为何PDF转JPG后文件体积反而大于原PDF？技术分析

我为了节省存储空间，使用PDFBox将单个PDF的所有页面垂直拼接为一张JPG图像，代码如下：

BufferedImage combinedImage = new BufferedImage(maxWidth, maxHeight, TYPE_INT_RGB);
int currentYPlacement = 0;

for (int i = 0; i < document.getPages().getCount(); i++) {
  BufferedImage currentImage = pdfRenderer.renderImageWithDPI(i, 72, ImageType.RGB);

  Graphics graphics = combinedImage.getGraphics();
  graphics.drawImage(currentImage, 0, currentYPlacement, null);
  currentYPlacement += currentImage.getHeight();
}
File outputfile = new File("test.jpg");
ImageIO.write(combinedImage, "jpg", outputfile);

但我发现JPG文件体积并非总是小于原PDF，我需要图像保持可读且与原PDF尺寸一致。我了解小体积PDF（<50KB）转JPG可能变大，但不确定其他影响因素。以下是我的测试结果，注意两个单页PDF的差异：第二个单页PDF转JPG后体积几乎是原PDF的2倍，哪些因素会影响JPG体积？

更新
我用Microsoft Word创建了一个8.5×11英寸的PDF，仅包含文字“Hello, World!”，转换后PDF为23 KB，JPG为14 KB，这让我感到困惑……

影响JPG体积的核心因素 #

一、PDF本身的内容特性 #

1. 存储格式差异：
   PDF是结构化文档，文字、线条、表单控件都是用矢量指令描述的，并非像素。比如表单类PDF，核心元素是矢量/文本，体积小；但如果PDF是扫描件转的（本质是内嵌图像），PDF可能对图像做了低效压缩，转JPG时用更优算法就能缩小体积。你测试里体积反超的那个单页PDF，大概率是包含大量复杂矢量图形或表单控件，转成像素图后，JPG需要存储所有像素信息，反而比PDF的指令描述更占空间。
2. 内容复杂度：
   页面元素越多、色彩越丰富、细节越密集，转JPG后需要存储的信息就越多。比如带渐变、阴影、大量小文字的页面，JPG压缩难度高，体积会更大；纯文字少的页面，压缩后体积更小。
3. PDF内部压缩率：
   PDF支持多种高效压缩算法（如Flate、JBIG2），如果PDF本身已经对内部元素做了最优压缩，转成JPG时可能无法进一步压缩，甚至因为像素化带来冗余，体积反超。

二、JPG转换的参数设置 #

1. 压缩质量：
   ImageIO.write默认的JPG压缩质量不是最优的，手动调整压缩系数（0.1-1.0）能在保证可读性的前提下大幅减小体积。比如设置0.7的质量系数，既能保持清晰，又能有效压缩。修改代码示例：

   ImageWriter writer = ImageIO.getImageWritersByFormatName("jpg").next();
   ImageWriteParam param = writer.getDefaultWriteParam();
   param.setCompressionMode(ImageWriteParam.MODE_EXPLICIT);
   param.setCompressionQuality(0.7f); // 平衡质量与体积的常用值
   FileImageOutputStream output = new FileImageOutputStream(outputfile);
   writer.setOutput(output);
   writer.write(null, new IIOImage(combinedImage, null, null), param);
   writer.dispose();
   output.close();
   

2. 色彩模式：
   你当前用的是TYPE_INT_RGB（24位真彩色），如果PDF是黑白或灰度内容，转成灰度图（TYPE_BYTE_GRAY）能把体积降到原来的1/3左右，因为灰度图每个像素只占8位。
3. DPI匹配：
   代码里用的72DPI是屏幕分辨率，如果原PDF的原生分辨率更高（比如300DPI），转72DPI会缩小体积；但如果PDF本身就是72DPI，转出来的像素数刚好，压缩空间有限。要保持尺寸一致，需匹配原PDF的实际分辨率。

三、测试特例解释 #

你用Word生成的“Hello, World!”PDF体积23KB，转JPG后只有14KB，是因为这个PDF包含大量Word生成的元数据（字体嵌入信息、文档结构、打印设置等），而JPG只存储文字对应的像素，没有这些冗余内容，所以体积更小。

内容的提问来源于stack exchange，提问作者CKT