스캔한 서류가 왜 무거워지는가

문서 프로그램에서 만든 PDF에는 '이 자리에 이 글자'라는 지시가 들어 있습니다. 글자 하나가 몇 바이트면 됩니다.

스캐너는 종이를 봅니다. 글자가 무엇인지 모르고, 그저 종이 표면의 밝고 어두움을 촘촘히 재서 점으로 기록합니다. A4 한 장을 300dpi로 재면 가로 약 2,480개, 세로 약 3,500개, 합쳐서 800만 개가 넘는 점이 됩니다. 점마다 색 정보를 담으니 용량이 커집니다.

글자 열 개를 적은 종이든 빽빽한 종이든 점의 개수는 같습니다. 내용의 양이 아니라 종이의 크기와 해상도가 용량을 정하는 셈입니다.

해상도의 영향이 가장 큽니다. 가로세로 양쪽이 늘어나니 2배로 올리면 점 개수가 4배가 됩니다. 600dpi로 스캔한 파일이 300dpi보다 네 배 무거운 것이 이 때문입니다.

색도 큽니다. 컬러는 점마다 빨강·초록·파랑 값을 따로 담고, 회색은 한 가지 값만, 흑백은 검거나 흰 둘 중 하나만 담습니다. 글자만 있는 서류를 컬러로 스캔하는 것은 쓰지 않을 정보를 세 배로 담는 일입니다.

600dpi 컬러는 대개 과합니다. 복합기의 기본값이 그렇게 설정된 경우가 있어서 무심코 무거운 파일을 만들게 됩니다. 스캔 버튼을 누르기 전에 설정을 한 번 보는 것만으로 용량이 몇 배 줄어듭니다.

반대로 너무 낮추면 안 됩니다. 150dpi 아래로 내려가면 작은 글자가 뭉개지고, 글자 인식도 잘 안 됩니다. 다시 스캔하러 가는 수고가 아낀 용량보다 큽니다.

스캐너는 흰 종이도 완전한 흰색으로 기록하지 않습니다. 종이의 결, 조명, 그림자 때문에 회색빛이 조금씩 섞입니다. 눈으로는 흰 종이로 보이지만 파일 안에서는 미세하게 다른 값들이 흩어져 있습니다.

압축은 같은 값이 반복될 때 잘 듣습니다. 그런데 미세하게 다른 값이 흩어져 있으면 반복이 깨져서 압축이 잘 안 됩니다. 글자만 있는 서류인데도 파일이 무거운 이유가 여기 있습니다.

흑백으로 정리하면 이 회색 얼룩이 사라집니다. 종이는 완전한 흰색, 글자는 완전한 검정이 되니 같은 값이 넓게 반복되고 압축이 잘 듣습니다. 용량이 크게 줄어드는 동시에 글자가 오히려 또렷해지는 경우도 많습니다.

다만 사진이나 도장, 색이 의미를 갖는 문서에는 쓰면 안 됩니다. 회색 계조가 정보인 경우가 있으니, 그럴 때는 회색으로 정돈하는 정도가 적당합니다.

압축에는 정보를 버리지 않는 방식과 버리는 방식이 있습니다. 사진에 흔히 쓰이는 방식은 눈에 덜 띄는 정보를 버려서 용량을 줄입니다. 강하게 걸면 글자 주변에 얼룩덜룩한 무늬가 생기고, 작은 글자는 뭉개집니다.

한 번 버린 정보는 되돌아오지 않습니다. 압축한 파일을 다시 압축하면 손실이 겹쳐 더 나빠집니다. 그래서 압축은 보내기 직전에 한 번만 하고, 원본은 따로 두는 편이 좋습니다.

글자만 있는 서류라면 압축을 세게 거는 것보다 흑백으로 바꾸는 것이 낫습니다. 같은 용량 절감을 얻으면서 글자는 더 깔끔해집니다.

스캔본은 그림이라 글자 검색이 안 됩니다. 계약서 뭉치에서 특정 조항을 찾아야 하는데 눈으로 넘겨야 하는 상황이 생깁니다.

이때 쓰는 것이 글자 인식입니다. 그림에서 글자를 읽어 눈에 보이지 않는 글자층을 얹어 주는 처리인데, 겉모습은 그대로면서 검색과 복사가 됩니다.

인식률은 원본 상태에 크게 좌우됩니다. 삐뚤어진 페이지, 흐린 글자, 얼룩진 배경은 인식을 어렵게 합니다. 그래서 순서가 중요합니다. 기울기를 바로잡고 배경을 정리한 다음에 글자 인식을 돌리면 결과가 눈에 띄게 좋아집니다.