PDF vetorial ou de imagem: como saber a diferença

Um PDF com texto e desenhos vetoriais guarda letras e traços como instruções de desenho, e um PDF de imagem, em geral um escaneado, guarda cada página como uma foto. Para saber qual é o seu, selecione uma palavra no leitor: se a seleção pegar letras, há texto; se não, a página é imagem. O vetor fica nítido em qualquer zoom, e a imagem perde definição quando você amplia.

O que muda dentro do arquivo

Cada página é um fluxo de comandos. Para texto, o comando BT abre um bloco de texto, Tj desenha a sequência de caracteres e ET fecha o bloco. Para desenhos, m move o cursor, l traça uma reta, c traça uma curva e f preenche a forma. Nada disso é imagem: são instruções que o leitor executa para montar a página na tela.

Uma página escaneada faz o contrário. Ela tem um único comando que desenha uma imagem externa, do tipo XObject com subtipo Image, e a imagem contém os pixels. Não há letra nenhuma no arquivo, só a foto da letra.

Teste em quatro passos

1. Abra o PDF no leitor e procure uma palavra da página com Ctrl+F (Cmd+F no Mac). Se a busca achar, há texto.
2. Selecione um parágrafo com o cursor. Se a seleção acompanha as linhas de letra, é texto; se ela cobre a página inteira como um bloco único, é imagem.
3. Amplie a página para 400%. Letra vetorial continua com contorno limpo. Imagem mostra serrilhado, e a textura do papel aparece.
4. Se tiver o poppler instalado, rode pdffonts arquivo.pdf. Fontes listadas indicam texto. Para ver as imagens, use pdfimages -list arquivo.pdf; uma imagem de página inteira, sem fontes, é um escaneado.

O que isso muda no que você pode fazer

A tabela resume a diferença prática. Um PDF vetorial aceita busca, cópia e compressão leve sem sofrer; um escaneado só ganha em tamanho ao custo de resolução, e não ganha em pesquisa.

Por que um PDF pode ser misto

Muitos documentos misturam os dois tipos. Um contrato digitado no Word ganha uma página escaneada quando alguém anexa o RG assinado. Um relatório traz gráficos vetoriais e fotos de satélite coladas em imagem. O leitor não avisa essa mistura, então vale testar página por página, principalmente nas páginas que vieram de fora.

A mistura também explica resultados estranhos em compressão. Um documento com cinquenta páginas de texto e uma foto grande na capa encolhe quase todo pela capa, e o restante praticamente não muda.

O que fazer com cada tipo

• Vetorial: a compressão rende pouco, e o que mais pesa costuma ser fonte embutida. O guia sobre fontes embutidas no PDF explica por que. Juntar, dividir e girar funcionam sem perda.
• Imagem: a compressão reduz a resolução das imagens, e isso costuma cortar boa parte do peso. Se você precisa pesquisar o texto depois, passe por OCR antes de qualquer outra etapa.

Quando a imagem é o que você precisa

Às vezes a imagem é o caminho certo. Se o destino exige páginas em JPG ou PNG, converta com PDF para imagem e escolha o DPI pelo uso. Se o destino é apenas leitura, um PDF de texto é sempre a melhor escolha, porque continua pesquisável e pesa menos.

O que o AjustaPDF não faz aqui

O AjustaPDF não transforma um escaneado em texto. Ele não tem OCR, então uma página de imagem continua sendo imagem depois de passar pelas ferramentas. Para pesquisar um escaneado, use um programa com reconhecimento de texto e, se o arquivo estiver pesado, leia o guia por que o PDF escaneado está pesado antes de comprimir.

O que é OCR e o que ele muda

OCR, o reconhecimento óptico de caracteres, analisa a imagem de uma página, identifica as letras e grava, por cima dela, uma camada de texto invisível alinhada às palavras. A página continua sendo foto para quem a vê, mas passa a ser pesquisável e copiável. A qualidade do resultado depende do scan: letra borrada vira erro de reconhecimento, por isso o DPI do escaneamento importa antes de qualquer OCR.

Como tornar um escaneado pesquisável

1. Escaneie com resolução adequada ao texto. O guia qual DPI usar para escanear um documento mostra como escolher.
2. Rode o OCR com um programa que tenha essa função. O AjustaPDF não faz esse passo.
3. Teste a busca com três palavras que você sabe que estão na página. Se alguma não aparecer, o reconhecimento falhou naquele trecho e vale refazer o scan dele.
4. Comprima depois. A compressão reduz a resolução das imagens e não mexe no texto, então a camada reconhecida sobrevive.

Documento com páginas dos dois tipos

Um documento pode ter páginas digitais e páginas escaneadas. O teste deve ser feito página a página, e não no arquivo inteiro. Ao juntar um PDF digital com um escaneado, o resultado carrega as duas coisas: a parte digital pesquisável e a parte imagem sem busca. Juntar não altera nenhuma das duas, então o problema, se existir, já estava nas origens.

Copiar trechos para outro documento

A diferença aparece no dia a dia. Um trecho de cláusula num PDF digital pode ser copiado e colado num documento de Word, com a formatação aproximada. O mesmo trecho num escaneado não sai: ou o cursor não seleciona nada, ou o programa de leitura solta uma sequência de letras sem sentido. Antes de passar horas digitando um texto que já existe em PDF, faça o teste de seleção; às vezes a cópia resolve em segundos.

Leitores de tela e acessibilidade

Um leitor de tela lê o texto de uma página, e não consegue ler uma foto de texto sem OCR. Um escaneado sem camada de texto fica mudo para essas ferramentas. Para documentos que precisam ser acessíveis, como provas, materiais didáticos e documentos públicos, o ideal é partir do original digital; se só existe o escaneado, aplique OCR antes de distribuir.