Comment puis-je réduire la taille du fichier d'un PDF scanné ?

J'étais confronté au même problème et j'étais content de trouver ce fil de discussion. En particulier, j'avais un pdf généré à partir d'images numérisées, et je devais réduire sa taille en octets par un facteur de 6.

Malheureusement, aucune des solutions ci-dessus n'a fonctionné :(. Ensuite, j'ai réalisé que quelque part dans le processus scanner->jpeg->pdf la taille de la page avait été gonflée par un facteur d'approximativement 4. Les documents que j'avais numérisés étaient tous de format Lettre, mais le pdf avait une taille de

identify -verbose doc_orig.pdf | grep "Print size"
 Print size: 35.4167x48.7222

J'ai finalement obtenu les résultats souhaités avec une commande "convert" qui a effectué à la fois le redimensionnement et la compression en une seule étape :

convert -density 135x135 -quality 70 -compress jpeg -resize 22.588% doc_orig.pdf doc_lowres.pdf

Notez que doc_orig avait une densité de 72x72 dpi.

À la fin, j'ai écrit mon propre script bash pour résoudre cela, il utilise mogrify, convert et gs pour extraire des pages pdf en png, les redimensionner, les convertir en bmp 1 bit, puis les reconstruire en pdf. La réduction de la taille du fichier peut dépasser 90%. Disponible sur http://www.timedicer.co.uk/programs/help/pdf-compress.sh.php.

Si la conversion en djvu est également possible et qu'aucune couleur n'est impliquée, vous pourriez essayer ce qui suit:

Convertissez le pdf en fichiers jpg en utilisant pdfimages -j

Si vous obtenez des fichiers pbm, vous devriez effectuer l'étape intermédiaire:

for FILENAME in $(ls *.pbm); do convert $FILENAME ${FILENAME%.*}.jpg ;done

La commande de conversion provient du package imagemagick.

Ensuite, utilisez scantailor pour créer des tif.

Enfin, allez dans le répertoire de sortie de scantailor (où se trouvent les tif) et appliquez djvubind à ce répertoire.

Cela devrait réduire considérablement la taille du fichier sans grande perte de qualité du texte. Si vous souhaitez avoir un contrôle plus fin sur le backend ocr, vous pouvez essayer djvubind --no-ocr et utiliser ocrodjvu pour ajouter la couche ocr par la suite.

Si votre document contient des couleurs, les choses deviennent un peu plus compliquées. Au lieu de djvubind, vous pourriez utiliser didjvu et dans scantailor vous devrez passer en mode mixte et parfois sélectionner manuellement les images en couleur.

Charger une image ou même un fichier pdf dans Inkscape.

Depuis Inkscape: Enregistrer au format vectoriel (en tant que .svg natif).

Importer des fichiers vectoriels dans Scribus, modifier la mise en page et exporter/enregistrer en tant que .pdf depuis là

Vous pouvez essayer ceci :

$ time pdftk myFile.pdf output myFile__SMALLER.pdf compress
GC Warning: Allocation répétée d'un bloc très volumineux (taille approximative 16764928) :
    Peut entraîner une fuite de mémoire et de mauvaises performances.
Avertissement GC : Allocation répétée d'un bloc très volumineux (taille approximative 8384512) :
    Peut entraîner une fuite de mémoire et de mauvaises performances.
Avertissement GC : Allocation répétée d'un bloc très volumineux (taille approximative 11837440) :
    Peut entraîner une fuite de mémoire et de mauvaises performances.
Avertissement GC : Allocation répétée d'un bloc très volumineux (taille approximative 8384512) :
    Peut entraîner une fuite de mémoire et de mauvaises performances.
Avertissement GC : Allocation répétée d'un bloc très volumineux (taille approximative 33525760) :
    Peut entraîner une fuite de mémoire et de mauvaises performances.
Avertissement GC : Allocation répétée d'un bloc très volumineux (taille approximative 7254016) :
    Peut entraîner une fuite de mémoire et de mauvaises performances.
Avertissement GC : Allocation répétée d'un bloc très volumineux (taille approximative 34041856) :
    Peut entraîner une fuite de mémoire et de mauvaises performances.
Avertissement GC : Allocation répétée d'un bloc très volumineux (taille approximative 33525760) :
    Peut entraîner une fuite de mémoire et de mauvaises performances.

real    0m23.677s
user    0m23.142s
sys     0m0.540s
$ du myFile*.pdf
108M    myFile.pdf
74M     myFile__SMALLER.pdf

C'est plus rapide que gs mais compresse jusqu'à 30% dans ce cas pour un fichier d'entrée de 107,5 MiB.