PDF stránku je nutné vykreslit, ne vyexportovat
PDF není obrázek. Je to popis stránky, který obsahuje vektorové cesty, text s odkazy na fonty a případně vložené rastrové obrázky. Převod na JPG proto znamená rasterizaci: vykreslení celé stránky do pixelové mřížky o zvoleném rozlišení. Odtud plyne, že výstup má konkrétní kvalitu, kterou určujete vy, ne dokument.
Vnitřní jednotkou PDF je typografický bod, tedy 1/72 palce, což odpovídá výchozím 72 DPI. Stránka A4 má 595 × 842 bodů. Při vykreslení ve 150 DPI vznikne obrázek zhruba 1240 × 1754 pixelů, při 300 DPI přibližně 2480 × 3508 pixelů. Nižší hodnoty stačí na náhled, pro tisk nebo strojové čtení textu volte alespoň 300 DPI.
Kdy je JPG špatná volba
JPEG používá ztrátovou kompresi založenou na diskrétní kosinové transformaci v blocích. Skvěle funguje na fotografie s plynulými přechody, ale na ostrých hranách písma vytváří duchy a šum kolem znaků. Naskenovaná smlouva v JPG při nižší kvalitě proto vypadá rozmazaně a hůř se z ní čte OCR.
U dokumentů s převahou textu, tabulek a čar dává lepší výsledek PNG nebo WebP. JPEG také neumí průhlednost — stránky s alfa kanálem se vykreslí na bílé pozadí, což u dokumentů obvykle nevadí, u výřezů s průhledným podkladem ano. Rozumný kompromis kvality JPEG je 85 procent; nad 95 roste velikost souboru rychleji než viditelná kvalita.
Proč zpracování v prohlížeči znamená, že soubor nikam neodchází
Vykreslení PDF zvládne dnes prohlížeč sám. Knihovna typu pdf.js dokument rozparsuje, vykreslí stránku do prvku canvas a ten se exportuje do datového URI nebo blobu. Soubor se tedy nikdy neodešle na server, což je u smluv, výpisů z účtu a lékařských zpráv zásadní rozdíl oproti online konvertorům.
Omezením je paměť. Stostránkový dokument vykreslený ve 300 DPI znamená stovky megabajtů obrazových dat, takže na slabším zařízení nebo mobilu může karta spadnout. Řešením je zpracovávat stránky po jedné a průběžně je přidávat do ZIP archivu. U dokumentů chráněných heslem je nutné heslo zadat, jinak knihovna obsah nedešifruje.