我目前正在开发Google tesseract ocr工作流程。从PDF生成tif有两种选择：
的Ghostscript：
gswin64c.exe -r300x300 -dBATCH -dNOPAUSE -sDEVICE = tiff24nc -sOutputFile = thetif.tif -sCompression = lzw thepdf.pdf -c quit -q
Imagemagick - 转换：
convert -background white -alpha off -density 300 thepdf.pdf -depth 8 -compress zip thetif.tif
对于（任意）示例文件，提取的tif用于gswin64c，大约是转换结果的五倍。此外，使用转换（！）然后使用gswin64c，文本更平滑，质量更高。所以我更喜欢使用转换，但不幸的是，gswin64c提取的时间大约是4倍。多页pdf 30页（170秒对40秒）。
有没有机会提高gswin64c的质量（不会极大地扩大输出文件）或加速转换？
答案 0 :(得分：1)
对我而言，这似乎是速度与质量的通常权衡。你喜欢转换质量，但它太慢，你喜欢Ghostscript的速度，但你觉得质量较低。
当然这表明你不能同时拥有两者？
无论如何，你是否意识到ImageMagick转换调用Ghostscript来呈现PDF文件？因此，无论您使用哪种路线，都使用Ghostscript。
（当然）完全有可能转换是post = -processing图像，但我怀疑它不是。如果你看看转换是如何工作的，你可以找出它为Ghostscript提供的命令行并使用它。
看起来转换器使用的是不同的压缩过滤器（Flate而不是LZW），并且可能正在指定抗锯齿。您可以使用TextAlphaBits和GraphcisAlphaBits或tiffscaled设备来获得抗锯齿。
当然，使用消除锯齿会使文本更流畅（如果你喜欢模糊的文字），但需要更长的时间。
答案 1 :(得分：0)
我不使用谷歌tesseract ocr工作流程，但你的命令看起来很奇怪。为什么两个转换？
输入图像通常在转换后出现，但在您的情况下，-density将首先出现。
我会尝试这样的事情，看看会发生什么：
imagemagick - convert -density 300 thepdf.pdf -background white -alpha off -depth 8 -compress zip thetif.tif