Dotaz: komprese pdf

[JoK1955]

Zdravím všechny Mám dotaz prosbu. Potřeboval bych zmenšit velikost pdf, které vzniklo scanováním. Originál velikost je 21MB (jsou to regionální noviny A4 8 stran). Pokud použiji ghostscript, podaří se mi udělat 19MB... šlo by to ještě více? Výsledek se bude číst pouze na obrazovce. U novějších ročníků mám k dispozici pdf generované z DTP, originál velikost 4,5MB, po kompresi gs 1,1MB. Díky za každou radu (JoK)

---

---

Odpovědi

[Beda0]

Zkusil bych, jestli to půjde převést na text pomoci OCR, ale většinou je potřeba to ručně doladit...

[dustin]

Na podobné činnosti se mi osvědčil gscan2pdf. Změnit rozlišení vícestránkového obrázkového PDF je v něm snadné, stejně jako skenování více stránek postupně nebo hromadně podavačem do jednoho PDF, změna pořadí stránek, nastavení rozlišení (tedy velikost) výsledného PDF - prostě funkce nezbytné k přípravě dokumentů pro zaslání datovou schránkou.

[JoK1955]

Děkuji za reakce... ale mám nascanovány tyto noviny od roku 1989, ročně 25 čísel, 6-10 stran, takže znovu scanovat nepřichází v úvahu. Také externí program nechci, chtěl bych to pustit v cyklu a nechat běžet. Našel jsem následující řešení:

pdf2ps source.pdf outfile.ps

ps2pdf outfile.ps target.pdf

Z 21MB dostanu velký .ps, ale pak 11MB pdf, což je asi konečná. Zkusil jsem nastavit i parametr -dPDFSETTINGS=/screen , ale to vyleze 19MB. Nechávám proto default. Ještě jednou díky (JoK)

[dustin]

Ten gscan2pdf nemusí skenovat, umí načítat i libovolný počet PDF. A při uložení si nastavíš finální rozlišení. Přesně tak jsem to testoval.

Ale pokud potřebuješ skriptovat, není co řešit. Nicméně jsem si nevšiml, že bys v tvém řešení někde nastavoval rozlišení. Ten ps2pdf stejně interně používá ghostscript (má stejné parametry) a tomu určitě rozlišení nastavit jde - viz http://pages.cs.wisc.edu/~ghost/doc/AFPL/6.50/Ps2pdf.htm - parametr r. Nezkoušel jsem, ale určitě to nějak jde. Tím se můžeš dostat na podstatně menší velikosti výsledných souborů, samozřejmě výměnou za horší kvalitu, leč na obrazovku i takových 150dpi může stačit.

[Šangala]

A co tak něco jako:

gs -sDEVICE=psmono -r72x72 -dNOPAUSE -dBATCH -sPAPERSIZE=a4 -sOutputFile=out.ps filein.pdf
gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -sOutputFile=fileout.pdf out.ps

kde s -r můžete cvičit a DEVICE lze zaměnit za třeba psgray

[JoK1955]

Úžasné! Fakt jsem byl přesvědčen, že se pod 11MB nedostanu. Smekám! Nastavil jsem

gs -sDEVICE=psgray -r150x150 -dNOPAUSE -dBATCH -sPAPERSIZE=a4 -sOutputFile=compres/outfile.ps nn$rr$i.pdf

gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -sOutputFile=compres/nn$rr$i.pdf compres/outfile.ps

a je to na obrazovce krásně čitelné a soubor má 3MB!!! Díky moc. (JoK)

[Jaroslav Grygar]

Zkusil bych jít s nastavením ještě níž. Kdysi jsem četl, že rozlišení monitoru je 75 dpi. Trochu jsem goglil
http://www.volny.cz/mpdigi/info/dpi.htm
Zkusil bych 75 popřípadě 72 dpi, jak to bude vypadat. U obrázku obecně platí poloviční dpi = čtvrtinová velikost.
10 x 10 = 100
5 x 5 = 25

[petr_p]

Rozlišení monitoru si můžete přečíst příkazem xdpyinfo (za předpokladu, že monitor o sobě nelže). Nebo si prostě vezměte pravítko a jednotlivé počty pixelů podělte naměřenou výškou a šířkou obrazu.

[JoK1955]

Zůstal jsem na 96x96, 72x72 je takové trošku mlhavé )) Viz: http://pdf.nasenoviny.net/nn9125_72x72.pdf

http://pdf.nasenoviny.net/nn9125_96x96.pdf

Když už jste mi, pánové takhle sqěle podali prst, dovolím si ještě jeden, resp. dva dotazy na dané téma:

Tohle je novější pdf, generované z DTP (Mac, program Quark Xpress) http://pdf.nasenoviny.net/nn0925_txt.pdf

Při použití komprese se tam nahrazují fonty a nevypadá to hezky (ale může to tak zůstat). Dalo by se nahrazování vypnout a převést to na image?

A ještě.... něketrá novější pdf mají pár stránek barevných. Sice jsem byl rozhodnut generovat vše jako černobyl, ale když se takhle daří Zkusil jsem jako sDEVICE uvést pswrite a vyjde zase obrovský soubor...

Díky za rady (JoK)

[Šangala]

Těch zařízení může být roj, zde je seznam.
A třeba tuna je spusta informací.
Zkuste raději (pro tento případ) psrgb, ale netestoval jsem to.

[JoK1955]

Vyzkoušel jsem různé postupy slučování a komprese pdf, jak pomocí gs (ghostscript) tak pomocí pdftk (sloučení pdf dokumetů do jednoho). Kompresi jsem zkusil také pomocí pdf2ps a zpět ps2pdf. Uvádím k čemu jsem došel, kdyby někdo řešil podobné zadání. Nejlépe mi vyhovuje (a nejmenší soubor pdf dělá)

Sloučení:

gs -dNOPAUSE -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS="/default" -sOUTPUTFILE=completpdf/outnn$cc.pdf -dBATCH nn$cc*.pdf

Komprese

gs -sDEVICE=psrgb -r96x96 -dNOPAUSE -dBATCH -sPAPERSIZE=a4 -sOutputFile=completpdf/outfile.ps completpdf/outnn$cc.pdf

gs -sDEVICE=pdfwrite -dNOPAUSE -dBATCH -sOutputFile=completpdf/nn$cc.pdf completpdf/outfile.ps

Vytvoreni náhledu jpg první stranky

convert -size 120x120 nn$cc"01.pdf" -resize 120x220 +profile '*' completpdf/images//nn$cc"01.jpg"

Note: Tady jsem zkoušel i gs, ale nedaří se mi. Uvedený příkaz vygeneruje „jen“ levý spodní roh o velikost 200x200 
		gs -s DEVICE=jpeg -r96x96 -g200x200 -dNOPAUSE -dBATCH -sOutputFile=images/nn$rr$i"01.jpg" images/nn$rr$i"01.pdf"

Moc díky všem za návody a trpělivost ) JoK

[Ivan]

Pdf se vlastne skada ze dvou jazyku. Jeden je textovy a popisuje strukturu dokumentu.

Druhy popisuje obsah stranky, ten je vlastne taky textovy, ale je komprimovany. Takze pak v PDF vidis fragmenty ASCI textu a mezi tim binarni data. Pro kompresi obsahu stranky(i kdyz je to jen text) si muzes vybrat z nekolika algoritmu. Stejne tak pokud je na strance obrazek tak muze byt ulozen jako bitmapa, jpeg, png a kdo vi co jeste. Nejsem si uplne jistej, ale muslim ze u nejaky vyssi verze PDF se mluvilo o tom, ze by pouzili a standartizovali nejaky kompresni algortimus, ktery se specializuje na kompresi FAXU a oscanovanych textu.

[Sten]

Převedl bych to z PDF na komprimovaný (nejlépe černobílý) TIFF.

PDF generované z DTP není obrázek jako je sken, ale jakýsi popis, kde se nachází jaký text. Text lze komprimovat snadno a sám o sobě nezabírá moc místa. Můžete zkusit nějaké OCR, ale těžko říct, nakolik si poradí s formátováním.