pdfsandwichを使用してPDFにOCRを追加するときに、PDF画像を変更しないようにするにはどうすればよいですか？
PDFにOCRを追加しようとしていますが、 pdfsandwich を使用しています。問題は、pdfsandwichがOCRを実行するときに画像を処理し、ドキュメントの外観を変更することです。
PDF画像が完全に変更されないようにする方法はありますか？これがpdfsandwichで不可能な場合は、別のアプリケーションでこれを実行できます。
前の例： 
後の例： 
Pdfsandwichを介してpdfを実行した後、品質の低下を簡単に確認できます。
Pdfsandwichのドキュメントを確認しましたが、画像を変更しないでおくことについて何も見つかりませんでした。
Pdfsandwichの作成者であるTobialElzeに質問をしました。これが彼らの反応です：
私はあなたが何を意味するのかを完全に知っており、これが便利な機能になることに同意します。 pdfsandwichがTesseractを呼び出して最終的なpdfを作成し、内部でスコープ外の処理を実行するため、現在、元の画像を完全に保持することはできません。とpdfsandwichの制御。
独自の例でわかるように、デフォルトでは、pdfsandwichは入力画像を白黒に変換します。オプション-rgbでカラー（カラー画像の場合）を使用するように強制するか、オプション-grayでグレースケールを使用することで、元の画像に近づけることができます。例で後者を試して、改善されるかどうかを確認することをお勧めします。
それとは別に、OCRの前のpdfsandwichの「改善」機能が画像を改善せず、代わりに悪化させることがわかった場合は、オプション-nopreprocを使用してすべての前処理をオフに切り替えることができます。
私はそれがいくらか役立つことを願っていますか？
私のPDFはすでにグレースケールであるため、フラグ-grayを追加するだけで元の品質が維持されるようです。 -rgbは、カラー画像の同等のフラグです。
Pdfsandwichが小さなPDF画像をひどく再圧縮し、PDFファイルサイズを膨らませたので、私は同じ欲求を持っていました。これは、1ページでそれを処理する複雑な方法ですPDF OCRingの利益のためにすでにクリーンアップされています：
- 元のPDFのバックアップを作成します。あなたが物事を台無しにした場合、あなたはバックアップを持っているでしょう。
- 実行
pdfimages -list original.pdf - 電卓を使用して、画像の幅と高さを掛け合わせます。画像が192×643であるとしましょう。これを掛けると、123456になります。次のステップでそれを使用します。
- 実行
pdfsandwich -nopreproc -maxpixels 123456 original.pdf
これで、置き換えたい画像を含むOCRed PDFができました。この部分は少し注意が必要です。
- 実行
pdfimages -list original.pdf - 元のPDFにオブジェクト番号を書き留めます。それが123だとしましょう。以下でそれを使用します。
- 実行
pdfimages -list original_ocr.pdf - OCRedPDFにオブジェクト番号を書き留めます。それが456だとしましょう。以下でそれを使用します。
- バイナリブロブのコピーと貼り付けを適切に処理できるテキストエディタで、元のとOCRed PDFの両方を開きます。
- 行を見つける
123 0 obj元のPDFで。 その下の行次のendobj行まで後続のすべての行と一緒にコピーします。 - 行を見つける
456 0 objOCRedPDFで。消去その下の行次のendobj行までの後続のすべての行と一緒に。元のPDFからコピーしたものを貼り付けて、削除した行を置き換えます。 - OCRed PDFを新しいファイル名として保存します。
- PDF表示プログラムで前の手順の新しいファイル名を開いて、ページが表示されていること、OCRedテキストがそこにあることを確認しますetc。
- 保存せずにテキストエディタを閉じます。