MRC तकनीक PDF का आकार कैसे कम करती है

पीडीएफ प्रारूप ने दस्तावेजों को सहेजने के साधन के रूप में लंबे समय तक जड़ लिया है, जिसे तब संपादित नहीं किया जाना चाहिए। सभी पीडीएफ फाइलों को दो वर्गों में विभाजित किया जा सकता है। पहला दस्तावेज़ है जो डिजिटल रूप से संकलित किया गया है, और फिर पीडीएफ में परिवर्तित हो गया है। कुछ डिवाइस के लिए निर्देश सबसे अधिक संभावना है कि ऐसी एक फ़ाइल होगी। अंदर, यह पाठ और ग्राफिक्स प्लस स्वरूपण कमांड जैसा दिखता है जो बताता है कि किसी पृष्ठ पर तत्वों को कैसे व्यवस्थित किया जाए।

दूसरे वर्ग को कागज छवियों को स्कैन करने के परिणामस्वरूप प्राप्त दस्तावेज हैं। आप उन्हें ABBYY FineReader के माध्यम से छोड़ सकते हैं, और वे पहले प्रकार में बदल जाएंगे, या आप बस चित्रों के रूप में पीडीएफ में उन्हें सहेज सकते हैं। और यह अक्सर इसका उपयोग करने के लिए समझ में आता है जब आप दस्तावेज़ के मूल रूप को रखना चाहते हैं। इस तथ्य के बावजूद कि एबीबीवाई फाइनएडर दस्तावेजों को काफी अच्छी तरह से पहचानता है, मान्यता त्रुटियां होती हैं, पृष्ठ पर कुछ महत्वपूर्ण तत्व नहीं पाए जाते हैं, सामान्य रूप से, जो प्रतीत होता है वह मूल दस्तावेज से कुछ अलग है।

इसलिए, यह अक्सर पीडीएफ में मूल छवि की छवि को बचाने के लिए समझ में आता है, और इसके तहत मान्यता प्राप्त पाठ को जगह देता है ताकि आप कीवर्ड द्वारा दस्तावेज़ पा सकें या कॉपी-पेस्ट का उपयोग कर सकें। केवल एक बिंदु शर्मनाक है - इस तरह की पीडीएफ फाइलों का आकार बड़े आकार का होता है, जो प्रति पृष्ठ आधे मेगाबाइट से या अधिक है। तदनुसार, यदि आप मटैलिसिस पर एक मध्यम आकार की पाठ्यपुस्तक को स्कैन करते हैं, तो आपको 200 की मेगाबाइट फ़ाइल मिलती है।



इस आकार को इस तथ्य से समझाया गया है कि पीडीएफ के अंदर, स्कैन की गई, बिटमैप छवियां पारंपरिक चित्र कोडेक्स, जेपीईजी, जेपीईजी2000, एलजेडडब्ल्यू या जिप के साथ संकुचित होती हैं। तदनुसार, यह ऐसे पृष्ठों के लिए मौजूद सामान्य JPEG फ़ाइलों से कम नहीं है। आकार को कम करने के लिए, वे आमतौर पर विभिन्न ट्रिक्स का सहारा लेते हैं - वे रिज़ॉल्यूशन को कम करते हैं, छवि के संपीड़न को बहुत कम करते हैं, जिसके परिणामस्वरूप इस तरह के पीडीएफ में पाठ की गुणवत्ता ग्रस्त होती है।

या फिर आपको पीडीएफ को छोड़ना होगा और DjVu में सब कुछ बचाना होगा। परिणाम एक छोटा आकार है, लेकिन वास्तविकता यह है कि परिणामी फ़ाइल के सभी उपयोगकर्ता इसे आसानी से नहीं पढ़ सकते हैं - आखिरकार, Adobe Acrobat को DjVu दर्शक की तुलना में बहुत अधिक संख्या में कंप्यूटर पर स्थापित किया गया है।
और फिर पीडीएफ एमआरसी प्रौद्योगिकी ("मिश्रित रेखापुंज सामग्री" से) बचाव के लिए आता है - एडवो का DjVu प्रारूप में उत्तर। यह एक ही पीडीएफ है, लेकिन DjVu से कई तत्वों को उधार ले रहा है, और सभी लोकप्रिय पीडीएफ पाठकों द्वारा पढ़ा जा सकता है। MRC का उपयोग करते समय, स्कैन की गई छवि की गुणवत्ता को बनाए रखते हुए पृष्ठ का आकार 4 गुना कम हो जाता है। यह छवि को परतों में विभाजित करने और सबसे उपयुक्त कोडेक के साथ प्रत्येक परत को संपीड़ित करने के निर्णय के कारण है। पाठ को JBIG2 कोडेक द्वारा संपीड़ित किया जाता है, बाकी सब कुछ अलग गुणवत्ता के साथ JPEG / JPEG2000 / ZIP का उपयोग करके संपीड़ित किया जाता है।

PDF के अंदर MRC कैसे होता है? एक सरल उदाहरण पर विचार करें, और फिर धीरे-धीरे इसे जटिल करें।
हमारे पास काले पाठ के साथ एक सफेद पृष्ठ का एक स्कैन है, उदाहरण के लिए, एक पुस्तक के पृष्ठ (सभी चित्र क्लिक करने योग्य हैं)।

स्कैन, जेपीईजी, 1.2 एमबी



उपयोगी जानकारी - केवल अक्षर, बाकी सब कुछ अनदेखा किया जा सकता है। उदाहरण के लिए, पृष्ठ पर सभी पाठ ढूंढें, ललितर को लॉन्च करना और पृष्ठ को पहचानना तार्किक है। फिर हम एक अलग परत में पाए गए सभी पाठ का चयन करते हैं, और इसे JBIG2 कोडेक का उपयोग करके संपीड़ित करते हैं। हम काले और सफेद फैक्स कोडेक CCITT4 के लिए JPEG के लिए प्रति पृष्ठ 400 और 200 के लिए 50 किलोबाइट्स प्राप्त करते हैं।

JBIG2 विशेष रूप से पाठ को संपीड़ित करने के लिए डिज़ाइन किया गया है। काम पर, वह समूहों में अक्षरों की बाहरी समान छवियों को जोड़ती है। उदाहरण के लिए, ऐसे समूहों के उदाहरण सभी अक्षर 'a' समान आकार के एक ही फ़ॉन्ट में मुद्रित होते हैं। उदाहरण के लिए, थोड़ा अलग अक्षर 'ए', स्कैनिंग से विकृतियों के साथ, या एक अलग फ़ॉन्ट में मुद्रित होने के साथ, अन्य समूहों में गिर जाएगा। परिणाम एक शब्दकोश है जिसमें सामान्य समान अक्षर संयुक्त होते हैं। फिर प्रत्येक अक्षर के लिए इसका स्थान याद किया जाता है। यह बहुत कॉम्पैक्ट निकलता है।

JBIG2, 50 Kb। अतिरिक्त जानकारी के साथ PDF का आकार 80 Kb है



अब कार्य को जटिल करते हैं। हमारे पास एक असमान पृष्ठभूमि है जिसे हम खोना नहीं चाहते हैं।

टिफ़, 500 Kb



इसके लिए हमें दो परतों की आवश्यकता है। इनमें से पहला अभी भी JBIG2 द्वारा पाठ संपीड़ित होगा। और दूसरी परत में अक्षरों को काटने और उनमें से छिद्रों को भरने के बाद मूल छवि के अवशेष सब कुछ गिर जाएगा। हम जेपीईजी का उपयोग करके दूसरी परत को बहुत दृढ़ता से संपीड़ित कर सकते हैं, क्योंकि इसमें आमतौर पर विशेष रूप से मूल्यवान जानकारी नहीं होती है।

परिणामी PDF का आकार 35 KB बनाम 190 है, जिसे हमने JPEG में पूरी तस्वीर को संक्षिप्त करके प्राप्त किया होगा।

पाठ, JBIG2, 18 Kb



बैकग्राउंड, 11 Kb, जेपीईजी



फाइनल पीडीएफ एमआरसी, 35 Kb



अगली जटिलता। अब तक, हमारे पास केवल आउटपुट ब्लैक और व्हाइट टेक्स्ट है। अब हम रंगीन पाठ से मिलेंगे।

टिफ, 700 केबी



पहले की तरह, हम टेक्स्ट को काले और सफेद JBIG2 कोडेक के साथ दबाते हैं, लेकिन रंगीन अक्षरों के नीचे हम तथाकथित रंग मास्क लगाते हैं - एक और परत जो अक्षरों द्वारा बनाई गई "स्लॉट" में दिखाई देती है। इस परत में कुछ रंग होते हैं और पूरी तरह से पैक होते हैं, उदाहरण के लिए, जिप का उपयोग करना।

पाठ, JBIG2, 11 Kb



रंग मास्क, ज़िप, 3 Kb



टेक्स्ट + कलर मास्क इस तरह दिखता है:



पृष्ठभूमि, जेपीईजी, 40 Kb



बैकग्राउंड कम्प्रेशन के साथ, यह अति नहीं है कि इसे - टेक्स्ट को पहचाना नहीं जा सकता क्योंकि टेक्स्ट उस पर गिर सकता है। और अगर हम इसे बहुत अधिक संपीड़ित करते हैं, तो ऐसा पाठ पढ़ना मुश्किल होगा।

फाइनल पीडीएफ एमआरसी, 60 Kb



तो, पहले से ही 3 परतें हैं: पाठ, एक रंग मुखौटा जो पाठ, और पृष्ठभूमि को पेंट करता है। यह उन तत्वों से निपटने के लिए है जो न तो पाठ और न ही पृष्ठभूमि हैं। उदाहरण के लिए, ये चित्र या तस्वीरें हैं। उनके साथ कुछ भी विशेष नहीं किया जा सकता है, और हम सिर्फ उन्हें पृष्ठभूमि में जोड़ते हैं, उच्च गुणवत्ता के साथ JPEG या JPEG 2000 को संपीड़ित करते हैं।

टिफ, 600 केबी



पाठ, JBIG2, 25 Kb



रंग मास्क, ज़िप, 5 Kb



पृष्ठभूमि, जेपीईजी, 40 Kb



PDF MRC तैयार है। इसमें कई परतें होती हैं, जिनमें से प्रत्येक में चित्र के विभिन्न टुकड़े होते हैं और सबसे उपयुक्त कोडेक द्वारा संपीड़ित होता है।

फाइनल पीडीएफ एमआरसी, 72 Kb



बेशक, ऐसी छवियां हैं जो एमआरसी का उपयोग करने से आकार में लाभ नहीं करती हैं। उदाहरण के लिए, उस तरह की लैंडस्केप तस्वीर को संपीड़ित करने की कोशिश करना, जिसका कोई मतलब नहीं है, जेपीईजी से कम है। या कई छोटे विवरण युक्त पृष्ठभूमि पर मुद्रित पाठ।

ऐसी तस्वीर से पीडीएफ एमआरसी काम नहीं करेगा



हालांकि, रोजमर्रा के जीवन में मिलने वाले कई दस्तावेजों के लिए, एमआरसी उत्कृष्ट परिणाम देता है।

और अंत में, PDF MRC के कुछ उदाहरण, जो ABBYY FineReader, ABBYY FineReader Engine या ABBYY मान्यता सर्वर का उपयोग करके प्राप्त किए जा सकते हैं:

पीडीएफ, जेपीईजी	पीडीएफ, एमआरसी
524 Kb	218 Kb
618 Kb	175 केबी
412 Kb	113 Kb

कुल में, हमें एक ही गुणवत्ता के साथ 2-6 बार संपीड़न मिलता है, और यह सीमा नहीं है। पीडीएफ एमआरसी अभी भी एक बहुत ही युवा तकनीक है, और इसका विकास जारी है। गुणवत्ता में सुधार की दिशा में सुधार होगा, और आकार को कम करने की दिशा में।

इस लेख में सभी पीडीएफ उदाहरण ABBYY FineReader Engine 10, डिफ़ॉल्ट सेटिंग का उपयोग करके प्राप्त किए गए हैं।

वसीली पानफेरोव,
डेवलपर उत्पाद विभाग