我们的团队开发了一个应用程序，该应用程序在某些功能上连接到扫描仪（通过 TWAIN 或 WIA）并扫描文档，并从中生成 PDF 文件。该应用程序主要用于处理带有少量图像的邮件或文档。

我们最近注意到，尽管使用了类似的扫描仪参数（分辨率、颜色等），但我们的应用程序生成的 PDF 文件（就文件大小而言）是扫描仪软件生成的文件的四倍。

所以我深入研究了生成的pdf文件，这就是我得到的：

• 通过 MuPDF 组件mutool.exe，我获得了有关 PDF 内对象的信息：

  • 我们的 PDF 包含一张图像（不足为奇，它直接来自扫描结果）：

    [ DCT ]      3302x4668 8bpc DevRGB
    

  • 扫描仪软件生成的 PDF 文件包含两个图像（啊哈！这更令人惊讶），它们的大小不同，并且没有相同的颜色配置文件：

    [ DCT ]      1650x2334 8bpc DevRGB
    [ CCITTFax ] 3176x4512 1bpc ImageMask
    

• 仍然使用mutool，我从扫描仪软件生成的PDF中提取了两张图片：
  • 第一张图片是我们可以称之为“背景”的东西：这是它的缩略图，以及 100% 尺寸的细节：
    
  • 第二张图像是纯黑白（每像素 1 位）图层，大部分为黑色；这是 100% 尺寸的细节：
    

因此，扫描仪随附的软件似乎使用了一种算法，该算法检测到文档大部分是黑白的，然后将图像分解为重叠的两部分；第一部分包含可以下采样的小细节（因此占用更少的空间），第二部分仅包含黑色或白色点，可以实现更好的压缩。

我的问题是：我们怎样才能做类似的事情？

谢谢