スキャンPDFがOCR後に巨大化する原因と対処法

OCR処理では、元のスキャン画像の上に「不可視テキストレイヤー」を重ねてPDFに埋め込みます。テキストレイヤー自体は軽量ですが、問題は画像の扱い方にあります。一部のOCRツールは処理過程でスキャン画像を非圧縮または高品質のまま再保存するため、元の圧縮JPGより大幅にサイズが増加します。また、OCRツールが内部でPDFを一度展開し、再構築するときに最適化されていない方法で保存すると、メタデータや冗長データも膨らみます。スキャンページが多い（50ページ以上など）PDFではこの影響が顕著になります。

1. 1OCR前後のファイルサイズを比較し、増加率を確認する（2倍以上なら対処が必要）
2. 2OCRツールの設定で「出力品質」や「画像圧縮」オプションを確認する
3. 3可能であれば「画像をJPEG圧縮して埋め込む」設定を有効にする
4. 4OCR後にLazyPDFの圧縮ツールでPDFを再圧縮してサイズを削減する
5. 5圧縮後のファイルでテキスト検索・コピーが引き続き機能するか確認する

OCR後のサイズを小さく抑えるには、OCR前の画像品質を適切に管理することが重要です。スキャン解像度が必要以上に高い（600DPIなど）場合、OCR処理に時間がかかり、出力サイズも大きくなります。一般的なテキスト文書のOCRには200〜300DPIで十分です。スキャンした画像を300DPIのJPGとして保存してからOCRにかけるワークフローが、品質とサイズのバランスが最もよいです。また、スキャン時のカラー設定を「グレースケール」にすると、カラースキャンと比べてファイルサイズを大幅に削減できます。テキスト文書のOCRにはカラー情報は不要なので、積極的にグレースケールを活用しましょう。

OCRで検索可能にしたPDFのサイズが大きすぎる場合、LazyPDFの圧縮ツールを使って後から圧縮できます。Ghostscriptベースの圧縮により、埋め込み画像のクオリティを調整しながらサイズを削減します。圧縮後もテキストレイヤーは保持されるため、検索・コピー機能は維持されます。平均的なスキャンPDFでは、圧縮後に元サイズの30〜60%程度まで削減できることが多いです。

1. 1LazyPDFの圧縮ツールにOCR後のPDFをアップロードする
2. 2圧縮設定で「バランス（推奨）」または「高圧縮」を選択する
3. 3ダウンロードされたPDFを開き、テキスト検索が機能するか確認する
4. 4文字がぼやけすぎていないか視覚的にも確認し、問題なければ完成

メール添付には通常10MB以下が推奨されます（多くのメールサービスの上限が25MB）。社内共有システムやクラウドストレージにアップする場合は制限が緩いことが多いですが、ダウンロード速度を考えると20MB以下が実用的です。スキャン1ページあたりのサイズ目安は、300DPI・グレースケール・OCR済みで約150〜300KB、カラースキャンでは300〜600KBが適切な範囲です。これを超える場合は圧縮か、ページ分割で対応しましょう。スキャン文書が多くなるほど一括圧縮ワークフローの整備が業務効率化につながります。