PDF 压缩：双向有效 DPI 与内容感知结构优化

为什么压缩 PDF 主要是压缩里面的图片？

一份 PDF 由文字、矢量图形、字体和内嵌图片组成。文字和矢量图形本身很小，字体通常几十到几百 KB，真正把文件撑到几十兆的几乎总是扫描页、照片和截图这类内嵌位图。图映先找出普通 Image XObject，也把能够安全解析的 BI / ID / EI 内联图片提升到同一处理链路，再决定每一张该怎么处理。

“有效 DPI”是什么，为什么要横纵分别实算？

同一张 3000 像素宽的图片，铺满整页和缩成名片大小，需要的分辨率完全不同；同一图片还可能跨页复用或被非等比缩放。图映解析每页和 Form 内容流、跟踪图形状态矩阵，分别汇总图片横向与纵向的最大落地尺寸，再独立决定目标宽高。只有明显高于所选档位的方向才会重新采样，已经足够的像素保持原样。缩放使用 Lanczos-3，原始 Decode 数组按颜色通道解释；需要完整色彩管理而无法证明等价的图片不重编码。

为什么不是所有图片都转成 JPEG？

JPEG 适合照片，但对截图、图表、线稿和大色块反而更大也更糊。图映复用与图片压缩同一套内容分类器判断每张内嵌图属于截图、插画、图标、平滑照片还是高纹理，然后让 JPEG、索引调色板加 Flate、灰度 Flate 和保留原图同场竞速，连调色板字典开销也计入比较，取真正更小且符合该档位质量口径的方案。

除了图片还做了什么？

图映读取实际绘制操作符，只在能够完整识别时删除未使用的字体、图片、图形状态、色彩空间、图案、着色与属性资源；遇到未知操作符或特殊流就整组保留。页面分散内容流只在词法边界安全且合并后更小时合并。未压缩、ASCII、LZW 和已经使用 Flate 的结构流都会重新与新 Flate 竞速，只有更小才替换；随后继续做不可达对象回收、重复流去重、私有数据清理、对象流和交叉引用流打包。

哪些情况图映不会动？

加密或有权限保护的 PDF 会提示先解除保护。JPEG 2000、JBIG2、CCITT 传真、CMYK 印刷 JPEG和需要完整 ICC / Lab / DeviceN 色彩管理的图片在浏览器不能可靠等价重编码时原样保留。任何图片、结构流或整份 PDF 没有实际变小，也都保留原数据。

诚实边界：图映当前不做字体子集化，因此纯文字排版 PDF 的收益仍取决于是否携带未使用资源和低效结构流。产物会回读核对页数、每页尺寸、可选择文字操作和链接语义，不一致就自动保留原文件。数字签名 PDF 一经重写签名会失效。

内容更新：2026-08-25 · 能力边界以工具内实时探测为准