四页扫描PDF压缩实测,怎样保住细字

在工位看世界 / 工具实测 · PDF压缩 / 02

2026.11.10 · 工具实测五篇

浏览器新版实测：同一份20.15 MiB、四页原件，150 dpi／质量75输出775378字节，约0.74 MiB；实际下载后独立核对仍为四页。下文三档曲线对应先前Python实验，按各自编码方法读取。

四页20.15 MiB扫描样本，三档压缩与细字对照。用实测区分文件体积、像素误差和真正可读性。

AI辅助原创文字版式封面，非软件界面。

四页彩色扫描件，原文件20.15 MiB，处理后可以变成1.14 MiB，也可以继续压到0.38 MiB。但在同一处放大观察，最小的版本已让复杂汉字和小数点变得吃力。文件变小并不难，难的是让读者、审核人和下一道处理程序仍能看清需要的信息。

11月10日，我们用自建样例做了一组实际压缩：中文正文、浅灰表格、金额和连续色调插画放在同一份扫描型PDF里，比较三组分辨率与JPEG质量设置，再单独改变JPEG质量。实测使用本栏目自制脚本；PDF24的官方免费离线入口另供需要图形界面的读者选择，以下数字不代表PDF24软件的测试成绩。

一、先判断文件里装的是页面照片，还是文字

PDF只是容器。两份看上去相同的文件，内部可能完全不同：一份保存文字、字体和线条，另一份只是把每页作为一张图片装进去。前者通常可以直接选择文字，后者若未做文字识别，搜索一句话也可能找不到。

这一区别决定处理方式。把整页变成较小图片，适合某些扫描件，却会损失原有文字层、交互表单和批注等信息。本次脚本先检查输入；发现可提取文字、表单结构、批注或附件时，就拒绝按扫描件重建，避免把正常电子文档当成照片处理。

这项检查是一个入口筛选，不能替代对所有PDF对象的完整审计。真正开始前，仍应保留原件，确认文件确实用于阅读传输，而非需要签名验证、编辑或保留完整档案结构的用途。处理后的版本应另存，原始文件继续保留。

我们特意选择没有文字层的样本，四页处理前后可提取文字数均为零。这意味着实验只检验图像压缩，没有顺便完成OCR。若工作要求能够全文搜索，应把文字识别作为另一道任务安排，不能把压缩成功理解为文件已经可检索。

二、用同一份样例，让设置之间可以比较

测试样本为四页A4彩色页面，原始图像按300 dpi制作，包含约9磅正文、约6磅细字、浅灰表格线、复杂汉字及“0.35、8.06、36.80”等数字。连续色调区域采用本栏目已有的AI概念插画，明确标注其并非现场照片。所有金额和业务名称都是自建测试数据。

样本原件为21128672字节，约20.15 MiB。这里采用二进制单位，一MiB等于1048576字节，避免把不同界面显示的“兆”直接混用。三档输出都保持四页和原页面尺寸；区别来自每页图像的像素数量与编码质量。

三组设置分别为200 dpi与质量85、150 dpi与质量75、100 dpi与质量50。为方便识别，我们将它们称为高保留、均衡和小体积；这些名称只用于本次实验，不是软件统一标准，也不意味着某档适合所有扫描件。

实验环境为Windows，使用现有的PDF渲染与文档库在本地处理，没有上传样本。记录包含字节数、运行时间、页数、图像尺寸及文字提取检查，读者可以在交付的测试记录和参数中核对同一套条件。

自建四页扫描PDF实测体积，单位MiB，2026年11月10日；各档DPI与JPEG质量见正文。

三、体积下降很明显，原因不只是质量滑块

实测200 dpi、质量85输出约2.23 MiB，150 dpi、质量75约1.14 MiB，100 dpi、质量50约0.38 MiB，相对原件分别减少约88.94%、94.34%和98.10%。图中的柱形是实际文件体积，不能解释为同等幅度提升了阅读或处理效率。

分辨率同时影响宽和高。页面从300 dpi降到150 dpi，两个方向的采样密度都下降，像素总量约为原来的四分之一；再使用有损编码，才共同形成明显的体积变化。原件包含无损保存的连续色调图片，也给后续压缩留下了较大空间。

因此，不能把本次比例推广到已经压过的JPEG扫描件。已有文件若本来就小，重复有损编码未必值得，甚至可能只是让细节变差。先看原件的构成，再决定是否有压缩空间，比照搬一个百分比更重要。

本次三档单次处理约为0.78秒、0.49秒和0.31秒，计时覆盖主要渲染与重建过程，不包含样例生成及后续校样。四页小样本不能代表长文件，也不是不同工具的速度排名；它主要说明这些设置在本机能实际完成。

固定150 dpi，仅改变JPEG质量；PSNR为第一页面指定连续色调区域，非OCR或读字准确率。 横轴按实际Q值、纵轴按明确刻度绘制。

四、固定分辨率，再看JPEG质量究竟改变什么

第一轮同时调整了两个变量，不能据此分离各自贡献。因此，第二轮固定150 dpi，只把JPEG质量设为40、60、80和95。四页文件分别约648、923、1311和2481 KiB，质量越高，体积在这组样本中越大。

我们还把输出重新渲染到统一尺寸，在第一页面的同一连续色调区域比较像素误差，计算峰值信噪比，即PSNR。四档结果约为28.0、28.7、29.5和30.3 dB。它显示了这块图像区域的误差变化，并不直接告诉我们某个汉字是否能认对。

图中最值得注意的是取舍：从质量80升到95，文件体积明显增加，而这一选定区域的PSNR提升较有限。是否值得，要由用途决定。若只需要看示意图片，追求更高数值未必有必要；若原件包含细密纹理，也应另看实际画面。

质量参数不是跨软件可直接通用的刻度。本次采用的编码方式、色彩采样和图像内容都影响结果，不能据“质量75”这一名称，认定另一款软件会得到相同大小和观感。

最终PDF均按300 dpi渲染后的同位置局部；样本文字和金额自建，按实际输出展示，非软件界面。

五、决定能不能交付的，往往是最不起眼的一行

局部对照统一从最终PDF按300 dpi渲染，再裁取相同位置。200 dpi档的复杂汉字和数字比较清楚；150 dpi档能看到边缘软化；100 dpi档的细字出现明显模糊，部分细笔画与小数点需要更费力辨认。这个观察比只看整页缩略图更接近审核任务。

整页图片即使显得干净，关键内容仍可能失去可用性。文件中的金额、日期、图号和计量单位通常占很小面积，却可能决定材料是否被正确理解。检查时，应选最小字体、最浅线条和最密集数字，而不是只挑醒目的标题。

本次没有把人工观察换算成识字正确率，也没有运行OCR来评估识别结果。PSNR和体积数据提供比较条件，局部图帮助观察细节；真正用于业务交付，还需要按原任务逐项核读关键内容。

如果只是手机快速浏览，均衡档可能是一个可尝试的起点；如果需要打印、放大审图或识读细小注记，就应从更高保留档开始检查。设置应由最难读的内容决定，而不是由附件限制允许的最小数值决定。

六、需要免费界面时，先找官方离线版本

除配套离线HTML外，也可查看PDF24 Creator官方页面。页面说明它是Windows离线软件，提供PDF压缩等功能，可免费用于个人和商业场景，文件保留在电脑上；本次查阅时页面列出的版本为11.33.0，日期为11月6日。[1]

本机没有安装PDF24，本次也没有为测试安装虚拟打印机或其他系统组件。因此，我们没有给出它的界面操作截图、压缩比例或功能优劣结论。官方页面用于核对下载来源与功能范围，是否适用仍需在自己的副本上验证。

选择在线或离线工具时，文件内容应进入决策。若资料含有合同、个人信息或内部业务数据，应先按所属单位要求确定可用环境。离线处理可以避免上传这一环节，但保存位置、共享方式和交付对象仍需自行管理。

七、把压缩变成可以重复的交付流程

公开包包括扫描PDF离线压缩器、使用指南、四页样例、三档历史结果及浏览器实际输出。普通使用直接打开HTML、选择PDF、设置参数并下载；处理后的文件另存到浏览器下载目录。改变参数后，重新查看最终文件的页数、数字和细字。

一条实用流程是：保留原件，确认文件类型，选择初始设置，核对页数和页面尺寸，再检查关键细字与数字，最后确认接收方能正常打开。如果某档文件超限，可以逐步调整；如果已损失必要信息，应回到原件提高保留程度。

本次实验的结果并非“越小越好”，而是一条可见的边界：在同一份扫描样本上，体积可以大幅下降，但小体积档对细字的影响也更明显。把大小限制与实际阅读任务放在一起检查，压缩才从一次点击变成可靠的交付。

八、用接收方的任务，确定最后一档设置

假设接收方的附件上限约为两MiB，本样例的均衡档已经满足大小条件，就没有必要仅为了数字好看继续追求小体积档。接下来应问的是，对方是否需要打印，是否会放大表格，是否要识别细小数字。大小合格只是通过了一道门槛，内容仍需接受另一道检查。

对需要核对凭证的人，可以先选出最重要的几类信息作为交付检查点，例如金额的小数位、日期、编号和表格边界。先在原件确认正确文字，再在输出中查看同一位置；没有原件作参照，模糊数字有时会被读者下意识补成自己熟悉的内容，难以及时发现问题。

如果后续还要识别文字或提取表格，应把同一份输出送入实际的下一道程序，核对关键字段，而非假设肉眼大致能看就是机器也能提取。反过来，程序提取成功，也不自动证明打印或手机阅读足够清楚。不同用途对应不同验证对象，应在交付前明确。

最后保留设置与文件之间的对应关系。本次文件名包含分辨率和质量参数，记录中保存字节数与时间，便于下一次选择。这样做的价值不是把一次小样本变成永久标准，而是当接收方说“数字不清楚”时，能够回到原件调整，并解释这次究竟改变了什么。