لماذا تكون الملفات الممسوحة ضوئياً ضخمة

رسالة من خمس صفحات كُتبت في معالج نصوص وصُدِّرت إلى PDF تقلّ عادةً عن مئتي كيلوبايت. والصفحات الخمس نفسها، بعد طباعتها وتوقيعها ومسحها ضوئياً من جديد، تبلغ خمسة عشر ميجابايت بلا عناء، أي خمسة وسبعين ضعفاً لمستند يحوي الكلمات ذاتها تماماً. لم يحدث خلل؛ الملفان ببساطة ليسا من النوع نفسه. أحدهما يحوي أوامر نص وخطاً، والآخر يحوي خمس صور فوتوغرافية للورق. وما إن ترى المسح الضوئي ألبوم صور لا مستنداً حتى يصير سلوكه كله متوقّعاً: لماذا هو ضخم، ولماذا لا تستطيع البحث داخله، ولماذا لا يعطي تحويله إلى Word شيئاً، ولماذا ينضغط أفضل من أي ملف آخر تملكه.

من أين تأتي الميجابايتات

ثلاثة إعدادات في الماسح تتضاعف بعضها في بعض. الأول الدقة: صفحة بحجم A4 عند ثلاثمئة نقطة في البوصة تساوي نحو ألفين وأربعمئة وثمانين في ثلاثة آلاف وخمسمئة وثمانية بكسل، أي قرابة ثمانية ملايين وسبعمئة ألف. وارفعها إلى ستمئة نقطة فتقارب خمسة وثلاثين مليوناً، أي أربعة أضعاف البيانات مقابل تفصيل لن تظهره شاشة ولا تحتاجه طابعة لنص عادي. والثاني عمق اللون: اللون الكامل يخزّن ثلاث قيم لكل بكسل، والتدرّج الرمادي قيمة واحدة، والأبيض والأسود الخالص بتاً واحداً. فمسح صفحة بحبر أسود على ورق أبيض بالألوان يضاعف البيانات الخام ثلاث مرات قبل الضغط ولا يعطيك مقابل ذلك سوى مسحة بيج باهتة مكان الورق. والثالث الترميز الذي يختاره الماسح: إن خزّن الصفحات بلا فقد فإن كل ذرّة غبار وكل ليفة ورق تُحفظ بايتاً بايتاً، ويصير ضجيج الورق نفسه جزءاً كبيراً من ملفك.

ما الذي تكلّفه ملمس الورق

هذه النقطة الأخيرة تفاجئ الناس. الضغط يعمل بإيجاد التكرار، والمساحة البيضاء النظيفة تنضغط حتى تكاد تختفي. لكن الصفحة البيضاء الممسوحة ليست بيضاء: إنها آلاف القيم شبه البيضاء المتفاوتة قليلاً، تنتجها حبيبات الورق وتذبذب المصباح وضجيج المستشعر. وبالنسبة لبرنامج ضغط لا يفقد شيئاً فتلك المساحة تفصيل غير متوقّع يجب حفظه بدقّة، ولذلك تكلّف الصفحة الفارغة ميجابايتات حقيقية. والمسح بالتدرّج الرمادي بدل الألوان يساعد، والمسح في وضع النص أو إزالة التنقيط الذي توفّره أغلب المشغّلات يساعد أكثر، لأن هذه الأوضاع تسوّي القيم شبه البيضاء إلى أبيض قبل ترميز الصفحة. فإن تساءلت يوماً لماذا يكون مسح ورقة فارغة أثقل من مستند نصي من أربعين صفحة، فهذا هو الجواب.

لماذا يتعذّر البحث والتحويل

الصفحة الممسوحة لا تحوي طبقة نص إطلاقاً. لا محارف ولا رموز حروف، بل بكسلات تشبه شكل الحروف فحسب. فبحث برنامج العرض لا يجد شيئاً، وزر النسخ لا يحدّد شيئاً، ومحوّل PDF إلى Word يعطي بأمانة مستنداً فارغاً. والسبيل الوحيد لإضافة نص هو التعرّف الضوئي على الحروف، الذي يفحص البكسلات ويخمّن الحروف. والتعرّف الحديث جيد مع الصفحات المطبوعة النظيفة المستقيمة، وغير موثوق مع خط اليد والنسخ الباهتة والأختام والجداول وكل ما صُوّر بزاوية مائلة. وهو فوق ذلك يفشل بصمت: الحرف الخاطئ الواثق يبدو تماماً كالحرف الصحيح، ولذلك يبقى ناتج التعرّف الضوئي في أي أمر مهم مسودة تُراجَع لا نصاً مُستعاداً.

إنقاذ ملف وصلك بالفعل

لا تستطيع عادةً إعادة مسح مستند شخص آخر، فيبقى الحلّ العملي إعادة الترميز. وهذه هي الحالة التي يتألق فيها الضغط، لأن المسح الضوئي بيانات صور خالصة، وبيانات الصور هي بالضبط ما يستطيع برنامج الضغط إعادة صنعه. في قياساتنا نزل مستند ممسوح من اثنتي عشرة صفحة من 17,69 ميجابايت إلى 1,49 ميجابايت، أي 91,6 بالمئة، وبقي مقروءاً تماماً على الشاشة. مثل هذه النتيجة معتادة في الملفات الممسوحة ومستحيلة في المستندات النصية التي لا تملك ما تعطيه. افحص الناتج بتكبير كامل لا في الصورة المصغّرة، وانظر تحديداً إلى أصغر العلامات في الصفحة: توقيع، ختم، حاشية، ملاحظة بخط اليد. فإن بقيت سليمة فالملف بخير.

الملفات المختلطة ونصف الممسوحة

ليست كل الملفات إما ممسوحة بالكامل أو رقمية بالكامل. كثير من المستندات التي تتداولها المكاتب مختلطة: عقد كُتب رقمياً ثم أُدرجت فيه صفحة موقّعة ممسوحة، أو تقرير نصي أُلحقت به مرفقات مصوّرة. هذه الملفات تربك التوقّعات لأن نصفها قابل للبحث ونصفها لا. وعلامتها أن البحث يجد كلمات في بعض الصفحات ويعجز عنها في غيرها، وأن حجم الملف يبدو غير متناسب مع عدد صفحاته. والخبر الجيد أن الضغط يعاملها معاملة عادلة: الصفحات المصوّرة تنكمش انكماشاً كبيراً والصفحات النصية تبقى كما هي، فتحصل على مكسب معتبر دون أي أثر على النص. والخبر الأقل جودة أن التحويل إلى Word سيستعيد الصفحات النصية فقط ويترك الصفحات الممسوحة فارغة، وهذا ليس عطلاً بل انعكاس أمين لما في الملف.

ضبط الأمر عند الماسح نفسه

حين يكون المسح مسحك تكون الإعدادات المهمة بسيطة. استعمل ثلاثمئة نقطة للمستندات التي قد تحتاج إلى تكبيرها أو تشغيل التعرّف الضوئي عليها لاحقاً، ومئتي نقطة للأوراق اليومية؛ أما ستمئة نقطة فللصور الفوتوغرافية والرسوم الدقيقة لا لفاتورة موقّعة. واستعمل التدرّج الرمادي ما لم يكن اللون يحمل معلومة: ختم ملوّن، بند مظلّل، رسم بياني. ودع المشغّل يحفظ الصفحات بصيغة مضغوطة داخل ملف PDF بدل الصيغة غير الفاقدة إن أتاح لك الخيار، وفعّل تصحيح الميلان التلقائي وحذف الصفحات الفارغة. وكاميرا الهاتف ماسح مشروع عند العجلة، لكن صوّر الصفحة مسطّحة وبإضاءة متساوية ومالئة للإطار، واستعمل تطبيق مسح يصحّح المنظور بدل الكاميرا العادية، فالصفحة المصوّرة بزاوية تهزم التعرّف الضوئي وتبدو مهملة.

متى يكون الحجم الكبير هو الجواب الصحيح

ليس كل مسح ضخم خطأ. فرقمنة المخطوطات والمخططات والصور الطبية وكل ما له وزن قانوني تُجرى عمداً بدقّة عالية وبالألوان وبلا فقد، لأن المعلومة التي تُرمى اليوم لا تعود غداً. والقاعدة أن تسأل: من يقرأ هذا الملف وكم يجب أن يعيش؟ المسح الذي يذهب هذا المساء إلى زميل ينبغي أن يكون صغيراً ومقروءاً. ومسح سند ملكية سيُحفظ ثلاثين سنة ينبغي أن يكون كبيراً وأميناً، والنسخة التي ترسلها بالبريد ينبغي أن تكون مشتقّة منه مضغوطة لا الأرشيف نفسه. والاحتفاظ بالاثنين، حين يستحق المستند ذلك، يكلّف قليلاً من مساحة القرص ويغلق المسألة نهائياً.

طريقة سريعة لتشخيص أي ملف

إن لم تكن متأكداً من نوع ملف PDF الذي بين يديك فاختباران لا يستغرقان خمس ثوان يحسمان الأمر. حاول تحديد جملة بالمؤشر: إن تظلّلت الصفحة كلها ككتلة واحدة فهي صورة وما لديك مسح ضوئي. ثم قارن الحجم بعدد الصفحات: أي مستند يزيد متوسطه على نصف ميجابايت للصفحة مليء بالصور بلا استثناء تقريباً. هذان الفحصان يخبرانك فوراً هل سيفيد الضغط فائدة كبيرة، وهل سيعمل استخراج النص أصلاً، وهل الأجدر بك في الحقيقة أن تطلب من المرسِل الملف الرقمي الأصلي، وهو كثيراً ما يكون أسرع الحلول جميعاً.