Ghostscript 压 PDF 靠的是一句 -dPDFSETTINGS,四个预设名字看上去很好懂:screen 最小,printer 适合打印。可我拿一份 300 dpi 的扫描样本试 /printer,压完的文件反而比原来多出 1,895 字节。于是我把四个预设在两份样本上各跑了一遍,想看图到底降到多少 dpi、体积还剩多少。结论先放这儿。四个预设给彩色图定的目标是 72、150、300、300 dpi,但 Ghostscript 只在图片超过目标 1.5 倍时才动手。300 dpi 的扫描件交给 /printer 和 /prepress 等于没压。
两份样本都是我自己做的 2 页 A4。文字型那份 2,312,093 字节,正文是嵌入字体的中英文。它第 1 页放了一张 4032×3024 的照片,示例照片源自 Wikimedia Commons(CC0)。扫描型那份 2,357,639 字节,是把同样两页按 300 dpi 渲染成图再加米色底、噪点和一点模糊。它不是扫描仪扫出来的。机器是一台 Apple M4 的 Mac,Ghostscript 版本 10.07.1,查图片 dpi 用 poppler 的 pdfimages。每个预设每份样本只跑了一次,只有扫描件的 /screen 因为下面那段命令又多跑过一回。浏览器这一路我用的是图映 ImgIng imging.cn/ 的 PDF 压缩,这次它只当对照,主角是命令行。
四个预设把彩色图分别降到72到300
预设的默认参数写在 Ghostscript 自带的 .distillersettings 里,能直接读出来。彩色图和灰度图的目标是 /screen 72、/ebook 150、/printer 300、/prepress 300。黑白图对应的是 300、300、1200、1200。前三个用 Average 方式降采样,/prepress 换成了 Bicubic。/ebook 还多带一条 ColorConversionStrategy /sRGB。文字型样本里那张照片压完就从 ICC 色彩变成了普通 rgb。另有一个 /default 预设,三类图都不降采样。我用下面这段把扫描型样本过了一遍四档,再看 /ebook 的实际 dpi:
$ for p in screen ebook printer prepress; do gs -q -sDEVICE=pdfwrite -dPDFSETTINGS=/$p -dNOPAUSE -dBATCH -sOutputFile=scan_$p.pdf scan.pdf; done
$ ls -l scan*.pdf | awk '{print $5, $9}'
2357639 scan.pdf
316227 scan_ebook.pdf
2359535 scan_prepress.pdf
2359534 scan_printer.pdf
109898 scan_screen.pdf
$ pdfimages -list scan_ebook.pdf
page num type width height color comp bpc enc interp object ID x-ppi y-ppi size ratio
--------------------------------------------------------------------------------------------
1 0 image 1240 1754 rgb 3 8 jpeg no 7 0 150 150 161K 2.5%
2 1 image 1240 1754 rgb 3 8 jpeg no 13 0 150 150 145K 2.3%
/ebook 那两页从 2481×3508 变成了 1240×1754。x-ppi 和 y-ppi 都是 150,和预设对得上。pdfimages 这张表我主要看三处。width 和 height 是像素,x-ppi 和 y-ppi 是按图在页面上的尺寸换算出的有效 dpi。color 列是色彩空间。最后的 ratio 是这张图压完只剩未压缩体积的几成,第 1 页那张是 2.5%。这段输出里 /screen 是 109,898 字节。下面图里和后文用的是前一次运行,那次 /screen 是 109,894 字节。同一条命令跑两次差了 4 字节,我猜是文件里的时间戳或文档 ID 不一样,没去细查,换成 KB 两次都是 107。
这张图要看什么:第一行是原文件,下面每行一个预设,第二列是默认目标 DPI(彩色 / 灰度 / 黑白),KB 按 1024 进位。中间两列是文字型样本的照片 dpi 和体积,右边两列是扫描型样本的页面图 dpi 和体积。/printer 和 /prepress 两行的扫描型那格还是 300 dpi,体积写着 +0.1%。
文字型样本四档都压掉了七成以上
文字型样本好对付。文件体积几乎全压在那张照片上。照片在页面上只占 12 cm 宽,有效 dpi 算出来是 853。四个预设的目标都比它低得多,四档都会降。/screen 降到 72 dpi 后文件剩 70,056 字节(−97.0%)。/ebook 降到 150 dpi 后剩 107,991 字节(−95.3%)。/printer 降到 300 dpi 后剩 332,720 字节(−85.6%)。/prepress 同样是 300 dpi,却剩 480,781 字节(−79.2%)。它比 /printer 大了四成多。两边的像素尺寸都是 1417×1062。我猜这跟它改用 Bicubic、编码参数也更保守有关。这只是推断。两份文件里的 JPEG 质量我没拆出来比。正文文字是矢量的,降采样碰不到它。这类文件选哪一档小字都不会糊。
扫描件用printer档体积多了0.08%
扫描型样本就不一样了。它每页就是一整张 300 dpi 的图。/screen 降到 72 dpi 后剩 109,894 字节(−95.3%)。/ebook 降到 150 dpi 后剩 316,227 字节(−86.6%)。轮到 /printer 结果是 2,359,534 字节,比原文件多了 0.08%。/prepress 是 2,359,535 字节。用 pdfimages 看,两页还是 300 dpi。图根本没被重新采样,只是文件结构被 Ghostscript 重写了一遍。多出来的那一点我猜就是重写的开销。
关键在降采样门槛。Ghostscript 默认只在图片超过目标 1.5 倍时才降。300 dpi 的图碰上目标 300 的预设,离门槛还远着。为了确认这个 1.5 倍,我把同一张 2480×3508 的图缩放后放进页面。四次放出来的有效 dpi 分别是 400、440、460、600。再统一用 /printer 压。400 和 440 原样保留了。460 和 600 降到了 300。300 的 1.5 倍是 450。正好卡在 440 和 460 中间。同样四张图换成 /ebook 落到了 150、147、153、150 dpi。Average 方式会落在目标附近,不一定正好是 150。
这个门槛换成日常场景很好记。像文字型样本里那张照片,只占 12 cm 宽就有 853 dpi,这种图碰上哪个预设都会被降。我这份扫描样本正好反过来,300 dpi、整页铺满。它离 /printer 的 450 门槛差得远,却早就超过了 /ebook 的 225 门槛。同一份文件选 /printer 纹丝不动,选 /ebook 一下少掉八成多。看名字像是只差一点画质,对这份扫描件来说差的是压与不压。
「/printer 适合打印」这句话没错。只是碰上 300 dpi 上下的扫描件它基本在空转。想让预设对略高于目标的图也动手,可以加 -dColorImageDownsampleThreshold=1.0 把门槛压到 1 倍,灰度图对应的是 -dGrayImageDownsampleThreshold。这两个参数没在这两份样本上跑过。我另做的一页 300 dpi 小字测试页强制降到 150、100、72 dpi 时带的就是它们,三档都按目标落到了 1240、826、595 像素宽。
把四个预设的门槛都乘出来,选档就清楚了。按同一个 1.5 倍推,/screen 的门槛是 108 dpi,/ebook 是 225 dpi,/printer 和 /prepress 都是 450 dpi。手上的文件先查一下图的 x-ppi,就能提前知道哪几档会动它。我这份扫描件是 300 dpi,落在 225 和 450 中间。前两档会降,后两档不动,和实测对得上。文字型样本那张照片是 853 dpi,比四个门槛都高,四档就全降了。
黑白图的门槛另算。/printer 给黑白图的目标是 1200,乘 1.5 就是 1800。我这两份样本里没有黑白图,这一块没测到。
扫描件想变小只能选ebook或screen
扫描件真能压下来的只有 /ebook 和 /screen 两档。代价落在小字上。我用 macOS 自带的文字识别读过压完的页面。/ebook 那档在 150 dpi 上下,6pt 和 8pt 小字识别率都在 98% 以上。/screen 降到 72 dpi 后体积是更小了。6pt 小字识别率却只剩 7.6%。基本认不出来。扫描件里要是有表格脚注或合同小字,停在 /ebook 更稳,为了再省 200 KB 去换 /screen 不值。只是发邮件、传网盘的话,/screen 也能用,前提是先翻到最小的那行字看一眼。
图映的档位跟 Ghostscript 是一个思路。屏幕档 72 dpi,电子书档 150 dpi,打印档 300 dpi。它的说明里写着已经低于档位 dpi 的图不重新采样。我拿同一份扫描样本试过它的打印档,体积基本不变。这和 /printer 一个样。它的电子书档压出来是 637,933 字节,比 Ghostscript /ebook 大了一倍多。小字识别率两边差不到 2 个百分点。它在电脑浏览器上就能用,不用装命令行。代价是这份样本上体积没压到 Ghostscript 那么小。
压完多跑一句 pdfimages -list,看 x-ppi 那一列有没有真降下来,比看预设名字靠谱。/prepress 为什么同样 300 dpi 却大一截,我还没弄明白。下次打算把两份文件里的图单独抽出来比一下 JPEG 质量。黑白图那组 1200 和 1800 的门槛,我也想找一份真扫描的黑白合同再跑一次,看看实际落在哪里。顺带一提,这次命令带了 -q,跑 /ebook 时屏幕上什么都不输出。照片从 ICC 变成 rgb 这件事,要对照 pdfimages 的 color 列才看得出来。做印刷件的话这一条比体积更该先看。