PDF vetorial ou de imagem: como saber a diferença

Um PDF vetorial guarda letras e traços como instruções de desenho, e um PDF de imagem, em geral um escaneado, guarda cada página como uma foto. Para saber qual é o seu, selecione uma palavra no leitor: se a seleção pegar letras, há texto; se não, é imagem. O vetor fica nítido em qualquer zoom, e a imagem perde definição quando você amplia.

O que muda dentro do arquivo

Cada página é um fluxo de comandos. Para texto, o comando BT abre um bloco de texto, Tj desenha a sequência de caracteres e ET fecha o bloco. Para desenhos, m move o cursor, l traça uma reta, c traça uma curva e f preenche a forma. Nada disso é imagem: são instruções que o leitor executa para montar a página na tela. Logotipos antigos em EPS são vetoriais e viram PDF vetorial na conversão.

Uma página escaneada faz o contrário. Ela tem um único comando que desenha uma imagem externa, do tipo XObject com subtipo Image, e a imagem contém os pixels. Não há letra nenhuma no arquivo, só a foto da letra.

Teste em quatro passos

1. Abra o PDF no leitor e procure uma palavra da página com Ctrl+F (Cmd+F no Mac). Se a busca achar, há texto.
2. Selecione um parágrafo com o cursor. Se a seleção acompanha as linhas de letra, é texto; se ela cobre a página inteira como um bloco único, é imagem.
3. Amplie a página para 400%. Letra vetorial continua com contorno limpo. Imagem mostra serrilhado, e a textura do papel aparece.
4. Se tiver o poppler instalado, rode pdffonts arquivo.pdf. Fontes listadas indicam texto. Para ver as imagens, use pdfimages -list arquivo.pdf; uma imagem de página inteira, sem fontes, é um escaneado.

O que isso muda no que você pode fazer

A tabela resume a diferença prática. Um PDF vetorial aceita busca, cópia e compressão leve sem sofrer; um escaneado só ganha em tamanho ao custo de resolução, e não ganha em pesquisa.

Por que um PDF pode ser misto

Muitos documentos misturam os dois tipos. Um contrato digitado no Word ganha uma página escaneada quando alguém anexa o RG assinado. Um relatório traz gráficos vetoriais e fotos de satélite coladas em imagem. O leitor não avisa essa mistura, então vale testar página por página, principalmente nas páginas que vieram de fora.

A mistura também explica resultados estranhos em compressão. Um documento com cinquenta páginas de texto e uma foto grande na capa encolhe quase todo pela capa, e o restante praticamente não muda.

O que fazer com cada tipo

• Vetorial: a compressão rende pouco, e o que mais pesa costuma ser fonte embutida. O guia sobre fontes embutidas no PDF explica por que. Juntar, dividir e girar funcionam sem perda. Um portfólio de arquitetura, com plantas em linha fina, é um bom exemplo, e um diagrama exportado do Visio também (PDF e Visio): veja portfólio de arquitetura para estágio em PDF.
• Imagem: a compressão reduz a resolução das imagens, e isso costuma cortar boa parte do peso. Se você precisa pesquisar o texto depois, passe por OCR antes de qualquer outra etapa.

Quando a imagem é o que você precisa

Às vezes a imagem é o caminho certo. Se o destino exige páginas em JPG ou PNG, converta com PDF para imagem e escolha o DPI pelo uso. Se o destino é apenas leitura, um PDF de texto é sempre a melhor escolha, porque continua pesquisável e pesa menos. Para uma planta que vai virar DWG, o que importa é ela ser vetorial, como compara PDFIMPORT no AutoCAD ou conversor online.

O que o AjustaPDF faz aqui

Juntar, dividir, girar e comprimir não transformam um escaneado em texto: uma página de imagem continua sendo imagem depois de passar por elas. Para pesquisar um escaneado, use o OCR em PDF e, se o arquivo estiver pesado, leia o guia por que o PDF escaneado está pesado antes de comprimir.

O que é OCR e o que ele muda

OCR, o reconhecimento óptico de caracteres, analisa a imagem de uma página, identifica as letras e grava, por cima dela, uma camada de texto invisível alinhada às palavras. A página continua sendo foto para quem a vê, mas passa a ser pesquisável e copiável. A qualidade do resultado depende do scan: letra borrada vira erro de reconhecimento, por isso o DPI do escaneamento importa antes de qualquer OCR.

Como tornar um escaneado pesquisável

1. Escaneie com resolução adequada ao texto. O guia qual DPI usar para escanear um documento mostra como escolher.
2. Rode o OCR, por exemplo no OCR em PDF, com o idioma do documento marcado.
3. Teste a busca com três palavras que você sabe que estão na página. Se alguma não aparecer, o reconhecimento falhou naquele trecho e vale refazer o scan dele.
4. Comprima depois. A compressão reduz a resolução das imagens e não mexe no texto, então a camada reconhecida sobrevive.

Documento com páginas dos dois tipos

Um documento pode ter páginas digitais e páginas escaneadas. O teste deve ser feito página a página, e não no arquivo inteiro. Ao juntar um PDF digital com um escaneado, o resultado carrega as duas coisas: a parte digital pesquisável e a parte imagem sem busca. Juntar não altera nenhuma das duas, então o problema, se existir, já estava nas origens.

Copiar trechos para outro documento

A diferença aparece no dia a dia. Um trecho de cláusula num PDF digital pode ser copiado e colado num documento de Word, com a formatação aproximada. O mesmo trecho num escaneado não sai: ou o cursor não seleciona nada, ou o programa de leitura solta uma sequência de letras sem sentido. Antes de passar horas digitando um texto que já existe em PDF, faça o teste de seleção; às vezes a cópia resolve em segundos.

Leitores de tela e acessibilidade

Um leitor de tela lê o texto de uma página, e não consegue ler uma foto de texto sem OCR. Um escaneado sem camada de texto fica mudo para essas ferramentas. Para documentos que precisam ser acessíveis, como provas, materiais didáticos e documentos públicos, o ideal é partir do original digital; se só existe o escaneado, aplique OCR antes de distribuir.

Se a página é imagem, o guia sobre imagem de fundo ou texto no PDF mostra como conferir, e como funciona o OCR explica como ela ganha texto selecionável.