Digitalizar um maço de folhas impressas só de um lado num alimentador de frente e verso produz um documento em que metade das páginas está vazia. Um relatório com separadores de secção traz páginas em branco entre capítulos. Um documento com paginação para impressão traz versos vazios propositados que, em leitura no ecrã, só atrapalham.
Esta ferramenta encontra essas páginas automaticamente. Cada página é renderizada numa versão pequena, com 320 píxeis no lado maior, e analisada: são amostrados píxeis com espaçamento regular e conta-se quantos têm algum canal abaixo de 235, o que indica marca. Se a proporção de píxeis com marca for superior a 0,4 por cento, a página é considerada com conteúdo e mantida.
As páginas mantidas são copiadas com copyPages, sem renderização, por isso o documento final tem exatamente a mesma qualidade do original.
A análise acontece no navegador. O documento não é carregado.
Uma página digitalizada nunca é perfeitamente branca. O sensor introduz ruído, o papel tem textura, e a tinta do verso transparece ligeiramente numa folha fina. Um limiar de zero classificaria praticamente todas as páginas como tendo conteúdo.
O limiar de 0,4 por cento de píxeis com marca é o ponto que distingue de forma fiável ruído de digitalização de conteúdo real. Uma página verdadeiramente vazia fica muito abaixo; uma página com uma única linha de texto fica confortavelmente acima.
| Conteúdo da página | Risco |
|---|---|
| Página com um parágrafo | Nenhum — bem acima do limiar |
| Página só com número de página | Algum — muito pouca marca |
| Marca de água muito clara | Algum — pode ficar abaixo do limiar |
| Anotação a lápis ténue | Elevado — verifique |
| Verso realmente vazio | Removido, como pretendido |
Vale sempre a pena comparar o número de páginas antes e depois. Se a diferença não for a esperada, verifique o resultado antes de descartar o original.
Cada página é renderizada em pequeno e amostrada; conta-se a proporção de píxeis com marca. Abaixo de 0,4 por cento, a página é considerada vazia.
É possível em páginas com muito pouca marca — apenas um número de página, uma marca de água muito clara ou uma anotação a lápis ténue. Verifique o resultado antes de descartar o original.
Não. São copiadas como objetos, sem renderização. A renderização serve apenas para a análise.
Sim. O limiar foi escolhido para tolerar ruído de digitalização e textura de papel, que de outra forma seriam confundidos com conteúdo.
Compare a contagem de páginas do resultado com a do original; se a diferença não for a esperada, use Eliminar páginas do PDF para uma seleção manual.
Não. Tudo acontece no navegador.