PDF转换时图片被自动压缩，如何保持原始分辨率不损失？

Question

在将Word、PPT或网页等源文件导出为PDF，或使用Adobe Acrobat、在线工具、Python库（如pdfkit、ReportLab）批量生成PDF时，常出现嵌入图片被自动有损压缩的问题：高分辨率截图（如300dpi屏幕捕获图）导出后模糊、文字锯齿、细节丢失。根本原因在于多数PDF生成引擎默认启用JPEG压缩、降低DPI（如强制降至150dpi）、缩减图像采样率，或对RGB图像盲目转为CMYK并降质。尤其在技术文档、医学影像报告、芯片版图说明等对像素精度敏感的场景中，此类压缩直接导致信息失真与合规风险。该问题并非PDF格式限制（PDF本身支持无损LZW/Flate压缩及原始位图嵌入），而是工具链默认策略过于保守所致。如何在保证文件体积可控的前提下，精准禁用自动压缩、保留原始图像元数据（DPI、色彩空间、编码方式），成为跨平台PDF生成中的典型质量保障难题。

Answer 1

```html

一、现象层：识别“图像失真”在PDF生成链中的典型表现

• Word导出PDF时，插入的300dpi PNG截图文字边缘出现明显锯齿，放大后像素块化；
• PPT另存为PDF后，矢量嵌入图被栅格化为150dpi JPEG，微米级芯片版图线条断裂；
• pdfkit（基于wkhtmltopdf）渲染含高分屏截图的HTML页面，自动启用--quality 94并强制转JPEG，RGB→CMYK转换导致色偏；
• ReportLab默认对Image对象执行resample=True且compression='auto'，无视原始DPI元数据；
• Adobe Acrobat“优化PDF”预设中“缩减文件大小”勾选即触发有损重采样（即使源图已为PDF/X-4）。

二、机理层：PDF生成工具链的四重压缩默许机制

下表归纳主流工具默认图像处理策略：

工具/库	默认压缩编码	DPI强制干预	色彩空间转换	无损保真开关
Microsoft Word (Win/macOS)	JPEG (Q=85)	强制150dpi（不可见设置）	RGB→sRGB（隐式gamma校正）	仅通过File → Options → Advanced → Image Size and Quality → Do not compress images in file
LibreOffice Draw	Flate（PNG）+ JPEG（其他）	保留原始DPI（需手动禁用“Reduce image resolution”）	保持RGB	导出PDF时勾选Lossless compression
pdfkit + wkhtmltopdf	JPEG（无PNG支持）	默认96dpi（--dpi 300仅影响字体，不作用于img）	无转换	需预处理图片为PDF片段并embed=True

三、诊断层：验证图像是否被篡改的三步法

1. 提取原始流对象：使用qpdf --stream-data=uncompress input.pdf output.pdf解压所有流，再用pdfimages -list output.pdf查看每张图的colorspace、bpc（bit per component）、resolution；
2. 比对哈希指纹：对源图sha256sum screenshot.png，再用pdfimages -f 1 -l 1 -png output.pdf tmp && sha256sum tmp-000.png确认一致性；
3. 检查色彩配置文件嵌入：运行pdfinfo -meta output.pdf | grep -i "icc\|srgb"，缺失则说明CMYK盲转或profile剥离。

四、解法层：跨平台无损PDF生成黄金实践

以下为经生产环境验证的配置方案：

# ReportLab：显式禁用重采样，保留原始DPI与色彩空间
from reportlab.platypus import Image
from reportlab.lib.utils import ImageReader
img = ImageReader("source_300dpi.png")  # 自动读取DPI/ICC
im = Image("source_300dpi.png", 
           width=img.getSize()[0], 
           height=img.getSize()[1],
           kind='direct')  # ← 关键：禁止scale/resample
im._restrictSize = False  # 禁用内部尺寸约束

五、架构层：构建可审计的PDF质量门禁流水线

graph LR
A[源文件 Word/PPT/HTML] --> B{预处理}
B -->|PNG/JPEG/TIFF| C[提取DPI/ICC/BitDepth元数据]
B -->|非位图| D[SVG→PDF via CairoSVG]
C --> E[注入PDF元数据模板]
D --> E
E --> F[PDF生成引擎]
F -->|ReportLab/pdfrw/wkhtmltopdf| G[输出PDF]
G --> H[质量校验脚本]
H -->|SHA256/分辨率/ICC存在性| I[通过？]
I -->|Yes| J[签名归档]
I -->|No| K[告警并阻断]

六、合规层：满足ISO 19005-1（PDF/A-1b）与DICOM PDF的硬性要求

• 医学影像报告必须满足PDF/A-2u：所有图像须为无损压缩（Flate/LZW），禁止JPEG；
• 芯片设计文档需通过veraPDF校验器检测OutputIntent与EmbeddedFiles完整性；
• 使用pdfcpu validate -v strict input.pdf验证是否含禁止的/Filter /DCTDecode流；
• 对于300dpi以上图像，PDF/A-3允许嵌入原始TIFF（/Subtype /Image + /Filter /FlateDecode）。

```