LlosLab 軟體開發部落格面向 PDF、Delphi 與文件軟體開發者的工程筆記

技術文章

Delphi 掃描 PDF 壓縮：用 MRC 拆成 JPEG 與 CCITT

Delphi PDF Library

losLab PDF Library for Delphi 透過 TPDFlib.CompressPageAsMRC 以 Mixed Raster Content 壓縮掃描頁。這個方法先渲染頁面，以門檻值產生全解析度的 1 位元前景遮罩，把其餘部分降取樣成 JPEG 背景，再以兩張影像重建頁面：一個 /DCTDecode 背景與一個以目前填色著色的 /CCITTFaxDecode 模板遮罩

這個功能為之而生的是每個文件典藏庫都堆滿的那種頁面：發票或合約的 300 DPI 彩色掃描，存成一整張大 JPEG。品質設定到文字讀得清，檔案就大；調低品質，字母便長出光暈與糊開的襯線，因為 JPEG 最不擅長的就是白紙上的銳利黑邊。Mixed Raster Content 不再要求一個編碼器同時做兩份工作

為什麼單一 JPEG 會讓掃描文字又糊又大？

單一 JPEG 處理不好掃描文字，是因為 DCT 編碼器把位元花在平滑漸層上，而硬邊則用量化最先丟棄的高頻係數去逼近。掃描件裡的文字幾乎全是硬邊。要把這些邊保乾淨，整頁都得用高品質設定，連紙張紋理、商標與咖啡漬也一併受益，而後面這些根本不需要

MRC 的思路是按每個區域實際上是什麼來切分頁面。墨水變成只有黑與白兩種值的影像，CCITT 這類傳真編碼器以無損且極緊湊的方式記錄黑白行程。其餘一切，紙張色調、照片、彩色背景，則變成連續調影像，可以用解析度的幾分之一儲存，因為沒有人會用 300 DPI 讀背景。雙階層讓文字以全解析度保持銳利；背景層以低代價保住色彩

PDFlibPas CompressPageAsMRC 在 Delphi 中的單一 JPEG 掃描與 Mixed Raster Content 分層對照：DCT 編碼器糊掉文字硬邊、迫使整頁用高品質，而墨水變成 300 DPI 無損 1 位元 CCITT 模板、紙張色調變成 75 DPI DeviceRGB JPEG 背景
Mixed Raster Content 不再讓一個編碼器兼兩份差事：雙階層以全解析度保住字形銳利，背景以極低代價保住色彩，因此品質 50 到 70 通常看不出差別

CompressPageAsMRC 怎麼把一頁拆成兩層？

TPDFlib.CompressPageAsMRC 對每頁執行一條固定的管線。它以要求的 DPI 把頁面渲染成 24 位元點陣圖，用 Rec. 601 加權亮度（每千分之 299/587/114）對 Threshold 分類每個像素，並把結果寫進同解析度的 1 位元遮罩。同時它以 BGScale 按方塊平均縮小同一份渲染，所以 BGScale 為 4 時，每個 4×4 像素塊縮成一個背景像素

PDFlibPas for Delphi 的 CompressPageAsMRC 資料流：一份 300 DPI 24 位元渲染按 Rec. 601 亮度門檻化成全解析度 CCITTFaxDecode K 1 ImageMask 模板，再按 BGScale 4 以方塊平均縮成 DCTDecode DeviceRGB 背景，兩張影像取代原始頁面運算子且遮罩在上
兩層都源自同一次渲染：DPI 決定多細的筆劃能在門檻化後存活，BGScale 以 2 對應照片、到 8 對應純文字來換取背景細節，重建後的頁面以目前填色繪製模板

頁面內容隨後被替換。原始運算子被移除，降取樣的背景以 /DeviceRGB（ISO 32000-1 §7.4.8）的 /DCTDecode 影像嵌入，遮罩由程式庫的 CCITT 編碼器編成 /CCITTFaxDecode 影像（§7.4.6）並標記 /ImageMask true，兩者都鋪滿整個頁面方框、遮罩在上。函式簽名很短：

function CompressPageAsMRC(Page: Integer; DPI: Double;
  BGScale, JPEGQuality, Threshold, Options: Integer): Integer;
  • Page 從 1 起算，必須落在 PageCount 之內
  • DPI 是來源點陣的渲染解析度，50 到 1200
  • BGScale 是背景降取樣倍率，1 到 8
  • JPEGQuality 是背景 JPEG 品質，1 到 100
  • Threshold 是亮度門檻，1 到 255；達到門檻的像素算紙張，更暗的算墨水
  • Options 為保留參數，必須是 0

對掃描檔做批次壓縮的典型寫法如下。每一頁之前都要緊接呼叫 SetFillColor，原因見下一節

uses
  SysUtils, PDFlibrary;

procedure CompressScannedFile(const SrcFile, DstFile: string);
var
  Lib: TPDFlib;
  P, Replaced: Integer;
begin
  Lib := TPDFlib.Create;
  try
    if Lib.LoadFromFile(SrcFile, '') <> 1 then
      raise Exception.CreateFmt('Cannot open %s', [SrcFile]);
    for P := 1 to Lib.PageCount do
    begin
      Lib.SetFillColor(0, 0, 0);  // 模板層的墨色
      // 300 DPI 遮罩、75 DPI 背景、JPEG 品質 60、亮度門檻 160
      Replaced := Lib.CompressPageAsMRC(P, 300, 4, 60, 160, 0);
      if Replaced = 0 then
        raise Exception.CreateFmt('MRC failed on page %d', [P]);
    end;
    if Lib.SaveToFile(DstFile) <> 1 then
      raise Exception.CreateFmt('Cannot save %s', [DstFile]);
  finally
    Lib.Free;
  end;
end;

為什麼前景以目前填色繪製？

前景層是模板遮罩，而模板遮罩沒有自己的顏色。ISO 32000-1 §8.9.6.2 把 /ImageMask true 的影像定義為 1 位元形狀：樣本值標記顏料該落在哪裡，顏料則是圖形狀態裡當下的非描邊色。這正是這一層便宜的原因，也是 CompressPageAsMRC 不收任何顏色參數的原因

TPDFlib.CompressPageAsMRC 以 SetFillColor 設定的顏色繪製遮罩，所以呼叫順序很重要。繪製器是惰性發出填色的：SetFillColor 記下顏色並標記為已變更，只有當這次變更還掛著時，模板繪製才會在自己的 q/Q 區塊內寫入 rg 運算子。中間若畫了一個填色圖形，這筆待套用的變更就被那個圖形消費掉了。像上面批次那樣，在每頁之前直接設定顏色，就沒有猜的成分。黑色是常規選擇；藍墨表單想讓輸出看起來不像影印本，可以用深藏青

Delphi 中 PDFlibPas MRC 模板層的惰性填色發出順序：SetFillColor 把顏色記成待套用變更，變更仍待套用時 ImageMask 模板繪製在自己的 q 與 Q 區塊內寫入 rg 運算子，介入的填色圖形則會搶走該待套用變更
模板遮罩自身不帶顏色，所有墨水像素共用一種填色：紅色印章、藍色簽名與黑色內文全部合流，這正是每頁之前必須緊接呼叫 SetFillColor 的原因
// 藍色原子筆表單：以深藏青渲染墨水層
Lib.SetFillColor(0.08, 0.12, 0.35);
Replaced := Lib.CompressPageAsMRC(PageNo, 300, 4, 55, 170, 0);

擺放位置跟隨程式庫座標原點。CompressPageAsMRC 讀取 GetOrigin，並從頁面方框頂邊畫出兩張影像：原點在左上（SetOrigin(1)）時頂座標為 0，預設左下原點時頂座標為 PageHeight。您不需要調整任何東西，但這解釋了為什麼無論管線原本用哪種原點，兩層都會落在正確位置

模板語意有一個後果值得說明白：每個被判為墨水的像素都拿到同一種顏色。紅色印章、藍色簽名與黑色內文，全都以前景層上的一種填色收場。只有背景 JPEG 在底下還留著原色隱約的低解析度痕跡

DPI、BGScale、Threshold 與 JPEG 品質怎麼選

DPI 決定文字的銳利度，辦公室掃描件用 300 是合理的預設。遮罩保持完整渲染解析度，所以 DPI 決定多細的筆劃能在門檻化後存活。超過原始掃描解析度沒有任何好處，因為渲染器只會把嵌入的掃描影像放大取樣。記憶體是另一個限制：US Letter 頁面在 300 DPI 下渲染為 2550×3300 像素，遮罩與背景衍生出來之前就有 25,245,000 位元組的 24 位元像素資料；同一頁在 1200 DPI 上限則是 10200×13200 像素，約 404 MB

BGScale 以尺寸換背景細節。300 DPI 下倍率 4 得到 75 DPI 背景，Letter 尺寸為 638×825 像素，對紙張色調與平色區域綽綽有餘。讀者真的會看的照片或網點插圖頁面值得用 2；白紙上的純文字可以開到 6 或 8，因為背景幾乎只是一層淡色

Threshold 是改變頁面外觀的那個參數。調高它會把更多中灰像素判成墨水，細筆劃與鉛筆記號變粗，但掃描雜訊與紙張陰影也被拉進來變成斑點。調低它紙面更乾淨，字母更細、有時斷裂。白底黑字從 128 到 170 起步都算合理；這中間的取捨與在 Delphi 中把 PDF 頁面渲染成 1 位元黑白一文討論的是同一件事，同樣的亮度門檻也驅動著 RenderPageToMonochromeFileEx。與那個方法不同，CompressPageAsMRC 沒有除斑步驟，雜訊多的掃描件更適合略低的門檻

JPEGQuality 不像單張影像掃描那麼要緊，因為背景不再承載任何文字邊緣。銳利遮罩後面的 75 DPI 背景，品質 50 到 70 通常看不出來

回傳值告訴您什麼、又不告訴您什麼

TPDFlib.CompressPageAsMRC 回傳被替換的頁面內容的位元組大小，失敗時回傳 0。它是成功指標，不是節省量的度量。典型掃描頁的原始內容流只有幾十個位元組，剛好夠放下擺一張影像的運算子，所以就算整頁縮了好幾 MB，小的正數也是正常結果。原始內容流本來就空的頁面即使被重建也回報 0

失敗行為不是原子式的，這正是要圍繞它設計的部分。參數檢查、渲染與 JPEG 編碼都在動到頁面之前執行，所以範圍外的 BGScale、101 的 JPEGQuality 或渲染失敗，頁面都原封不動。但一旦原始內容被清掉，嵌入或繪製某一層失敗也會回傳 0，此時頁面可能已被部分重建。把任何 0 都當成捨棄這份記憶體內文件的理由而不是存檔，並且絕不要把結果寫回來源檔

想知道這次轉換實際省了多少，請直接量測文件。比較前後 SaveToString 的長度是最快的檢查；要按類別細看，用 AuditDocumentSpace 做 PDF 檔案大小稽核能顯示重量是否如預期從影像移出

function MRCSavings(Lib: TPDFlib): Int64;
var
  Before: Int64;
  P: Integer;
begin
  Before := Length(Lib.SaveToString);
  for P := 1 to Lib.PageCount do
  begin
    Lib.SetFillColor(0, 0, 0);
    if Lib.CompressPageAsMRC(P, 300, 4, 60, 160, 0) = 0 then
      raise Exception.CreateFmt('Page %d failed; discard this document', [P]);
  end;
  Result := Before - Length(Lib.SaveToString);
end;

這套兩層 MRC 與 ITU-T T.44 的差距

CompressPageAsMRC 實作的是刻意簡化的 MRC。ITU-T T.44 的完整模型每條帶用三層：一張背景影像、一張承載墨色的前景影像，以及一張逐像素在兩者間取捨的雙階遮罩，且一頁可以放多組遮罩與前景對。用 PDF 的話說，第三層會是帶顯式遮罩（§8.9.6.3）的低解析度彩色前景影像，而不是以單色著色的模板。PDF Library for Delphi 跳過了前景彩色層，這既是結果如此之小的原因，也是彩色墨水塌縮成一種填色的原因

  • 這個方法適合掃描紙面上的黑色或單色文字；色彩編碼的文件、螢光標註與彩色印章會失去墨色
  • 重建後的頁面是純點陣：原始頁面上任何真正的文字、向量圖形或可選取字元都變成像素，所以請用在掃描件上，不要用在原生數位頁面，後者該用的工具是字型子集化與影像降取樣
  • 遮罩使用程式庫的 CCITT 編碼器 T.4 二維模式，寫成 /CCITTFaxDecode 加 /K 1；編碼器透過 AddImageCCITTFromBitmapStream 也有 Group 4 模式，但 CompressPageAsMRC 沒有暴露它，也不用 JBIG2
  • 註解與表單欄位不會被扁平化；它們以物件形式留在重建後的內容之上
  • 背景是 /DeviceRGB，所以輸出不適合 PDF/X-1a 流程，而 SetFillColor 本身在 PDF/X-1a 模式下也會被拒絕
  • 本來就需要 OCR 的掃描件應先辨識再做 MRC，趁原始像素還有完整色彩深度時

FAQ

CompressPageAsMRC 會保留文字可搜尋嗎？

不會。CompressPageAsMRC 用兩張影像替換頁面內容，原始頁面上的任何文字運算子，包括隱形的 OCR 文字層，都一併被移除。壓縮後再對該頁執行 OCR，或壓縮後把文字層加回去

可以只壓縮文件裡的部分頁面嗎？

可以。CompressPageAsMRC 每次呼叫處理一個從 1 起算的頁面，頁面由您挑選，甚至可以逐頁調整 BGScale 與 Threshold，例如照片插頁用倍率 2、純文字頁用 6

Options 參數該傳什麼？

傳 0。目前版本中 Options 保留供未來使用，沒有定義任何位元，非零值如今不帶任何意義

CompressPageAsMRC 隨 losLab PDF Library for Delphi v3.561.0 推出，組成它的渲染、JPEG、CCITT 與模板遮罩積木也一併提供，需要管線變體時都可作為公開方法使用。程式庫、其 C++Builder 支援與完整 API 參考都在PDF Library for Delphi 產品頁