PDF圧縮原理の分析：ファイルサイズ変化と圧縮戦略ガイド

PDFのサイズは画像、埋め込みフォント、ドキュメント構造、メタデータの4つの部分で構成されています。各部分の割合はPDFの種類によって大きく異なります。スキャンされたPDFの場合、通常は画像が全体の90%以上を占め、残りの3つの部分は10%以下に収まります。

プレーンテキストのPDFまたはベクター要素を含むPDFでは、埋め込みフォントが全体の20%から60%を占めることがあります。ドキュメント構造とメタデータの割合は通常5%以内で、ベクターコンテンツ自体が全体のサイズに占める割合は極めて低くなります。

再レンダリング圧縮はビットマップ圧縮とも呼ばれ、PDF内のすべてのベクターコンテンツとテキストコンテンツを一律にビットマップに変換した後、設定されたDPIと品質パラメータに従ってファイルを保存する方式です。この方法はスキャンされたPDFに対して大きな圧縮効果が得られますが、元のコンテンツの属性を変更してしまいます。

非可逆圧縮を行わない最適化圧縮は、元のコンテンツの鮮明度を変更せず、オブジェクトストリームの結合、フォントの部分集合化、冗長なメタデータの削除の3つのステップのみでファイルサイズを削減します。オブジェクトストリームの結合では、散在するオブジェクトを統合して冗長な記憶領域を削減します。

画面上で読むシナリオの場合、DPIを300から72に削減する際、300 DPIと150 DPIの間では視覚的な鮮明度の変化はほとんど感知できませんが、ファイルサイズは約50%削減されます。DPIを150から72に削減すると、テキストのエッジのぼかしが明らかに目立つようになります。

JPEG品質を100から50に削減する場合、品質50から80の範囲で圧縮率は40%から60%に達し、視覚的なアーティファクトはほとんど見えません。品質が50を下回ると、カラーバンディングとエッジのぼかしが急速に激しくなり、圧縮の限界効果は減少します。

プレーンテキストPDFはベクターベースのドキュメントです。テキスト1ページの元のサイズは通常1KBから5KBの間で、書籍1冊全体の合計サイズはほとんどの場合数メガバイト以内に収まります。

この種のPDFに対して再レンダリングによるビットマップ圧縮を適用すると、各ページごとにページサイズに対応したビットマップが生成されます。1ページのビットマップのサイズは数十から数百キロバイトに達するため、書籍全体の合計サイズは数メガバイトから数百メガバイトに増加します。

PDFの種類を識別することが、圧縮戦略を選択する最初のステップです。まず、ドキュメントがスキャンされたドキュメントか編集可能な電子ドキュメントかを区別します。スキャンされたドキュメントは完全に画像コンテンツで構成されているのに対し、編集可能な電子ドキュメントはテキストとベクター要素を含みます。

ドキュメントがスキャンされたドキュメントの場合は、再レンダリング圧縮を選択し、DPIを150、JPEG品質を60に設定することができます。この設定によりファイルサイズと鮮明度のバランスが取れます。ドキュメントが編集可能な電子ドキュメントの場合は、元の鮮明度を保持するために非可逆圧縮なしの最適化圧縮を優先してください。

非可逆圧縮なしの最適化を行ってもファイルサイズが要件を満たさない場合は、ドキュメント内の埋め込み画像のみを個別に圧縮し、テキストとベクターコンテンツのベクター属性を保持することで、ドキュメント全体のビットマップ化を回避できます。