空白页是因结构性原因积累起来的。双面扫描仪不管有没有内容都会记录每张纸的背面,于是一份单面打印的二十页文档变成四十页、一半是空的。印刷书籍的章节之间会留空白左页。传真和扫描软件会插入分隔纸。
本工具会自动找出并移除它们。每一页都以低分辨率渲染并逐像素采样,把比接近白色更暗的都算作墨迹。采样像素中墨迹超过 0.4% 就保留该页,否则丢弃。这个阈值刻意设得很低,因此只带页码或一条细页脚线的页面会被正确判定为非空白。
判定与重建都在浏览器内进行。扫描的人事档案或病历可以在不留服务器副本的情况下整理。
-edited 后缀保存。丢弃原件前请先比较页数。| 步骤 | 细节 |
|---|---|
| 渲染 | 页面按长边最多 320 像素绘制 |
| 采样 | 每四个像素检查一个,快速且在统计上足够 |
| 墨迹判定 | 任一通道低于 255 中的 235 即计为墨迹 |
| 阈值 | 采样像素中墨迹超过 0.4% 就保留该页 |
| 重建 | 保留页无损复制,文字与矢量图形完好 |
扫描件是棘手的情形。经过扫描仪的白纸很少是纯白的:纸张纹理、灰尘、装订侧的灰影、背面印刷的透印都会被捕捉到。其中任何一项越过墨迹阈值,页面就会被保留并原样出现在结果里。
相反的错误较少见但确实可能:只有极淡水印、浅灰图形或一行淡色文字的页面,可能低于阈值而被移除。这正是工具要告诉你移除了多少页的原因。如果数字高于预期,请在丢弃原件前把结果对照一遍。
把页面小尺寸渲染,每四个像素采样一个,把比接近白色更暗的像素算作墨迹。采样像素中墨迹少于 0.4% 就当作空白页处理。
不会。阈值特意设得很低,正是为了让页码、页脚线或一行页眉足以保住一页。只有真正空白的页面才会被移除。
扫描出的空白页往往并非纯白——纸张纹理、灰尘、边缘阴影和背面透印都会被记为墨迹。这些页面超过阈值因而被保留,请用删除 PDF 页面手动清理。
内容极淡的页面有可能低于阈值。工具会报告移除的页数,请核对这个数字并与原件比较后再删除原件。
不会。保留的页面作为完整的 PDF 对象复制,文字仍可选中,矢量图形依旧锐利。
不会。渲染、分析和重建全部在浏览器内进行。