Leere Seiten nach dem Scannen aus dem PDF entfernen

Eine leere Scanseite ist selten weiß: Sie hat einen grauen Hintergrund, Staubpunkte und einen Streifen von der Einzugsrolle. Der Detektor rendert jede Seite, entfernt einzelne Punkte, misst den Anteil dunkler Pixel und zählt die Zeichen der Textebene. Eine Seite verschwindet nur, wenn beide Prüfungen sie für leer halten. Die Empfindlichkeitsstufe bestimmt, wie „schmutzig“ ein Blatt noch als sauber gilt, und Seiten mit einer einzelnen Unterschrift oder einem Stempel sollten Sie per Texterkennung schützen oder von Hand prüfen.

Ein Stapel einseitiger Bescheinigungen ist im Duplexmodus durch den Einzug gelaufen, und im PDF ist jede zweite Seite leer. Oder Sie haben einen Vertrag gescannt, dessen Blätter zur Hälfte nur einseitig bedruckt sind, und die Datei hat jetzt vierzig Seiten, zwanzig davon unbeschrieben. So etwas zu verschicken ist peinlich, es zu drucken Verschwendung, und die Seiten einzeln von Hand zu löschen dauert lange und geht leicht schief.

Leere Seiten entfernen findet solche Blätter automatisch und entfernt sie in einem Durchgang. Allerdings ist eine „leere Seite“ für den Scanner und für einen Menschen nicht dasselbe, und wie der Detektor entscheidet, bestimmt, ob er nebenbei eine Seite mit einer Unterschrift wegwirft. Sehen wir uns an, wie er arbeitet, was seine Einstellungen regeln und wo Sie ihn nachprüfen sollten.

Woher leere Seiten im PDF kommen

Am häufigsten ist der Duplexmodus des Scanners schuld. Der automatische Einzug nimmt beide Seiten jedes Blatts auf, und ist die Rückseite unbeschrieben, landet eine leere Seite in der Datei. Bei einem Stapel einseitiger Dokumente ist das genau die Hälfte der Datei.

Der zweite Grund sind Trennblätter. Man legt leere Blätter zwischen die Dokumente, um den Gesamtscan später aufzuteilen, und vergisst, sie herauszunehmen. Der dritte ist der Export aus Textverarbeitungen: Ein Abschnittsumbruch oder ein überzähliger Seitenumbruch am Dokumentende erzeugt ein weißes Blatt, das es im Text selbst nie gab.

Ein vierter Grund, an den Sie vor dem Start denken sollten: leere Seiten, die absichtlich eingefügt wurden. In Büchern und Skripten beginnt ein neues Kapitel auf der rechten, ungeraden Seite, und davor steht eine leere Rückseite. In einem Dokument, das für den beidseitigen Druck vorbereitet ist, halten solche Blätter das Layout zusammen. Sie zu entfernen heißt, alle Kapitel auf gerade Seiten zu verschieben. Bei Dateien für den Druck löschen Sie Seiten besser nach Nummern als mit dem Detektor.

Warum eine leere Scanseite nicht weiß ist

Vergrößert man ein „leeres“ Blatt eines Scans, ist es alles andere als weiß. Das Papier hat einen Grauton, über die Fläche verteilen sich Staubpunkte vom Glas, am Rand zieht sich ein dünner Streifen von der Rolle des Einzugs entlang, und war die Rückseite beschrieben, scheint durch dünnes Papier spiegelverkehrter Text hindurch. Für ein Programm, das nach rein weißen Pixeln sucht, ist eine solche Seite voller Inhalt.

Deshalb sucht der Detektor nicht nach Weiß, sondern misst, wie viel auf der Seite dunkler ist als das Papier. Jede Seite wird in ein Bild gerendert und in Graustufen umgewandelt. Dann läuft ein Medianfilter darüber: Jeder Pixel wird durch den Median seiner Nachbarn ersetzt, wodurch einzelne Staubpunkte und Scannerrauschen verschwinden, während zusammenhängende Flecken, Buchstaben und Linien bleiben. Anschließend wird der Anteil der Pixel gezählt, die dunkler sind als die Papierschwelle. Bei einem wirklich leeren Scan liegt dieser Anteil nahe null, bei einer Seite mit einem einzigen Textabsatz deutlich darüber.

Der Filter löst das Hauptproblem von Scans: Ohne ihn sähe ein Blatt mit verstreuten feinen Schmutzpartikeln für den Detektor beschrieben aus, und solche Seiten blieben in der Datei.

Die zweite Prüfung: die Textebene

Das Bild ist nicht die einzige Quelle. Hat das PDF eine Textebene, wird für jede Seite zusätzlich die Zahl der Zeichen ohne Leerzeichen gezählt. Das ist in zwei Fällen wichtig.

Der erste sind Dokumente aus Textverarbeitungen. Eine Seite mit der einzigen Zeile „Anlage 2“ enthält kaum Tinte, aber sie enthält Text, und sie bleibt erhalten. Der zweite ist das Gegenteil: Eine Seite mit einer Textebene, auf der „Diese Seite wurde absichtlich leer gelassen“ steht, bleibt ebenfalls, weil sie mehr Zeichen hat, als irgendeine Empfindlichkeitsstufe zulässt. Genau dieses Verhalten ist erwünscht: Eine solche Seite wurde bewusst eingefügt.

Damit eine Seite entfernt wird, müssen beide Prüfungen übereinstimmen: weniger Tinte als die Schwelle und weniger Zeichen als die Schwelle. Eine einzige „beschriebene“ Prüfung reicht, und die Seite bleibt. Ein Scan ohne erkannten Text hat überhaupt keine Zeichen, und die Entscheidung fällt allein anhand des Bildes.

Was die drei Empfindlichkeitsstufen regeln

Die Einstellung „Empfindlichkeit“ legt beide Schwellen auf einmal fest: wie viel Fläche von etwas Dunklem belegt sein darf und wie viele Textzeichen erlaubt sind, damit eine Seite noch als leer gilt. Je höher die Stufe, desto „schmutziger“ darf ein Blatt sein, das der Detektor noch für sauber hält.

Zahlen zur Orientierung: Auf der Stufe Medium gilt eine Seite als leer, wenn weniger als ein Prozent ihrer Fläche dunkler ist als das Papier und die Textebene höchstens wenige Zeichen enthält. Die niedrige Stufe ist doppelt so streng, die hohe doppelt so nachsichtig. Zum Vergleich: Eine Zeile kleiner Schrift auf einem A4-Blatt belegt deutlich weniger als ein Prozent der Fläche, auf der hohen Stufe kann ein Scan mit einer einzigen kurzen Zeile also verschwinden.

Daraus folgt eine praktische Regel. Beginnen Sie mit Medium. Sind im Ergebnis graue leere Blätter geblieben, erhöhen Sie die Stufe. Fehlt etwas Wichtiges, senken Sie sie. Jeder Durchlauf verarbeitet die Ausgangsdatei neu, das Durchprobieren der Stufen verdirbt also nichts.

Die Prozentschwelle für die Feineinstellung

Unter den Stufen liegt ein Feld mit einer Schwelle in Prozent, im Interface heißt es „Min. Leerverhältnis“. Das ist derselbe Flächenanteil, nur als Zahl angegeben: Eine Schwelle von 95 bedeutet, dass eine Seite als leer gilt, wenn mindestens 95 Prozent ihrer Fläche sauber sind, also höchstens fünf Prozent dunkel. Je höher die Zahl, desto strenger die Prüfung und desto weniger Seiten werden entfernt.

Unberührt spielt das Feld keine Rolle, die Schwelle kommt dann aus der Empfindlichkeitsstufe. Sobald ein Wert eingetragen ist, ersetzt er die Flächenschwelle der gewählten Stufe, während die Schwelle für die Zeichenzahl weiterhin aus der Stufe stammt. Deshalb lohnt sich das Feld nur, wenn keine der drei Stufen passt: etwa bei einem sehr dunklen Scan mit einem Hintergrund von mehreren Prozent der Fläche, den selbst die hohe Stufe nicht als leer anerkennt. Dann senken Sie die Schwelle unter den Standardwert der Stufe, und solche Blätter verschwinden.

Auch der umgekehrte Fall kommt vor: Verweigert das Tool die Arbeit, weil es sämtliche Seiten für leer hält, und steht die Schwelle bereits auf dem Maximum, empfiehlt die Fehlermeldung, die Empfindlichkeit zu verringern. Die Schwelle selbst hilft dann nicht mehr weiter.

„Behalten Sie die erste Seite“

Ein eigener Schalter schützt die erste Seite vor dem Entfernen, selbst wenn der Detektor sie für leer hält. Er ist für Deckblätter und Titelseiten gedacht: Bei gescannten Ordnern steht vorn oft eine fast leere Seite mit einer einzigen Aufschrift oder einem Stempel, die auf der hohen Stufe leicht verloren geht. Mit dem Schutz bleibt sie an Ort und Stelle, die übrigen Blätter werden wie gewohnt geprüft.

Auf andere Seiten erstreckt sich der Schalter nicht. Wollen Sie ein leeres Blatt in der Mitte des Dokuments behalten, etwa ein Trennblatt vor einer Anlage, müssen Sie es nach der Verarbeitung wieder einfügen oder die leeren Seiten von Hand nach Nummern löschen.

Schritt für Schritt

1. Öffnen Sie Leere Seiten entfernen und laden Sie ein PDF hoch. Das Tool verarbeitet eine Datei pro Durchlauf: Einen Stapel Scans fügen Sie vorher zu einem Dokument zusammen. 2. Lassen Sie die Empfindlichkeit für den ersten Durchgang auf Medium. Ist die erste Seite ein Titelblatt, schalten Sie „Behalten Sie die erste Seite“ ein. 3. Starten Sie die Verarbeitung. Die Seiten werden nacheinander geprüft, deshalb läuft die Fortschrittsanzeige bei einem langen Scan gleichmäßig durch, statt stehen zu bleiben und dann ans Ende zu springen. 4. Laden Sie das Ergebnis herunter und prüfen Sie es, wie unten beschrieben, bevor Sie das Original löschen.

Ist die Datei mit einem Öffnungspasswort geschützt, nimmt das Tool sie nicht an: Entfernen Sie das Passwort zuerst mit PDF entsperren und löschen Sie danach die Seiten. Ein Schutz, der nur Drucken oder Kopieren verbietet, stört nicht. Eine beschädigte Datei, die sich nicht öffnen lässt, schicken Sie vorher durch PDF reparieren.

So prüfen Sie das Ergebnis

Eine Liste der entfernten Seiten zeigt das Tool nicht, aber die Arbeit lässt sich in einer Minute überprüfen.

Sehen Sie zuerst auf die Seitenzahl. Bei einem beidseitigen Scan einseitiger Dokumente muss sie sich genau halbieren: aus vierzig werden zwanzig. Sind es neunzehn, ist eine beschriebene Seite mit den leeren verschwunden, und Sie müssen sie finden. Sind es dreiundzwanzig, hat der Detektor drei leere Blätter nicht erkannt, und die Stufe sollte höher sein.

Blättern Sie dann dort durch die Datei, wo leere Seiten sicher waren: Rückseiten von Bescheinigungen, Grenzen zwischen Dokumenten, das Ende der Datei. Die benachbarten Seiten müssen lückenlos aufeinander folgen. Besonders genau sehen Sie sich Blätter mit wenig Inhalt an: eine Unterschrift, ein Stempel, eine einzelne Zeile mit der Anlagennummer, eine handschriftliche Notiz. Genau sie liegen der Schwelle am nächsten.

Bewahren Sie das Original auf, bis Sie sich vom Ergebnis überzeugt haben. Das Tool verändert es nicht: Das Entfernen geschieht in einer neuen Datei.

Seiten, die der Detektor zu Unrecht entfernen kann

Jeder automatische Detektor hat eine Risikozone, und bei diesem ist sie klar umrissen: Scanseiten mit wenig Tinte und ohne Textebene.

• Ein Blatt mit einer einzigen Unterschrift oder einem Namenszug. Die Unterschrift belegt Bruchteile eines Prozents der Fläche, eine Textebene hat der Scan nicht.
• Eine Seite mit Siegel oder Stempel ohne Text drumherum.
• Die letzte Seite eines Vertrags, auf der nur die Zeile „Anlagen: 3 Blatt“ in kleiner Schrift steht.
• Ein Formular, in dem nur ein Feld ausgefüllt ist.
• Helle Bleistiftnotizen auf einem fast leeren Blatt.

Solche Seiten bleiben auf der niedrigen Stufe fast immer erhalten, auf Medium meist auch, auf der hohen können sie verschwinden. Enthält das Dokument solche Blätter, starten Sie auf der niedrigen Stufe oder geben Sie dem Detektor vorher eine zweite Stütze.

Diese zweite Stütze ist die Textebene. Schicken Sie den Scan vor dem Entfernen der leeren Seiten durch OCR-PDF, bekommt jede Seite, auf der irgendetwas Lesbares steht, erkannten Text: die Anlagennummer, ein Stempel mit dem Namen der Organisation, eine Zeile in kleiner Schrift. Für den Detektor ist eine solche Seite dann nicht mehr leer, egal wie viel Tinte im Bild ist. Wirklich leere Blätter bekommen dabei keinen Text und werden weiterhin entfernt. Eine Unterschrift ohne einen einzigen Buchstaben rettet die Texterkennung nicht, solche Seiten prüfen Sie mit eigenen Augen.

Was sich sonst noch in der Datei ändert

Das Entfernen von Seiten beschränkt sich nicht darauf, dass sie im Viewer nicht mehr zu sehen sind. Das Tool baut aus den verbliebenen Seiten ein neues Dokument, weist interne Verweise und Lesezeichen den neuen Seitennummern zu und wirft Objekte aus der Datei, auf die niemand mehr verweist. Der Inhalt der entfernten Seiten bleibt nicht in der Datei zurück. Das zählt, wenn die „leere“ Seite in Wahrheit eine durchscheinende Rückseite mit fremden Daten war: Nach der Verarbeitung ist sie aus der Datei verschwunden.

Eine auf die Blätter gedruckte Nummerierung wird nicht neu berechnet: Sie ist nur Text im Bild. Brauchen Sie nach dem Aufräumen eine durchgehende Nummerierung, setzen Sie sie mit einem eigenen Tool neu.

In welcher Reihenfolge Sie einen Stapel Scans bearbeiten

Das Entfernen leerer Seiten ist selten der einzige Arbeitsschritt an einem Scan. Meist muss die Datei noch aus Teilen zusammengesetzt, gedreht, mit Texterkennung versehen und komprimiert werden, und die Reihenfolge dieser Schritte beeinflusst das Ergebnis.

Setzen Sie die Datei vor dem Aufräumen zusammen, nicht danach: Dann verschwinden die leeren Blätter aus allen Teilen mit einem einzigen Durchlauf, und Sie müssen die Einstellung nicht für jede Datei wiederholen. Falsch ausgerichtete Seiten können Sie jederzeit drehen: Der Detektor achtet auf den Tintenanteil, nicht auf die Ausrichtung.

Die Texterkennung legen Sie vor das Aufräumen, wenn das Dokument Seiten mit wenig Inhalt enthält, und dahinter, wenn es solche Seiten nicht gibt. Im ersten Fall schützt die Textebene Unterschriftenblätter und Stempel, im zweiten läuft die Erkennung schneller, weil leere Seiten keine Zeit mehr kosten.

Die Komprimierung kommt zuletzt. Sie berechnet die Seitenbilder neu, und jede überflüssige Seite kostet in diesem Moment Zeit und Platz. Außerdem verändert sich nach starker Komprimierung der Ton des grauen Hintergrunds, und eine Schwelle, die zum Ausgangsscan passte, kann sich anders verhalten. Der Detektor sollte die Datei so sehen, wie der Scanner sie ausgegeben hat.

Für einen gewöhnlichen Stapel einseitiger Dokumente heißt das: Teile zu einer Datei zusammenfügen, leere Seiten entfernen, bei Bedarf drehen, Text erkennen, vor dem Versand komprimieren. Bei einem Ordner mit Unterschriftenblättern und Formularen rückt die Texterkennung an die zweite Stelle, vor das Aufräumen.

Wann Sie statt des Detektors besser nach Nummern löschen

Die Automatik ist gut für Scans, in denen die leeren Seiten gleichmäßig leer und zahlreich sind. In drei Fällen ist der manuelle Weg zuverlässiger.

Erstens bei einer Datei für den beidseitigen Druck, in der die leeren Rückseiten Absicht sind. Zweitens bei einem Dokument mit mehreren fast leeren, aber nötigen Seiten: Unterschriftenblätter, Formulare mit einem einzigen ausgefüllten Feld. Drittens, wenn es nur zwei oder drei leere Seiten gibt und Sie wissen, wo sie sind. Dann öffnen Sie Seiten entfernen und geben die Nummern an, oder Sie sortieren um und entfernen das Überflüssige nach Augenschein in PDF organisieren, wo jede Seite zu sehen ist, bevor sie verschwindet.

Steht das Scannen erst noch bevor, lassen Sie das Problem am besten gar nicht entstehen: Schalten Sie für einseitige Dokumente den Duplexmodus in den Scannereinstellungen aus, dann landen keine leeren Rückseiten in der Datei. Wird mit dem Handy gescannt, nimmt Als PDF scannen nur die Aufnahmen auf, die Sie gemacht haben, und leere Seiten gibt es darin bauartbedingt nicht.