问题
我有很多旧书想要扫描和数字化。为此，我使用了一些平板扫描仪，xsane并且GImageReader效果很好。
几年前，当我还在使用 Windows 做这样的事情时，我使用了ABBY Fine Reader，我也很高兴，但它在 Linux 上不可用。
现在，比较我现在创建的 PDF 和以前创建的 PDF，我发现今天的文件要大得多。
通过 ABBY，我曾经获得 50-60 页的 PDF，文件大小在 10-50 MB 之间，我认为这是可以接受的。如今，我的 PDF 文件有 50-60 页，文件大小为 150+ MB，这在智能手机上阅读时不太有用。
我使用相同的扫描设置，即：
- A4页
jpg压缩- 300 dpi
- 封面的彩色扫描
- 所有内页的灰度扫描
我认为尺寸差异与 ABBY 使用一些商业魔法来智能地进行图像压缩有关，而 GImageReader 没有。也许他们识别非空区域（插图和文本块）并以更高的质量保存它们，同时积极压缩“背景图像”或类似的东西 - 或者也许他们只是能够识别某些页面是灰度的，而其他页面是灰度的彩色的，这种区别可能会在 上丢失GImageReader。我真的不知道，但我很想了解它。
我尝试过的
从那时起，我开始尝试各种 PDF 压缩方法。大多数在线指南建议使用gs或pdftk，我都尝试过。就我的具体情况而言，我观察到以下几点：
- 选项 1：
gs对于pdf->pdf.和/printer设置/prepress根本不会减小文件大小，/screen并且/ebook设置会导致图像质量显着下降。 - 选项 2：
gsforpdf->ps然后ps->pdf。这会导致文件大小显着减少（我不明白为什么这与选项 1 有什么不同，但无论如何），我对这个选项很满意，直到我注意到显然文本的字形在翻译中丢失了。当我从 PDF 中复制和粘贴文本片段时，结果是一些类似 wingdings 类型的乱码，而我可以从原始 PDF 中复制和粘贴文本，所以这是一个禁忌。 - 选项 3：
pdftk对于pdf->pdf.这似乎根本没有减少文件大小。
现在做什么
我有点不明白 PDF 压缩技术怎么可能产生如此截然不同的结果。我正在寻找一种在 Linux 下运行的工具（最好是 FOSS，但我也愿意选择价格实惠的商业产品），并提供扫描和 OCRd PDF 的显着 PDF 压缩，而与 300dpi A4 JPG 相比，质量不会出现明显损失。
答案1
我认为尺寸差异与 ABBY 使用一些商业魔法来智能地进行图像压缩有关
不要假设，要调查。 PDF 格式为有据可查，阅读详细信息。在编辑器中打开 PDF 文件（或仅使用less），查看页面的实际编码方式，并找出差异。或者安装一个类似于命令行工具的包mutools，可以提取 PDF 文件的部分内容。
PDF 中的图像将占用不同的空间量，具体取决于其存储的分辨率（可能与扫描时使用的分辨率相同或不同）和压缩算法。
标准压缩按照标准是方法是
- ASCII 十六进制解码
- ASCII85解码
- LZWDecode (Lempel-Ziv-Welch) 。
- FlateDecode (zlib/deflate)
- 游程解码
以及一些可能不适用的内容。
因此，找出 ABBY 使用的分辨率和压缩方法，然后尝试找到工具来重现该方法（如果现有工具不能立即执行此操作，您可能需要修改现有工具）。
据我了解，这意味着 ABBY 使用带有 Mask 功能的 JPXDecode 过滤器来对图像进行编码，这意味着我正在寻找可以进行 JPXDecode (JPG2000?) 压缩的 linux/FOSS 替代方案。
确切地。请注意，JPG 可能不是是文本的最佳压缩方法，因为它面向照片，这意味着它无法很好地呈现文本典型的尖锐过渡。另一方面，由于这些是扫描，因此扫描时过渡可能已经本质上模糊了。
另请注意，JPG 有相当多的参数会影响压缩比与质量。
因此，在这种情况下，请使用mutools提取一些图像，使用其他工具（例如mediainfo或identify -verbose来自 ImageMagick/GraphicsMagick）来找出 JPG 图像的参数。
还有一个非常在高倍率下仔细观察解压缩的 JPG 图像，并确定质量是否足够好。
应该有很多开源工具可以根据所需的分辨率和质量从扫描图像创建 JPG 文件，但我不知道有什么工具可以将它们打包成 PDF。