Convertir un PDF en imágenes cuando un sitio rechaza los PDF

PNG o JPEG es la decisión que se nota

El JPEG logra su tamaño tirando detalle de alta frecuencia, bajo la suposición razonable de que una fotografía tiene más del que un ojo percibe. Una página de texto es el caso patológico de esa suposición: una letra no es más que un borde de alta frecuencia, negro encontrando blanco en el espacio de un píxel. El codificador trata cada uno de esos bordes como ruido que suavizar y deja un leve timbrado gris alrededor de cada carácter, el efecto llamado ruido de mosquito. Es sutil a alta calidad e inconfundible en cuanto el archivo se ha apretado hasta algo que un formulario acepte.

El PNG hace el intercambio contrario, y resulta que le va bien a los documentos. Es sin pérdida, así que un borde sigue siendo un borde, y comprime encontrando series de píxeles idénticos, algo que una página de nueve partes de blanco por una de negro proporciona en abundancia. El resultado suele ser no solo más limpio sino más pequeño. La regla es sobre el contenido más que sobre preferencia de formato: si la página es texto, tablas, formularios o trazos, PNG. Si es una fotografía que está dentro de un PDF, JPEG.

Lo que pierdes en el momento de renderizar

Un PDF salido de un procesador de textos guarda el texto como texto: el destinatario puede seleccionarlo, buscarlo, copiar de él un número de cuenta, y cualquier sistema que indexe documentos puede leerlo. Renderizar cada página a imagen acaba con todo eso. Lo que llega es una fotografía de una página, y las palabras dentro son formas. Nadie puede buscar un número de referencia, un lector de pantalla no tiene nada que anunciar, y un sistema que esperaba extraer un total no encontrará ninguno.

Es un coste real, y conviene pagarlo a conciencia. Convierte porque el destino no acepta PDF, no porque las imágenes parezcan más sencillas. Si la razón de convertir es que el PDF es demasiado grande, la conversión no ayudará: una imagen de una página es casi siempre más pesada que la página de la que viene, porque la instrucción compacta «dibuja este glifo aquí» se convierte en varios miles de píxeles.

La resolución, en píxeles y no en adjetivos

Las herramientas suelen ofrecer bajo, medio y alto, lo cual no dice nada sobre si el resultado será legible. El número que importa son los puntos por pulgada aplicados a una página de tamaño fijo. Una página A4 a 150 ppp se convierte en 1240 por 1754 píxeles, más alta que la mayoría de las pantallas, así que se muestra con todo el detalle sin ampliar. A 300 ppp se convierte en 2480 por 3508, cuatro veces los píxeles y cuatro veces el peso, y no aporta nada en pantalla. Aporta mucho si la página se va a imprimir, porque una impresión a 150 ppp se ve blanda, y aporta precisión si un sistema de reconocimiento de texto va a leer la imagen, porque la precisión cae con fuerza por debajo de 300.

Una imagen por página, y qué hacer con treinta

El renderizado produce un archivo por página, lo cual es obvio en principio e incómodo en la práctica cuando el formulario tiene un único campo de subida. Tres salidas, en el orden que conviene probar: envía solo las páginas que realmente se piden, normalmente una o dos, y para eso está la extracción; comprueba si el campo acepta varios archivos, cosa que muchos hacen sin decirlo; o pregunta si de verdad se rechaza el PDF, porque un número sorprendente de formularios lo rechaza por error de configuración y no por política.

El conversor de este sitio se detiene en las primeras 30 páginas, lo cual es un límite deliberado y no un fallo: el renderizado ocurre en tu propio procesador, y un documento de cien páginas a 300 ppp son cien imágenes de casi nueve megapíxeles cada una, suficiente para agotar un teléfono. Si necesitas más de treinta páginas como imágenes, divide antes el documento y convierte cada parte: la restricción es la memoria, y partir la entrada por la mitad parte el pico por la mitad.

El viaje de ida y vuelta que te cuesta en silencio

Un movimiento tentador es convertir un PDF a imágenes y luego reconstruir un PDF con esas imágenes: para aplanar un formulario, digamos, o para quitar algo. Funciona, y conviene saber lo que cuesta: el resultado es un PDF cuyo texto ya no es texto, varias veces más pesado que el original, y no puede deshacerse nunca. Sea cual sea tu objetivo, comprueba antes si hay una forma de lograrlo sin pasar por los píxeles, porque la ida y vuelta es una puerta de un solo sentido.

Una tabla de decisión que puedes guardar

Dos preguntas resuelven casi todos los casos. Qué hay en la página —texto o fotografía— elige el formato. Quién lee el resultado —una pantalla, una impresora o una máquina— elige la resolución. Todo lo demás se deriva de esas dos, y acertarlas al primer intento es la diferencia entre una subida y una conversación con un servicio de soporte.

Preguntas frecuentes

¿Por qué mi PNG es mayor que todo el PDF?

Porque sustituiste una descripción por una fotografía. En el PDF, una página de texto es una lista corta de instrucciones que nombran glifos y posiciones, y las tipografías se comparten entre todas las páginas. El renderizado convierte eso en dos millones de píxeles que hay que guardar de un modo u otro. Cuanto mayor la resolución, mayor la brecha. Si el peso era el problema que intentabas resolver, convertir a imágenes es justo la dirección equivocada.

¿Puedo recuperar el texto de las imágenes después?

Solo pasándoles un reconocimiento de texto, que lee las formas y adivina los caracteres. Es bueno y no es el original: se equivoca con tipografías inusuales, letra pequeña, tablas y todo lo manuscrito, y no te da forma de saber qué palabras falló. Guarda el PDF original. El reconocimiento es lo que se usa cuando el original ha desaparecido de verdad, no un sustituto de no haberlo tirado.

El formulario quiere una imagen y mi documento tiene seis páginas. ¿Ahora qué?

Envía la página que responde a la pregunta, no el documento. Un formulario que pide un justificante de domicilio quiere la página donde está la dirección, y una factura de seis páginas adjunta entera es una tarea para el revisor más que un expediente más sólido. Extrae primero la página y convierte solo esa. Si de verdad hacen falta varias páginas y solo se permite un archivo, pregunta: esa combinación suele ser un error de configuración, y soporte puede subir el límite o aceptar otro formato.

¿Convertir a imágenes elimina los datos ocultos del PDF?

Elimina lo que había en el documento —capas, anotaciones, valores de formulario, el grafo de objetos, texto bajo un rectángulo negro— porque el renderizado conserva solo lo visible en la página. Eso lo convierte en una forma real de aplanar algo, y es la razón por la que se recurre a ello. No elimina lo que lleva la propia imagen: el archivo renderizado recibe sus propios metadatos, y si luego lo fotografías o lo reeditas, pueden acumularse más. Aplanar y limpiar metadatos son dos trabajos distintos.

¿Por qué el conversor se detiene en treinta páginas?

Porque el renderizado ocurre en tu dispositivo y no en un servidor, y cada página se convierte en una imagen a tamaño completo retenida en memoria antes de poder guardarse. Treinta páginas a una resolución legible ya son bastante memoria en un portátil y rozan el techo en un teléfono. El límite está para que la pestaña termine en vez de morir a mitad. Si necesitas más, divide el documento y convierte las partes: el trabajo total es el mismo, el pico no.