నాణ్యత తగ్గకుండా PDF కంప్రెస్ చేయడం ఎలా (లాస్‌లెస్ vs లాసీ)

PDF అనేది ఆబ్జెక్ట్‌ల ప్యాకేజీ: పేజీ వివరణలు, ఫాంట్‌లు, ఇమేజ్‌లు, యానోటేషన్లు, ప్రతి ఆబ్జెక్ట్ ఎక్కడ మొదలవుతుందో రీడర్‌కు చెప్పే క్రాస్-రిఫరెన్స్ టేబుల్. టెక్స్ట్‌కు దాదాపు ఖర్చు ఉండదు, ఎందుకంటే ఒక పేజీ వచనం కొన్ని కిలోబైట్ల క్యారెక్టర్ కోడ్‌లు, డ్రాయింగ్ సూచనలే. ఇమేజ్‌లు వేరు. రిపోర్ట్‌లో పెట్టిన ఒక ఫోటో చేర్చినప్పటి రిజల్యూషన్‌నే ఉంచుకుంటుంది, కాబట్టి పేజీలో థంబ్‌నెయిల్‌గా చూపే 12-మెగాపిక్సెల్ ఫోన్ ఫోటో కూడా ఫైల్‌లో 3–5 MB ఉండవచ్చు.

స్కాన్‌లు అతి తీవ్రమైన ఉదాహరణ. ప్రతి స్కాన్ పేజీ ఒక పూర్తి-పేజీ ఇమేజ్, A4 షీట్‌ను 300 DPIలో కలర్‌లో స్కాన్ చేస్తే సుమారు 2480 × 3508 px. తేలికపాటి JPEG కంప్రెషన్‌తో సేవ్ చేసే స్కానర్ యాప్ పేజీకి 1–3 MB ఇస్తుంది, కాబట్టి పది పేజీల అద్దె ఒప్పందంలో బహుశా 30 KB అక్షరాలే ఉన్నా అది 20 MB అటాచ్‌మెంట్ అవుతుంది.

మిగతా బరువు మీకు కనిపించని చోట్ల దాగి ఉంటుంది. పెద్ద CJK లేదా డిస్‌ప్లే ఫాంట్ ఫ్యామిలీలలో పూర్తి ఎంబెడ్ ఫాంట్ ఒక్కొక్కటి 200–500 KB చేర్చవచ్చు, ఒకే లోగో ప్రతి పేజీకి ఒకసారి నిల్వ కావచ్చు, Acrobatలో పదేపదే ఎడిట్ చేసిన ఫైళ్లలో ఇంక్రిమెంటల్ అప్‌డేట్‌లు ఉంటాయి, అంటే ప్రతి సేవ్ ఫైల్‌ను తిరిగి రాయకుండా మార్పులను చివర జోడిస్తుంది. అటాచ్‌మెంట్లు, ఫారమ్ డేటా, పేజీ థంబ్‌నెయిల్స్ మరింత పెంచుతాయి.

లాస్‌లెస్ దశలు ఒక్క పిక్సెల్ లేదా గ్లిఫ్ కూడా మార్చకుండా ఫైల్‌ను తిరిగి రాస్తాయి. 2003లో PDF 1.5లో వచ్చిన ఆబ్జెక్ట్ స్ట్రీమ్‌లు వందలాది చిన్న ఆబ్జెక్ట్‌లను సాదా టెక్స్ట్‌గా నిల్వ చేయకుండా ఒకే కంప్రెస్డ్ బ్లాక్‌లో ప్యాక్ చేస్తాయి. డీడూప్లికేషన్ ఒకేలాంటి ఇమేజ్‌లు, ఫాంట్‌లను కనుగొని ఒక కాపీనే ఉంచుతుంది. ఫాంట్ సబ్‌సెట్టింగ్ డాక్యుమెంట్ వాడే అక్షరాలనే ఉంచుతుంది, క్లీనప్ XMP మెటాడేటా, పేజీ థంబ్‌నెయిల్స్, అనాథ ఆబ్జెక్ట్‌లు, ఇంక్రిమెంటల్ సేవ్‌లు వదిలిన పాత రివిజన్లను తొలగిస్తుంది. ఇవన్నీ కలిసి టెక్స్ట్ ఎక్కువగా ఉన్న ఫైల్ నుండి సాధారణంగా 5–30% తగ్గిస్తాయి.

లాసీ దశలు ఇమేజ్ డేటాను మారుస్తాయి, పెద్ద ఆదా ఇక్కడే ఉంది. డౌన్‌శాంప్లింగ్ ఇమేజ్‌ను లక్ష్య రిజల్యూషన్‌కు తగ్గిస్తుంది, ఉదాహరణకు 300 DPI నుండి 150 DPIకి, దీనివల్ల పావు వంతు పిక్సెల్‌లే మిగులుతాయి. రీ-ఎన్‌కోడింగ్ దాన్ని ఎంచుకున్న క్వాలిటీతో JPEGగా సేవ్ చేస్తుంది, కలర్ స్కాన్‌లను గ్రేస్కేల్‌కు మారిస్తే మూడు కలర్ ఛానెల్స్‌లో రెండు పోతాయి. సరైన విలువలతో చేస్తే, సాధారణ పఠన సైజ్‌లో ఇవేవీ కనిపించవు; క్వాలిటీ కోల్పోకుండా కంప్రెస్ చేయడం అంటే ప్రజలు ఉద్దేశించేది ఇదే.

PDF ఎంత తగ్గుతుందో అది మీరు ఏ టూల్ వాడారన్నదాని కంటే అందులో ఏముందన్నదానిపై ఎక్కువగా ఆధారపడుతుంది. Word లేదా Google Docs నుండి ఎక్స్‌పోర్ట్ చేసిన రిపోర్ట్‌లో ఇప్పటికే ఎక్కువగా టెక్స్ట్, సబ్‌సెట్ ఫాంట్‌లు ఉంటాయి, కాబట్టి తీసివేయడానికి తక్కువే ఉంటుంది. పూర్తి-పేజీ ఫోటోలతో PowerPoint నుండి ఎక్స్‌పోర్ట్ చేసిన డెక్, లేదా ఫోన్ స్కాన్‌ల కట్ట, దాదాపు మొత్తం బరువును కోల్పోవచ్చు, ఎందుకంటే ఇమేజ్‌లు ఆ పేజీకి తగిన సైజ్‌లో ఎప్పుడూ లేవు.

కింది గణాంకాలు సాధారణ పరిధులే, ఏ ఒక్క ఫైల్ కొలత కాదు. కంప్రెషన్ ప్రయత్నించడం విలువైనదా అని, డాక్యుమెంట్ ఒక నిర్దిష్ట పరిమితిలో ఇమడాలంటే ఏ సెట్టింగ్‌తో మొదలుపెట్టాలని నిర్ణయించుకోవడానికి వీటిని వాడండి.

అప్‌లోడ్ పోర్టల్‌లు గరిష్ఠ పరిమితి చెబుతాయి, ఒక్క బైట్ ఎక్కువైనా తిరస్కరిస్తాయి. 200 KB వద్ద సుమారు 150 DPIలో గ్రేస్కేల్‌లో ఒకటి నుండి మూడు స్కాన్ పేజీలకు చోటు ఉంటుంది, ఇది 10 pt ప్రింట్‌ను చదవగలిగేలా ఉంచుతుంది; PDFని 200 KBకి కంప్రెస్ చేయండి సరిగ్గా ఆ పరిమితి నుండే మొదలవుతుంది. 500 KB వద్ద కలర్ ID స్కాన్, పాటు కొన్ని గ్రేస్కేల్ టెక్స్ట్ పేజీలు సులభంగా ఇముడుతాయి. 1 MB, 2 MB వద్ద ప్రశ్న సాధారణంగా నాణ్యత కంటే పేజీల సంఖ్యే, ఎందుకంటే పది పేజీల కలర్ స్కాన్ 150 DPIలో ఇముడుతుంది.

నాణ్యత చివరగా వచ్చేలా స్థిర క్రమంలో తగ్గించండి. ఫారమ్ అడగని పేజీలను తొలగించండి, కార్డులు, రసీదుల చుట్టూ ఉన్న ఖాళీ కాగితాన్ని క్రాప్ చేయండి, నలుపు టెక్స్ట్‌ను గ్రేస్కేల్‌కు మార్చండి, ఆపై JPEG క్వాలిటీ కంటే ముందు రిజల్యూషన్ తగ్గించండి. సుమారు 40 కంటే తక్కువ క్వాలిటీ అక్షరాల చుట్టూ బ్లాకీ హాలోలను సృష్టిస్తుంది, అయితే గ్రేస్కేల్‌లో 120 DPI ఇంకా స్పష్టంగా చదవబడుతుంది. టార్గెట్-సైజ్ మోడ్ ఈ శోధనను మీ కోసం చేస్తుంది; PDFని 1 MBకి కంప్రెస్ చేయండి అత్యంత సాధారణ పనిని, దరఖాస్తు పరిమితిని నిర్వహిస్తుంది.

కొంచెం మార్జిన్ వదలండి. కొన్ని పోర్టల్‌లు కిలోబైట్‌ను 1,000 బైట్లుగా, మరికొన్ని 1,024గా లెక్కిస్తాయి, కాబట్టి మీ కంప్యూటర్‌లో 200 KB అని చూపే ఫైల్ 204,800 బైట్లు కావచ్చు, 200,000 అని భావించే ఫారమ్ దాన్ని ఇంకా తిరస్కరించవచ్చు. 190 KB, 480 KB లేదా 0.95 MB లక్ష్యంగా పెట్టుకుంటే ఈ వివాదం ఉండదు.

డెస్క్‌టాప్ యాప్‌లన్నీ PDFని చిన్నది చేయగలవు, కానీ అవి ఎంత నియంత్రణ ఇస్తాయనేదానిలో తేడా ఉంటుంది. Acrobat Proలో ఒక-క్లిక్ కంప్రెసర్, పూర్తి ఆప్టిమైజర్ రెండూ ఉన్నాయి: దాని PDF Optimizerలో Audit space usage ఉంది, ఇది ఇమేజ్‌లు, ఫాంట్‌లు, కంటెంట్ స్ట్రీమ్‌లు, బుక్‌మార్క్‌లకు ఎన్ని బైట్లు పోతున్నాయో చూపిస్తుంది, కాబట్టి ప్రయత్నించే ముందే కంప్రెషన్ సహాయపడుతుందో లేదో తెలుస్తుంది. Word ఇప్పటికే ఉన్న PDFని కంప్రెస్ చేయలేదు, కానీ ఎక్స్‌పోర్ట్ చేసేటప్పుడు PDF ఎంత పెద్దదవుతుందో అదే నిర్ణయిస్తుంది.

Macలోని Preview చాలామంది దగ్గర ఇప్పటికే ఉండే టూల్, కానీ నిరాశపరిచే అవకాశం ఎక్కువ. దాని అంతర్నిర్మిత Reduce File Size Quartz ఫిల్టర్ ప్రతి ఇమేజ్‌కు ఒకే స్థిరమైన, దూకుడు సెట్టింగ్‌ను వర్తింపజేస్తుంది, రిజల్యూషన్ లేదా క్వాలిటీకి స్లైడర్ ఉండదు. స్కాన్‌లు మసకగా, మచ్చలుగా వస్తాయి, టెక్స్ట్ మాత్రమే ఉన్న PDF కూడా పెరగవచ్చు, ఎందుకంటే నిజమైన ఆప్టిమైజర్ చేసే ఆబ్జెక్ట్-స్థాయి క్లీనప్ లేకుండా ఫిల్టర్ ఫైల్‌ను తిరిగి రాస్తుంది.

Work laptop‌లో Acrobat లేనప్పుడు, ఫోన్‌లో ఉన్నప్పుడు, లేదా ఫోన్ కాల్‌లో ఎవరికైనా సహాయం చేస్తున్నప్పుడు బ్రౌజర్ కంప్రెసర్ అత్యంత సులభమైన మార్గం. UltKitలోని ఆన్‌లైన్ PDF కంప్రెసర్ ఒకేసారి 20 PDFల వరకు (ఒక్కోటి 95 MB వరకు) తీసుకుంటుంది; ఏమీ ఇన్‌స్టాల్ చేయాల్సిన పని లేదు, అకౌంట్ అవసరం లేదు, అప్‌లోడ్ చేసిన మరియు ప్రాసెస్ చేసిన ప్రతి ఫైల్ ప్రాసెసింగ్ తర్వాత 30 నిమిషాలకు తొలగించబడుతుంది.

డిఫాల్ట్ సెట్టింగ్‌లు నాణ్యత కోసం ఉంచబడ్డాయి: సిఫార్సు చేసినది అతి పెద్ద ఇమేజ్‌లను మాత్రమే తగ్గిస్తుంది, టెక్స్ట్ మరియు వెక్టర్‌లను అలాగే ఉంచుతుంది; ఫాంట్‌లను సబ్‌సెట్ చేయండి మరియు మెటాడేటా తొలగించండి ఇప్పటికే ఆన్‌లో ఉన్నాయి. ఫలితం ఒక నిర్దిష్ట సంఖ్యకు సరిపోవాల్సినప్పుడు మాత్రమే మార్పులు చేయండి.

ఫైల్ సైజ్ నాణ్యతకు రుజువు కాదు, కాబట్టి పంపే ముందు కంప్రెస్ చేసిన PDFను తెరిచి చూడండి. డాక్యుమెంట్‌లో అతి చిన్న టెక్స్ట్‌ను, అంటే ఫుట్‌నోట్‌లు, టేబుల్ అంకెలు లేదా సంతకం కింద చిన్న అక్షరాలను 200%కు జూమ్ చేసి, అసలు ఫైల్‌లోని అదే చోటుతో పోల్చండి. 200% వద్ద JPEG హాలోలు, చెదిరిన గీతలు, మెట్ల ఆకారపు అంచులు స్పష్టంగా కనిపిస్తాయి; ఫిట్-టు-విడ్త్‌లో అవి దాగి ఉంటాయి.

తర్వాత కంప్రెషన్ ఎప్పుడూ తాకకూడని వాటిని పరిశీలించండి. ముందు ఎంచుకుని కాపీ చేయగలిగిన టెక్స్ట్ ఇప్పుడూ ఎంచుకోగలిగేలా ఉండాలి, ఎందుకంటే పేజీలను చిత్రాలుగా మార్చే టూల్ డాక్యుమెంట్‌ను కంప్రెస్ చేయలేదు; దాన్ని మార్చేసింది. లింకులు, బుక్‌మార్క్‌లు, ఫారమ్ ఫీల్డ్‌లు పని చేయాలి, పేజీల సంఖ్య సరిపోలాలి.

కొన్ని ఫైళ్లు ఇప్పటికే సాధ్యమైనంత చిన్నవిగా ఉంటాయి. సబ్‌సెట్ ఫాంట్‌లతో 300 పేజీల టెక్స్ట్ మాన్యువల్, వెక్టర్ పాత్‌లతో చేసిన ఇంజనీరింగ్ డ్రాయింగ్, లేదా JBIG2తో నిల్వ చేసిన బ్లాక్ అండ్ వైట్ స్కాన్‌లో తగ్గించడానికి పెద్ద ఇమేజ్‌లు ఉండవు, కాబట్టి ఏ కంప్రెసర్ అయినా దాదాపు అదే సైజ్ ఇస్తుంది. ఎక్కువ ఒత్తిడి చేస్తే నష్టమే: వెక్టర్ డ్రాయింగ్‌ను రాస్టరైజ్ చేస్తే అది పెద్దదై, అదే సమయంలో అస్పష్టంగా కూడా మారుతుంది.

పరిమితి ఒక్కో సమర్పణకు కాకుండా ఒక్కో ఫైల్‌కు ఉన్నప్పుడు, బదులుగా డాక్యుమెంట్‌ను విభజించండి. పొడవైన కాంట్రాక్ట్‌ను సంతకం పేజీలు, అనుబంధాలుగా, థీసిస్‌ను అధ్యాయాలుగా, బ్యాంక్ స్టేట్‌మెంట్ల సమూహాన్ని ఫైల్‌కు ఒక నెల చొప్పున కత్తిరించి, ఇంకా అవసరమైతేనే ప్రతి భాగాన్ని కంప్రెస్ చేయండి. PDF స్ప్లిట్ పేజీ పరిధి లేదా స్థిర సైజ్ ముక్కలుగా కత్తిరిస్తుంది, PDF ఫైళ్లను విభజించే గైడ్ ఏ పోర్టల్‌కు ఏ విభజన సరిపోతుందో వివరిస్తుంది.

విభజన ఇమెయిల్‌కు కూడా ఉపయోగపడుతుంది. Gmail ఒక్కో సందేశానికి మొత్తం 25 MB అటాచ్‌మెంట్ పరిమితి పెడుతుంది, చాలా కంపెనీ మెయిల్ సర్వర్‌లలో ఇంకా తక్కువ ఉంటుంది, కాబట్టి 30 MB ఫైల్ తిరిగి వచ్చేచోట 15 MB భాగాలు రెండు వెళ్లిపోతాయి. ఇకపై చేయబోయే స్కాన్‌ల కోసం మెరుగైన పరిష్కారం ముందే ఉంది: డాక్యుమెంట్లను PDFగా స్కాన్ చేయడంలో చెప్పినట్లు టెక్స్ట్‌ను గ్రేస్కేల్‌లో 200–300 DPIతో స్కాన్ చేస్తే, కంప్రెస్ చేయాల్సిన అవసరం చాలా అరుదుగా వస్తుంది.