Analyse der PDF-Kompressionsprinzipien: Leitfaden zu Größenänderungen und Kompressionsstrategien

Die PDF-Größe besteht aus vier Teilen: Bilder, eingebettete Schriftarten, Dokumentstruktur und Metadaten. Der Anteil jedes Teils variiert stark zwischen verschiedenen Arten von PDFs. Bei gescannten PDFs machen Bilder normalerweise mehr als 90 % der Gesamtgröße aus, während die anderen drei Teile weniger als 10 % ausmachen.

Bei reinen Text-PDFs oder PDFs mit Vektorelementen können eingebettete Schriftarten 20 % bis 60 % der Gesamtgröße ausmachen. Der Anteil von Dokumentstruktur und Metadaten liegt meist innerhalb von 5 %, und der Vektorinhalt selbst hat einen extrem geringen Anteil an der Gesamtgröße.

Neu-Rendering-Kompression, auch Bitmap-Kompression genannt, funktioniert dadurch, dass alle Vektor- und Textinhalte im PDF einheitlich in Bitmaps umgewandelt werden, danach wird die Datei gemäß den eingestellten DPI- und Qualitätsparametern gespeichert. Diese Methode hat einen deutlichen Kompressionseffekt bei gescannten PDFs, ändert aber die ursprünglichen Inhaltseigenschaften.

Verlustfreie Optimierungskomprimierung ändert nicht die Klarheit des ursprünglichen Inhalts und reduziert die Dateigröße nur durch drei Schritte: Zusammenführen von Objektströmen, Schriftschnittsetzung und Entfernen überflüssiger Metadaten. Das Zusammenführen von Objektströmen integriert verteilte Objekte, um überflüssigen Speicherplatz zu reduzieren.

Für Szenarien mit Bildschirmlesen ist bei einer Reduzierung der DPI von 300 auf 72 die Änderung der visuellen Klarheit zwischen 300 DPI und 150 DPI fast unmerkbar, während die Dateigröße um etwa 50 % reduziert werden kann. Wird die DPI von 150 auf 72 reduziert, wird die Unschärfe von Textkanten deutlich sichtbar.

Wenn die JPEG-Qualität von 100 auf 50 reduziert wird, erreicht die Kompressionsrate für den Qualitätsbereich 50 bis 80 40 % bis 60 %, und visuelle Artefakte sind fast unsichtbar. Wenn die Qualität unter 50 fällt, nehmen Farbstufung und Kantenunschärfe rapide zu, und der marginale Kompressionsgewinn sinkt.

Reine Text-PDFs sind vektorbasierte Dokumente. Die ursprüngliche Größe einer einzelnen Textseite liegt normalerweise zwischen 1KB und 5KB, und die Gesamtgröße eines gesamten Buches ist meist innerhalb weniger Megabyte.

Wenn auf diese Art von PDF Neu-Rendering-Bitmap-Kompression angewendet wird, wird für jede Seite eine Bitmap entsprechend der Seitengröße generiert. Die Größe einer einzelnen Seiten-Bitmap kann einige zehn bis hundert Kilobyte erreichen, und die Gesamtgröße des gesamten Buches steigt von wenigen Megabyte auf hunderte Megabyte.

Die Identifizierung des PDF-Typs ist der erste Schritt bei der Auswahl einer Kompressionsstrategie. Zuerst wird unterschieden, ob das Dokument ein gescanntes Dokument oder ein editierbares elektronisches Dokument ist. Gescannte Dokumente bestehen vollständig aus Bildinhalt, während editierbare elektronische Dokumente Text und Vektorelemente enthalten.

Wenn es sich um ein gescanntes Dokument handelt, kann Neu-Rendering-Kompression ausgewählt werden, mit DPI auf 150 und JPEG-Qualität auf 60 eingestellt. Diese Einstellung balanciert Dateigröße und Klarheit. Wenn es sich um ein editierbares elektronisches Dokument handelt, wird prioritär verlustfreie Optimierungskomprimierung verwendet, um die ursprüngliche Klarheit zu erhalten.

Wenn die Dateigröße nach der verlustfreien Optimierung immer noch nicht den Anforderungen entspricht, können nur die eingebetteten Bilder im Dokument separat komprimiert werden, und die Vektoreigenschaften von Text und Vektorinhalt bleiben erhalten, um eine vollständige Bitmapping des Dokuments zu vermeiden.