在 Adobe Acrobat 中（如果有必要的话，我使用 Pro DC），有三个 OCR 选项：
- “可搜索的图像”。
- “可搜索图像（精确）”。
- “可编辑的文本和图像”。
这三个选项有什么区别？
具体来说，是什么决定了输出文件的大小？现在我一直在运行第 1 和第 3 个选项，似乎有时一个较大，有时另一个较大（并且差异可能很大）。
OCR 处理的质量、文件大小和速度之间的权衡是什么（如果有的话）？
答案1
Adobe 帮助文章 将纸质文档扫描为 PDF，识别文本 - 常规设置对话框部分，将扫描模式定义为：
可搜索图像
确保文本可搜索和选择。此选项保留原始图像，根据需要对其进行倾斜校正，并在其上放置一个不可见的文本层。同一对话框中的“降低图像采样”选项决定是否降低图像采样以及降低到何种程度。
可搜索图像（精确）
确保文本可搜索和选择。此选项保留原始图像并在其上放置一个不可见的文本层。建议用于需要最大程度保真原始图像的情况。
可编辑文本和图像
合成一种与原始字体非常接近的新自定义字体，并使用低分辨率副本保留页面背景。
下采样至
OCR 完成后，减少彩色、灰度和单色图像中的像素数。选择要应用的缩减采样程度。数值越高的选项缩减采样越少，生成的 PDF 分辨率越高。
我将分析这些选项对输出文件大小的影响。
所有选项均保留图像，这可能是一个很大的物体。
可搜索图像旋转图像，这可能会改变其大小，使其变大或变小，具体取决于 Adobe 内部使用的图像重新编码方法
下采样至可以降低图像分辨率，从而减小其尺寸，但获得（或丢失）的空间量取决于 Adobe 内部使用的重新采样方法。
可编辑文本和图像合成一种新字体，然后将其包含在 PDF 中，并将在输出大小上增加几十 K 字节。
总而言之，没有明确的方法来创建最小的 PDF。增益（或损失）量取决于进行 OCR 的图像以及 Adobe 重新压缩图像的效率。
如果是为了节省空间，我建议使用可编辑文本和图像，但正如本文所述 Adobe Acrobat 文章，在设置中指定“使用可用的系统字体”，这样可以避免使用自定义字体。如果 OCR 文本足够，您也可以删除图像。
答案2
我对三种 OCR 类型做了一个小测试：
- 可搜索图像（精确）
- 可搜索图像
- 可编辑的文本和图像
我有一个 40 页（20MB）的 PDF，结果显示如下：
忽略 OCR 背后的机制及其对 PDF 保真度的影响。它看起来像可搜索图像（精确）是最快的 OCR，而可编辑的文本和图像耗时最长，但 OCR 后文件大小显著减小。
希望这会有所帮助！