스캔한 PDF가 무거운 이유

워드프로세서로 쓴 다음 PDF로 내보낸 다섯 쪽짜리 편지는 대개 200킬로바이트를 넘지 않습니다. 같은 다섯 쪽을 인쇄하고 서명해서 다시 스캔하면 아무렇지 않게 15메가바이트에 이릅니다. 낱말 하나까지 똑같은 문서인데 일흔다섯 배입니다. 무언가 잘못된 것이 아닙니다. 두 파일이 애초에 같은 종류의 물건이 아닐 뿐입니다. 하나에는 글자 그리기 명령과 글꼴이 들어 있습니다. 다른 하나에는 종이 사진 다섯 장이 들어 있습니다. 스캔을 문서가 아니라 사진첩으로 보는 순간, 그 행동은 전부 예측 가능해집니다. 왜 거대한지, 왜 안에서 검색이 안 되는지, 왜 워드로 바꿔도 아무것도 안 나오는지, 그리고 왜 가진 어떤 파일보다도 잘 줄어드는지.

메가바이트는 어디서 오는가

스캐너의 설정 세 가지가 서로 곱해집니다. 첫째는 해상도입니다. A4 한 쪽을 1인치에 300점으로 읽으면 대략 2480 곱하기 3508 화소, 곧 870만 화소쯤 됩니다. 600점으로 올리면 3500만 화소에 가까워집니다. 어떤 화면에도 보이지 않고 보통 글자에는 어떤 프린터도 필요로 하지 않는 세부를 위해 네 배의 데이터를 안게 되는 것입니다. 둘째는 색 깊이입니다. 완전한 색은 화소마다 값 세 개를 저장하고, 회색조는 하나, 순수한 흑백은 1비트만 저장합니다. 흰 종이에 검은 잉크로 쓰인 쪽을 컬러로 읽으면 압축 전 원본 데이터가 세 배가 되고, 그 대가로 얻는 것은 종이가 있던 자리에 남는 옅은 베이지 색조뿐입니다. 셋째는 스캐너가 고르는 부호화입니다. 쪽을 손실 없는 방식으로 저장하면 먼지 한 톨과 종이 섬유 하나까지 바이트 단위로 남고, 종이 자체의 잡음이 파일의 큰 몫을 차지하게 됩니다.

종이 질감이 치르는 비용

이 마지막 대목이 사람들을 놀라게 합니다. 압축은 되풀이를 찾아내며 작동하고, 깨끗한 흰 면은 거의 없는 것에 가깝게 줄어듭니다. 그런데 스캔된 흰 쪽은 희지 않습니다. 종이의 결과 등의 밝기 변화와 센서 잡음이 만들어 낸, 조금씩 다른 수천 개의 거의 흰 값들의 모임입니다. 손실 없는 압축에게 그 면은 예측할 수 없는 세부이므로 정확히 보존해야 하고, 그래서 빈 쪽이 진짜 메가바이트를 먹습니다. 컬러 대신 회색조로 읽으면 나아지고, 대부분의 드라이버가 제공하는 글자 모드나 망점 제거 모드로 읽으면 더 나아집니다. 그 모드들은 쪽이 부호화되기 전에 거의 흰 값들을 흰색으로 눌러 주기 때문입니다. 빈 종이 한 장의 스캔이 40쪽짜리 본문 문서보다 무거운 이유가 궁금했다면 답은 이것입니다.

검색도 변환도 안 되는 이유

스캔한 쪽에는 텍스트 층이 전혀 없습니다. 글리프도 문자 코드도 없고 글자 모양을 한 화소만 있습니다. 뷰어의 검색은 아무것도 찾지 못하고 복사 단추는 아무것도 선택하지 못하며 PDF 변환 도구는 정직하게 빈 문서를 내놓습니다. 글자를 더할 수 있는 유일한 길은 광학 문자 인식으로, 화소를 살펴 글자를 추측합니다. 요즘 문자 인식은 깨끗하고 반듯한 인쇄 쪽에는 강하지만 손글씨와 흐려진 복사본과 도장과 표와 비스듬히 찍힌 것에는 미덥지 않습니다. 게다가 조용히 실패합니다. 자신 있게 틀린 글자는 맞는 글자와 똑같이 생겼습니다. 그래서 중요한 문서에서 문자 인식의 결과물은 복원된 본문이 아니라 교정해야 할 초고입니다.

이미 받은 파일을 살리기

남의 문서를 다시 스캔할 수는 대개 없으므로 실무적인 해법은 다시 부호화하는 것입니다. 압축이 가장 빛나는 자리가 바로 여기입니다. 스캔은 순수한 이미지 데이터이고, 이미지 데이터야말로 압축 도구가 다시 만들어 낼 수 있는 것이기 때문입니다. 저희 측정에서 12쪽짜리 스캔 문서는 17.69메가바이트에서 1.49메가바이트로, 91.6퍼센트 줄었고 화면에서 흠 없이 읽혔습니다. 이런 결과는 스캔에서는 흔하고 내놓을 것이 없는 본문 문서에서는 이룰 수 없습니다. 결과는 미리보기가 아니라 실제 배율로 확인하고, 특히 쪽에서 가장 작은 흔적을 보십시오. 서명, 도장, 각주, 손으로 쓴 메모. 그것들이 살아 있으면 그 파일은 괜찮습니다.

스캐너에서 바로잡기

직접 스캔하는 경우라면 중요한 설정은 단순합니다. 나중에 키우거나 문자 인식에 넣을 수 있는 문서에는 300점, 일상적인 서류에는 200점을 쓰십시오. 600점은 사진과 정밀한 도면을 위한 것이지 서명된 청구서를 위한 것이 아닙니다. 색이 정보를 담고 있지 않다면 회색조를 쓰십시오. 색 도장이나 형광펜으로 표시한 조항이나 그래프는 예외입니다. 드라이버가 선택하게 해 준다면 손실 없는 방식 대신 PDF 안에 사진 형식으로 저장하게 하고, 기울기 자동 보정과 빈 쪽 제거를 켜십시오. 급할 때 휴대전화 카메라는 어엿한 스캐너지만, 쪽을 평평하게 두고 빛을 고르게 하며 화면을 가득 채워 찍으십시오. 그리고 보통 카메라 대신 원근을 바로잡는 스캔 앱을 쓰십시오. 비스듬히 찍힌 쪽은 문자 인식을 무너뜨리고 보기에도 성의 없어 보입니다.

큰 것이 정답인 경우

큰 스캔이 모두 잘못은 아닙니다. 필사본과 도면과 의료 영상, 그리고 법적 무게를 지닌 모든 것의 디지털화는 일부러 높은 해상도와 컬러와 손실 없는 방식으로 이루어집니다. 오늘 버린 정보는 내일 돌아오지 않기 때문입니다. 판단의 기준은 이 파일을 누가 읽고 얼마나 오래 살아야 하는지 묻는 것입니다. 오늘 오후에 동료에게 보내는 스캔은 작고 읽기 쉬워야 합니다. 30년을 보관할 등기 서류의 스캔은 크고 충실해야 하며, 메일로 보내는 사본은 거기서 만든 압축본이어야지 보관본 자체여서는 안 됩니다. 문서가 그럴 값어치가 있을 때 둘 다 두는 비용은 약간의 저장 공간이고, 그것으로 이 문제는 영영 정리됩니다.

어떤 파일이든 빠르게 가려내기

손에 든 PDF가 어느 쪽인지 모르겠다면 5초짜리 확인 두 가지면 충분합니다. 커서로 한 문장을 선택해 보십시오. 페이지 전체가 한 덩어리로 반전되면 그것은 이미지이고 여러분이 가진 것은 스캔입니다. 다음으로 파일 크기를 쪽수와 견주어 보십시오. 한 쪽 평균 0.5메가바이트를 넘는 문서는 예외라 할 것 없이 이미지 중심입니다. 이 두 가지 확인이 압축이 극적으로 도움이 될지, 글자 추출이 애초에 작동할지, 그리고 사실은 보낸 사람에게 원래 디지털 파일을 달라고 해야 하는 것은 아닌지를 곧바로 알려 줍니다. 그리고 그 마지막 선택지야말로 흔히 가장 빠른 해결책입니다.