结论先行：扫描件PDF太大，根本原因是高DPI扫描和未压缩的位图格式占了90%以上体积。解决方法分三步走：降DPI到150、把BMP/无损格式转JPEG质量75、加OCR文本层。一份120页的彩色合同扫描件，按这套流程可从95MB压到3.2MB，文字清晰可辨、可复制可搜索。下面从体积成因讲起，给出三步方法的参数详解，并覆盖黑白/灰度/彩色扫描件的差异化策略。
如果你对PDF压缩的整体原理还不太熟悉，建议先阅读PDF压缩原理与方法详解。
一、扫描件PDF为什么那么大
扫描件PDF本质是把扫描仪生成的位图逐页嵌入PDF容器。与电子生成的PDF不同，扫描件的每一页都是一张完整图片，体积完全由图片决定。理解体积来源，才能对症压缩。
| 体积来源 | 典型占比 | 成因 | 压缩空间 |
|---|---|---|---|
| 高DPI扫描 | 50%–65% | 300/600DPI扫描，像素远超阅读需求 | ★★★★★ |
| 无损位图格式 | 20%–35% | BMP/未压缩TIFF/FlateDecode，无有损压缩 | ★★★★★ |
| 彩色模式浪费 | 5%–15% | 纯文字用了24位彩色而非1位黑白 | ★★★★☆ |
| 多页累积 | 5%–10% | 页数多，每页冗余叠加 | ★★★☆☆ |
| PDF结构开销 | 1%–3% | 页面对象、交叉引用表等 | ★☆☆☆☆ |
从上表可以看出，高DPI和无损格式合计占80%以上，是压缩的主战场。一份120页300DPI彩色扫描件，每页约0.8MB，总计95MB——但屏幕阅读只需150DPI，转JPEG后每页可降到0.027MB，总计3.2MB就够了。
二、三步压缩方法详解
针对扫描件PDF的体积来源，有三步标准化压缩方法。每步的原理、适用场景和效果不同，下表先给出总体对比，再逐一详解。
| 步骤 | 方法 | 原理 | 预期压缩率 | 清晰度影响 |
|---|---|---|---|---|
| 1 | 降DPI | 降低像素密度 | 50%–75% | 屏幕阅读几乎无差 |
| 2 | 格式转换 | BMP/TIFF→JPEG | 80%–95% | 质量75肉眼可接受 |
| 3 | OCR文本层 | 生成可搜索文本 | 体积+5%–10% | 提升可用性 |
1. 降DPI（收益最高）
DPI（每英寸点数）决定扫描件的像素密度。扫描仪默认300DPI甚至600DPI，但屏幕阅读只需96–150DPI，打印也只要200–300DPI。把600DPI降到150DPI，像素数减少到原来的1/16，体积直接降94%。降到200DPI也能降89%。
具体操作：用智压通 SmartSlim 打开扫描件PDF，Rust 压缩引擎会逐页分析图片，按扫描件类型自动选择最优DPI——纯文字黑白件降到200DPI、灰度件降到150DPI、彩色件降到150DPI。降采样用Lanczos算法保持边缘锐利，避免简单缩放导致的文字模糊。
| 扫描件类型 | 原始DPI | 建议DPI | 像素降幅 | 可读性 |
|---|---|---|---|---|
| 黑白文字 | 300 | 200 | 56% | 清晰可辨 |
| 黑白文字 | 600 | 200 | 89% | 清晰可辨 |
| 灰度文字 | 300 | 150 | 75% | 清晰可辨 |
| 彩色文档 | 300 | 150 | 75% | 色彩稍淡可接受 |
| 彩色照片页 | 600 | 200 | 89% | 细节略损 |
关于DPI和PPI的详细区别，可以参考DPI vs PPI：扫描和打印分辨率详解。
2. 格式转换（降幅最大）
扫描件PDF里的图片常用三种编码：FlateDecode（PNG的无损压缩）、CCITT G4（黑白传真标准）、DCTDecode（JPEG）。很多扫描仪默认用FlateDecode或干脆不压缩（BMP），体积巨大。转成JPEG质量75，能砍掉80%–95%体积。
黑白扫描件有个更优选择——JBIG2编码。JBIG2是专为黑白文字设计的编码，通过识别重复字形做模板匹配，比CCITT G4还小50%–70%。一份100页黑白合同，FlateDecode约40MB，CCITT G4约8MB，JBIG2仅2MB。智压通 SmartSlim 会自动检测黑白扫描件并启用JBIG2编码。
| 编码方式 | 适用类型 | 100页体积 | 相比FlateDecode |
|---|---|---|---|
| FlateDecode（无损） | 通用 | 40MB | 基准 |
| CCITT G4 | 黑白 | 8MB | -80% |
| JBIG2 | 黑白 | 2MB | -95% |
| JPEG q75 | 灰度/彩色 | 3.5MB | -91% |
| JPEG q85 | 灰度/彩色 | 5.2MB | -87% |
3. OCR文本层（提升可用性）
扫描件PDF默认是图片，不可搜索、不可复制。OCR（光学字符识别）能在图片上叠加一层透明文本层，让扫描件变成可搜索、可复制的文档。OCR文本层本身只增加5%–10%体积，但大幅提升可用性。
OCR的额外好处是辅助压缩——有了文本层后，图片层可降到更低DPI（如100DPI），因为即使图片模糊，文字仍可通过文本层检索和复制。智压通 SmartSlim 集成OCR能力，在压缩同时自动生成文本层，支持中英文混合识别，准确率95%以上。
三、实战案例：120页合同扫描件从95MB压到3.2MB
这是一份企业采购合同，.pdf格式，原始体积95.4MB。120页A4，300DPI彩色扫描，用FlateDecode无损编码。需上传到电子签约平台（限制10MB），目标压到5MB以内。
文档特征： 120页A4彩色扫描，300DPI（每页2480×3508像素），FlateDecode编码，每页约0.8MB，无OCR文本层。
执行参数与体积变化：
| 步骤 | 操作 | 关键参数 | 体积变化 |
|---|---|---|---|
| 1 | 降DPI | 300DPI→150DPI, Lanczos降采样 | 95.4→28.6MB |
| 2 | 彩色转灰度 | 合同为纯文字，24位彩色→8位灰度 | 28.6→12.4MB |
| 3 | JPEG编码 | FlateDecode→JPEG q75 | 12.4→3.0MB |
| 4 | OCR文本层 | 中英文识别，叠加透明文本 | 3.0→3.2MB |
结果： 3.2MB，压缩比约29.8:1，压缩率96.6%。远低于平台10MB限制。文字在屏幕上清晰可辨，150DPI打印效果良好，可全文搜索关键词、可复制条款文字。整个流程在本地完成，合同内容未经过任何第三方服务器，符合商务合同的保密要求。
四、黑白/灰度/彩色扫描件的差异化策略
不同色彩模式的扫描件，最优压缩策略不同。下表给出三类扫描件的对比建议。
| 扫描件类型 | 典型场景 | 建议DPI | 建议编码 | 预期压缩率 |
|---|---|---|---|---|
| 黑白（1位） | 纯文字合同/公文 | 200 | JBIG2 | 95%–98% |
| 灰度（8位） | 带签章/手写件 | 150 | JPEG q75 | 90%–95% |
| 彩色（24位） | 彩色文档/照片页 | 150 | JPEG q72 | 85%–93% |
| 混合 | 合同+附件彩页 | 分页处理 | 分页选择 | 90%–96% |
一个通用原则：纯文字优先用黑白+JBIG2（压缩率最高），带签章用灰度+JPEG，纯彩页才用彩色+JPEG。智压通 SmartSlim 会逐页分析色彩复杂度，自动分页选择最优编码——文字页转黑白JBIG2、签章页转灰度JPEG、彩页转彩色JPEG，避免一刀切。如果你也遇到扫描件发不了邮件的问题，可以参考PDF太大发不了邮件怎么办？3步压缩到5MB以内。
五、常见问题FAQ
Q1：扫描件PDF太大怎么压缩到5MB以内？
按三步流程操作：降DPI到150、把BMP/无损格式转JPEG质量75、加OCR文本层。一份120页的彩色合同扫描件从95MB可压到3.2MB，文字清晰可辨、可复制可搜索。关键是先降DPI（占比最大），再转JPEG格式，最后加OCR文本层提升可用性。黑白扫描件可进一步用JBIG2编码，体积更小。
Q2：扫描件PDF降DPI后文字看不清怎么办？
纯文字扫描件150DPI已足够清晰阅读和打印，降到100DPI仍可辨认。若文字看不清，多因为扫描原件本身模糊或DPI降得太低。建议黑白文字用200DPI、灰度文字用150DPI、彩色扫描件用150DPI。另外可加锐化滤镜增强文字边缘。智压通 SmartSlim 会自动识别扫描件类型分派DPI，避免一刀切导致模糊。
Q3：黑白扫描件和彩色扫描件压缩方法一样吗？
不一样。黑白扫描件建议用JBIG2编码（比CCITT G4还小50%–70%），DPI可降到200仍清晰；灰度扫描件转JPEG质量75、DPI 150；彩色扫描件转JPEG质量72、DPI 150，彩色信息损失可接受。黑白件压缩率最高（可达98%），彩色件压缩率约90%–95%。智压通 SmartSlim 会按扫描件色彩模式自动选择最优编码。
Q4：扫描件PDF加OCR文本层有什么好处？
OCR文本层让扫描件从图片变成可搜索、可复制的文档。好处有三：一是可全文搜索关键词，不用逐页翻找；二是可复制文字到其他文档；三是辅助压缩——有了文本层后，图片层可降到更低DPI而仍能通过文本层检索内容。OCR文本层本身只增加5%–10%体积，但大幅提升文档可用性。智压通 SmartSlim 集成OCR能力，压缩同时自动生成文本层。
总结
扫描件PDF太大，根因是高DPI扫描和无损位图格式占了80%以上体积。解法就是三步对症压缩：降DPI收益最高（300→150DPI，50%–75%降幅），格式转换降幅最大（BMP→JPEG q75，80%–95%降幅；黑白用JBIG2可达98%），OCR文本层提升可用性（+5%–10%体积换可搜索可复制）。三步叠加，120页彩色合同从95MB稳定压到3.2MB。
记住三点：一是按色彩模式选编码，黑白用JBIG2、灰度/彩色用JPEG，别一刀切；二是150DPI是扫描件压缩的黄金平衡点，屏幕阅读和打印都够用；三是合同等敏感文件用本地压缩，别上传在线工具。选对工具和方法，扫描件PDF减肥其实很简单。