在不重新采样图像层的情况下缩放扫描的 PDF

Posted 2023-02-25

【中文标题】在不重新采样图像层的情况下缩放扫描的 PDF

【英文标题】：Scale scanned PDF without resampling image layer

【发布时间】：2012-07-16 20:51:47

【问题描述】：

我有一批由扫描页面组成的 PDF（大约 80,000 个文件）。图像层的像素大小与300dpi一致，但似乎设置为72dpi。结果，页面大小显示为 46x35 英寸。我需要调整这些文件，使它们注册为 8.5 x 11，或者它们的自然大小，并且我需要能够编写该过程的脚本，这样我就可以在 80,000 个文档（每个文档 2-5 页）上进行处理。

我想避免重新采样图像层，因为这可能会增加损失，并显着减慢处理速度。我试过了：

convert -density 300x300 input.pdf output.pdf

但它会重新采样图像。我在 ghostscript 上尝试过不同的变体，例如

gs \
  -o output.pdf \
  -sDEVICE=pdfwrite \
  -dDownsampleMonoImages=false \
  -dMonoImageResolution=300 \
   input.pdf

这会生成一个文件，但它似乎没有改变，并且仍然注册为超大。此外，页面的大小和方向不同。因此，将它们全部强制为一种尺寸/方向是行不通的。

（仅供参考，我真的不在乎，但下一步是让所有这些文件都使用 Acrobat Pro OCR，它的 OCR 会在超过 45 英寸的任何东西上阻塞。）

【问题讨论】：

听起来您只需要重置分辨率设置，而不是实际重新采样。我应该认为 GhostScript 将是要走的路，而不是 ImageMagick - 尽管我担心我不知道如何。祝你好运！

【参考方案1】：

PDF 是一种独立于分辨率的格式，因此图像的分辨率等无关紧要。页面的“自然大小”是 Acrobat 所说的，这是从文件中的 MediaBox（或 CropBox）信息收集的。

在我看来，原来的 PDF 转换有问题，文件确实是他们现在声称的（媒体）大小。

我怀疑你可能会得到你需要的结果；您“只是”需要调整文档的大小。问题是，在媒体尺寸不同的地方（你说他们确实如此），这并不是微不足道的。

但是，在继续之前，我建议您获取一个您希望为 8.5x11 的文件并尝试以下操作：

gs -dBATCH -dNOPAUSE \
   -sDEVICE=pdfwrite \
   -dDEVICEWIDTHPOINTS=612 -dDEVICEHEIGHTPOINTS=792 \
   -dFIXEDMEDIA \
   -dPDFFitPage \
   -sOutputFile=output.pdf \
    input.pdf

这将修复正在使用的媒体为 8.5x11，并告诉 Ghostscript 调整文档大小以适合页面（通过计算和应用比例因子）。除了压缩，它应该不会影响图像数据，如果有彩色图像我们可能需要担心 JPEG 伪影，但可以单独处理。

【参考方案2】：

cpdf -scale-pages usletterportrait in.pdf -o out.pdf

除了将其包装在转换矩阵中以进行缩放之外，不接触页面内容，并且还缩放媒体/裁剪/艺术/出血/修剪框。

（商业，恐怕：

http://www.coherentpdf.com/

免责声明：我写的。）

【讨论】：

至少放一张你应用相关操作的截图……：P

【参考方案3】：

像这样修改你原来的gs命令：

gs \
  -o output.pdf \
  -sDEVICE=pdfwrite \
  -dPDFFitPage \
  -g6120x7920 \
   input.pdf

然后检查两件事：

页面尺寸现在显示为“字母”（或 612x792 磅或 8.5x11 英寸）。 文件大小与原始文件大小仅略有不同（表明未对页面图像进行重新采样）。

如果输入是仅以灰度扫描的文档（看起来是这样），则无需设置-dDownSample*Images 或设置-d*ImageResolution。