Analyse des principes de compression PDF : Guide des changements de taille et des stratégies de compression

La taille d'un PDF se compose de quatre parties : images, polices intégrées, structure du document et métadonnées. La proportion de chaque partie varie considérablement selon les types de PDF. Pour les PDF numérisés, les images représentent généralement plus de 90 % de la taille totale, tandis que les trois autres parties représentent moins de 10 %.

Pour les PDF de texte brut ou les PDF contenant des éléments vectoriels, les polices intégrées peuvent représenter 20 % à 60 % de la taille totale. La proportion de la structure du document et des métadonnées est généralement inférieure à 5 %, et le contenu vectoriel lui-même représente une proportion extrêmement faible de la taille totale.

La compression par nouveau rendu, également appelée compression bitmap, fonctionne en convertissant uniformément tout le contenu vectoriel et textuel du PDF en bitmaps, puis en enregistrant le fichier selon les paramètres de DPI et de qualité définis. Cette méthode a un effet de compression significatif sur les PDF numérisés, mais elle modifie les attributs du contenu original.

La compression par optimisation sans perte ne modifie pas la clarté du contenu original, et réduit la taille du fichier uniquement par trois étapes : fusion des flux d'objets, sous-ensemble de polices et suppression des métadonnées redondantes. La fusion des flux d'objets intègre les objets dispersés pour réduire l'espace de stockage redondant.

Pour les scénarios de lecture sur écran, lorsque le DPI est réduit de 300 à 72, le changement de clarté visuelle entre 300 DPI et 150 DPI est presque imperceptible, tandis que la taille du fichier peut être réduite d'environ 50 %. Lorsque le DPI est réduit de 150 à 72, le flou sur les bords du texte devient nettement plus perceptible.

Lorsque la qualité JPEG est réduite de 100 à 50, le taux de compression pour la plage de qualité 50 à 80 atteint 40 % à 60 %, et les artefacts visuels sont presque invisibles. Lorsque la qualité descend en dessous de 50, la dégradation des couleurs et le flou des bords s'intensifient rapidement, et le gain marginal de compression diminue.

Les PDF texte brut sont des documents vectoriels. La taille originale d'une seule page de texte est généralement comprise entre 1KB et 5KB, et la taille totale d'un livre entier est la plupart du temps contrôlée dans quelques mégaoctets.

Si la compression bitmap par nouveau rendu est appliquée à ce type de PDF, un bitmap correspondant à la taille de la page est généré pour chaque page. La taille d'un bitmap d'une seule page peut atteindre de dizaines à centaines de kilo-octets, et la taille totale du livre entier passe de quelques mégaoctets à des centaines de mégaoctets.

L'identification du type de PDF est la première étape pour sélectionner une stratégie de compression. Il faut d'abord distinguer si le document est un document numérisé ou un document électronique modifiable. Les documents numérisés sont entièrement composés de contenu image, tandis que les documents électroniques modifiables contiennent du texte et des éléments vectoriels.

Si le document est un document numérisé, vous pouvez sélectionner la compression par nouveau rendu, et régler le DPI à 150 et la qualité JPEG à 60. Ce paramétrage équilibre la taille du fichier et la clarté. Si le document est un document électronique modifiable, privilégiez la compression par optimisation sans perte pour conserver la clarté originale.

Si la taille du fichier ne répond toujours pas aux exigences après l'optimisation sans perte, vous pouvez compresser séparément uniquement les images intégrées dans le document, et conserver les propriétés vectorielles du texte et du contenu vectoriel pour éviter la conversion en bitmap de l'ensemble du document.