Análise dos Princípios de Compressão de PDF: Guia para Alterações de Tamanho e Estratégias de Compressão

O tamanho de um PDF é composto por quatro partes: imagens, fontes incorporadas, estrutura do documento e metadados. A proporção de cada parte varia muito entre diferentes tipos de PDF. Para PDFs digitalizados, as imagens geralmente representam mais de 90% do tamanho total, enquanto as outras três partes representam menos de 10%.

Para PDFs de texto simples ou PDFs que contêm elementos vetoriais, as fontes incorporadas podem representar 20% a 60% do tamanho total. A proporção da estrutura do documento e dos metadados geralmente fica dentro de 5%, e o conteúdo vetorial em si representa uma proporção extremamente baixa do tamanho total.

A compressão por re-renderização, também chamada de compressão de mapa de bits, funciona convertendo todo o conteúdo vetorial e de texto no PDF para mapas de bits de forma uniforme, salvando o arquivo de acordo com os parâmetros de DPI e qualidade definidos. Este método tem um efeito de compressão significativo em PDFs digitalizados, mas altera os atributos do conteúdo original.

A compressão de otimização sem perdas não altera a nitidez do conteúdo original e reduz o tamanho do arquivo apenas por meio de três etapas: mesclagem de fluxos de objetos, subconjunto de fontes e remoção de metadados redundantes. A mesclagem de fluxos de objetos integra objetos dispersos para reduzir espaço de armazenamento redundante.

Para cenários de leitura em tela, quando o DPI é reduzido de 300 para 72, a alteração na nitidez visual entre 300 DPI e 150 DPI é quase imperceptível, enquanto o tamanho do arquivo pode ser reduzido em aproximadamente 50%. Quando o DPI é reduzido de 150 para 72, o desfoque nas bordas do texto torna-se significativamente mais perceptível.

Quando a qualidade JPEG é reduzida de 100 para 50, a taxa de compressão para o intervalo de qualidade de 50 a 80 atinge 40% a 60%, e artefatos visuais são quase invisíveis. Quando a qualidade cai abaixo de 50, a bandagem de cores e o desfoque de bordas se intensificam rapidamente, e o ganho marginal da compressão diminui.

Os PDFs de texto simples são documentos baseados em vetores. O tamanho original de uma única página de texto geralmente fica entre 1KB e 5KB, e o tamanho total de um livro inteiro é principalmente controlado dentro de alguns megabytes.

Se a compressão de mapa de bits por re-renderização for aplicada a este tipo de PDF, um mapa de bits correspondente ao tamanho da página será gerado para cada página. O tamanho de um mapa de bits de página única pode chegar a dezenas a centenas de kilobytes, e o tamanho total de todo o livro aumentará de alguns megabytes para centenas de megabytes.

Identificar o tipo de PDF é o primeiro passo para selecionar uma estratégia de compressão. Primeiro, distinga se o documento é um documento digitalizado ou um documento eletrônico editável. Os documentos digitalizados consistem inteiramente de conteúdo de imagem, enquanto os documentos eletrônicos editáveis contêm texto e elementos vetoriais.

Se o documento for um documento digitalizado, você pode selecionar a compressão por re-renderização, e definir DPI para 150 e qualidade JPEG para 60. Esta configuração equilibra tamanho de arquivo e nitidez. Se o documento for um documento eletrônico editável, priorize a compressão de otimização sem perdas para preservar a nitidez original.

Se o tamanho do arquivo ainda não atender aos requisitos após a otimização sem perdas, você pode comprimir apenas as imagens incorporadas no documento separadamente, e reter as propriedades vetoriais do texto e do conteúdo vetorial para evitar o mapeamento em bits de todo o documento.