JPEG no PDF: por que o texto escaneado borra ao comprimir

Quando um scan de contrato sai borrado depois de comprimido, o motivo quase sempre é o JPEG. Dentro do PDF, a página escaneada é uma imagem JPEG, um formato com perda que descarta os detalhes finos, e as bordas das letras são justamente esses detalhes. Entender esse caminho ajuda a escolher o nível certo e a não estragar um documento que estava bom.

O que é o JPEG dentro do PDF

Um PDF escaneado costuma ter, para cada página, uma única imagem. Essa imagem fica guardada como um fluxo de dados codificado com DCT, que é a forma técnica do JPEG. O arquivo não tem texto ali: tem pixels. A letra “a” é um conjunto de pontos cinzas ou pretos que o leitor desenha na tela.

O JPEG divide a imagem em blocos pequenos e guarda, com menos precisão, as variações rápidas de tom. Essas variações são as bordas. Num bloco com uma letra, a borda entre o preto da tinta e o branco do papel é a informação mais importante, e é também a primeira que a codificação simplifica. Quanto mais baixa a qualidade do JPEG, mais suave fica essa borda.

Por que recomprimir piora a imagem

O JPEG é com perda, e a perda não é desfeita ao reabrir o arquivo. Quando um PDF já tem JPEG dentro e é comprimido de novo, o programa decodifica a imagem, reduz o tamanho ou o detalhe, e codifica outra vez. Cada volta acrescenta uma camada de erro sobre a anterior. Engenheiros chamam isso de perda de geração.

Por isso o caminho que mais preserva é fazer uma compressão só, com o alvo escolhido com cuidado, e manter o scan original em lugar seguro. Se você comprimiu um arquivo e depois precisou de mais redução, comece de novo a partir do scan, não do PDF que já ficou pequeno. Se o PDF nasce no Word, também dá para evitar parte da perda na origem: veja imagens do Word que perdem qualidade no PDF.

A resolução pesa mais do que a qualidade do JPEG

Há duas alavancas. A primeira é a resolução: reamostrar a imagem de 300 para 150 DPI joga fora três quartos dos pixels. A segunda é a qualidade do JPEG, que decide quanto de cada bloco sobrevive. Para texto, a resolução é a mais perigosa. Uma letra de 8 pt escaneada a 150 DPI ocupa cerca de 17 pixels de altura de corpo. Reduzida para 72 DPI, cai para algo perto de 8 pixels, e aí cada letra vira um pequeno borrão.

Níveis de compressão seguem essa lógica. O nível leve mantém 300 DPI, o médio reduz para 150 e o forte para 72. Na prática, o forte é o que mais borra texto, e o médio é o que mais costuma servir para documento escaneado que vai para a tela ou para e-mail.

Os números são de um teste com uma página A4 de exemplo, com o Ghostscript do motor deste site. Um scan com mais tinta, carimbos ou fundo cinza pode reagir de outro jeito. O que muda de documento para documento é o peso, não a regra de que a resolução manda.

Sinais de que o JPEG estragou o texto

• Letras com contorno duplicado ou “fantasma”. Aparecem em volta de cada caractere quando a qualidade do JPEG é baixa.
• Números parecidos se confundindo. O 3 e o 8, o 1 e o 7, o 5 e o 6 ficam mais parecidos quando o bloco perde detalhe.
• Carimbos e assinaturas sumindo. São traços finos, os primeiros a sair num forte.
• Linhas de tabela e sublinhados que falham. Traços de um ou dois pixels são os primeiros a desaparecer ou a ficar com falhas quando a resolução cai.

O que fazer antes de comprimir um scan

A ordem importa mais do que qualquer configuração. Digitalize texto em 200 ou 300 DPI, em preto e branco ou em cinza, e não em cor: uma página em cor de 300 DPI pesa muito mais que a mesma página em cinza. Escolha o formato de saída do scanner como PDF direto, sem passar por outro programa que recomprime. Se a foto veio do celular, reduza a imagem antes de montar o PDF, como mostra o guia sobre scan em preto e branco.

Depois, comprima uma vez com o nível mais baixo que atinja o tamanho pedido, confira o resultado em 100% numa letra pequena, e só então envie. Se o portal recusar o arquivo, o alvo é o tamanho, e a forma de chegar lá é tentar o médio antes do forte.

Quando o problema é outro

Nem todo PDF escaneado pesado precisa de compressão. Um arquivo que tem muitas páginas pode ficar mais fácil de enviar se for dividido em partes, e um que tem uma única foto enorme pode ficar pequeno só ao reduzir essa foto. Compressão não corrige um scan ruim: se o original está torto ou escuro, o JPEG só deixa o defeito mais evidente.

Para quem precisa do texto pesquisável além da imagem, o caminho é aplicar OCR depois de escanear e antes de comprimir, não o contrário. O reconhecimento lê melhor a imagem nítida, e a camada de texto fica sobreposta à imagem com a posição certa. Para um limite de 3 MB, veja comprimir PDF para 3 MB sem perder muito, com o que cabe em cada nível.

Onde a ferramenta entra nessa conta

O comprimir PDF deste site oferece os três níveis e devolve o original quando o resultado sai maior, o que evita piorar um arquivo que já era pequeno. Se o texto precisa ser pesquisável, aplique o OCR sobre o scan original, antes de qualquer compressão: o reconhecimento lê melhor a imagem nítida.

Vale ler também o guia sobre como comprimir PDF sem perder qualidade para ver o efeito de cada nível em outros tipos de página.

Se o PDF já ficou borrado depois de comprimir, o guia PDF borrado depois de comprimir mostra como recuperar o que for possível, e quanto pesa uma página escaneada explica de onde vem o tamanho do scan.