оптимизированы для содержимого документа. Для сканирования с большим количеством текста требуются другие настройки, чем для фотоальбома. Выбор правильных настроек для документа, находящегося перед вами, и всегда сохранение оригинала гарантирует, что сжатие обеспечит сжатие файлов меньшего размера, не жертвуя при этом читабельностью, которая в первую очередь делает документ полезным.
Последнее соображение, которое многие люди упускают из виду, — это влияние формата сжатия на будущие правки. Если сжатому PDF-файлу позже потребуется распознавание текста, дополнительное сжатие или преобразование формата, умеренно сжатый файл с разрешением 150 точек на дюйм и кодировкой текста без потерь выдерживает эти последующие операции намного лучше, чем сильно сжатый файл с разрешением 72 точки на дюйм и JPEG с потерями. Каждое повторное сжатие файла с потерями увеличивает потерю качества. Первое сжатие может быть едва заметным. Второй, примененный к уже сжатому файлу, ухудшает качество текста до неразборчивости. Когда вы сжимаете PDF-файл, вы принимаете решение не только о размере этого файла сегодня, но и о том, какой запас качества останется для любых операций, которые файл может выполнить в будущем. Умеренное сжатие сегодня оставляет место для завтрашнего дня. Агрессивное сжатие истощает это пространство за один шаг.