Оптимизация сканов: переход в 1-bit PDF

1-bit PDF (битональный) — это формат, где каждый пиксель имеет только два состояния: абсолютно чёрный или абсолютно белый. Это идеальный выбор для текстовых документов, так как он уменьшает размер файла в 5–10 раз по сравнению с цветным или серым сканом и значительно повышает точность распознавания текста (OCR).

Если ваша цель — архивирование договоров, актов, книг или статей без фотографий, перевод в 1-bit является стандартом качества. В этой статье разберем, чем этот формат отличается от обычного чёрно-белого, как правильно его настроить и каких ошибок избегать.

Что такое 1-bit и чем он лучше grayscale

Многие пользователи путают «чёрно-белое» изображение с 1-bit. На самом деле это разные вещи:

• Grayscale (Оттенки серого): Каждый пиксель хранит информацию о яркости (обычно 8 бит). Это позволяет передавать полутона, тени и градации цвета. Файл весит много.
• 1-bit (Monochrome/Bitonal): Каждый пиксель — это 1 бит данных. Либо чернила есть (чёрный), либо их нет (белый). Серого цвета не существует.

При правильном переводе в 1-bit «серый» фон бумаги становится чисто белым, а текст — контрастно чёрным. Это убирает визуальный шум, пятна от старой бумаги и следы от просвечивания обратной стороны листа.

Зачем использовать битональный режим

Переход на 1-bit решает три ключевые задачи:

1. Радикальное сжатие. Битональные изображения часто кодируются алгоритмом CCITT Group 4 (G4), который специально создан для черно-белой графики. Размер файла текстового документа может уменьшиться с 5 МБ до 300–500 КБ без потери читаемости букв.
2. Улучшение работы OCR. Системы оптического распознавания текста (ABBYY FineReader, Adobe Acrobat, Tesseract) работают намного точнее на чистых бинарных изображениях. Им проще отделить букву от фона, если нет промежуточных серых оттенков.
3. Стандартизация архивов. Государственные учреждения и крупные корпорации часто требуют сдачи электронных копий именно в формате PDF/A с битональным содержимым для долгосрочного хранения.

Когда 1-bit противопоказан

Не используйте этот режим, если в документе есть важная визуальная информация, зависящая от оттенков:

• Фотографии и портреты. Они превратятся в набор хаотичных точек (дизеринг) или сплошные чёрные пятна.
• Печати и подписи синего/красного цвета. Если печать бледная, при жесткой бинаризации она может исчезнуть полностью.
• Графики и диаграммы с тонкими линиями. Серые линии могут прерваться или исчезнуть.
• Документы с защитными элементами. Например, сканы паспортов, где важны переливы цвета.

Инструкция: как сделать 1-bit PDF

Процесс зависит от того, сканируете ли вы документ сейчас или обрабатываете уже готовый файл.

Вариант 1: Сканирование заново (на МФУ или сканере)

Это самый качественный способ. Настраивайте драйвер сканера перед началом работы:

1. Выберите режим цвета: Black & White, Monochrome или 1-bit. Избегайте режима «Grayscale».
2. Установите разрешение: 300 dpi (стандарт для текста) или 400 dpi (для мелкого шрифта).
3. Включите аппаратное удаление фона (если есть такая опция в драйвере), чтобы убрать желтизну бумаги.
4. Сохраните результат сразу в PDF.

Вариант 2: Конвертация готового PDF (Adobe Acrobat Pro)

Если у вас уже есть «тяжелый» цветной или серый PDF:

1. Откройте файл в Adobe Acrobat Pro.
2. Перейдите в меню Инструменты → Оптимизация PDF (или «Сохранить как другой» → «Оптимизированный PDF»).
3. В разделе Изображения найдите настройки для монохромных изображений.
4. Выберите метод сжатия CCITT Group 4.
5. Если изображения внутри PDF цветные/серые, используйте инструмент Preflight (Предпечатная проверка). Найдите профиль «Convert to Bitmap» или «Convert colors to grayscale», но для настоящего 1-bit лучше сначала экспортировать страницы в TIFF, обработать их и собрать обратно.

Вариант 3: Бесплатные инструменты и онлайн-конвертеры

Для разовых задач можно использовать онлайн-сервисы (например, iLovePDF или Smallpdf) с функцией «Сжать PDF» или «Конвертировать в Ч/Б». Однако они часто просто обесцвечивают изображение (делают Grayscale), а не переводят в 1-bit.

Для настоящей бинаризации на компьютере бесплатно лучше использовать связку ImageMagick (командная строка) или бесплатные программы вроде NAPS2 (Not Another PDF Scanner 2), которые позволяют при импорте выбрать режим «Black and White».

Настройки для идеального результата

Качество 1-bit PDF критически зависит от двух параметров: разрешения и порога (threshold).

Частые ошибки

1. Слишком низкое разрешение (72–150 dpi). При переводе в 1-bit буквы становятся «рваными», с зазубринами. OCR не сможет распознать такой текст. Минимум — 200 dpi, лучше 300.
2. Использование JPEG-сжатия для 1-bit. JPEG предназначен для фото с градиентами. Для чёрно-белого текста он создает грязные артефакты вокруг букв и увеличивает размер файла. Всегда выбирайте CCITT G4 или ZIP.
3. Игнорирование «мусора» на фоне. Если на бумаге есть пятна, в 1-bit они превратятся в чёрные кляксы. Используйте функции очистки фона (despeckle) перед сохранением.
4. Потеря цветных штампов. Помните, что красная печать на чёрно-белом скане может стать светло-серой и исчезнуть при бинаризации. Если печать важна, сканируйте этот конкретный лист в Grayscale.

FAQ

Вопрос: Станет ли текст в PDF searchable (доступным для поиска) автоматически? Нет. 1-bit — это просто картинка. Чтобы текст можно было выделять и искать, нужно запустить процедуру OCR (распознавание) после создания битонального PDF. Большинство современных программ делают это автоматически.

Вопрос: Можно ли перевести в 1-bit файл, который уже сжат в JPEG? Да, но качество будет ниже. Лучше всего работать с исходными TIFF или несжатыми данными. Если исходник уже сильно потерян, бинаризация только подчеркнет дефекты.

Вопрос: Какой формат лучше для архива: TIFF или PDF? Для конечного пользователя удобнее PDF (один файл, встроенный поиск). TIFF G4 хорош как промежуточный формат для обработки или для специализированных систем хранения изображений.

Вопрос: Почему мой 1-bit PDF весит больше, чем цветной? Скорее всего, вы случайно сохранили его как серию JPEG-изображений внутри PDF или использовали слишком высокое разрешение (600+ dpi) для простого текста. Проверьте настройки сжатия: должно стоять CCITT Group 4.