从PDF中提取图像

有时确实需要从 PDF 中提取图像，而无需截图或在屏幕上渲染 PDF。

pdfimages 可以帮助实现这一点。

在 Linux 中从 PDF 文件中提取图像，最常见且有效的工具是命令行实用程序 pdfimages，
它是 poppler-utils 软件包的一部分。

在 Linux 中使用 pdfimages 工具：逐步指南

1. 安装 pdfimages（如果尚未安装）：

大多数 Linux 发行版默认包含 pdfimages。如果需要，使用包管理器进行安装：

sudo apt-get install poppler-utils

或对于 Fedora：

sudo dnf install poppler-utils

2. 打开终端：

按下 Ctrl + Alt + T 以打开终端窗口。

3. 运行 pdfimages 提取图像：

基本语法：

pdfimages  

示例：

pdfimages /path/to/file.pdf /path/to/output/image

• 这将从 file.pdf 中提取所有图像，并以 image-000.ppm、image-001.ppm 等格式保存在指定的输出目录中。

4. 以 JPEG 格式提取图像（如果需要）：

要以 JPEG 格式提取图像（如果可能），使用 -j 选项：

pdfimages -j /path/to/file.pdf /path/to/output/image

• 这将保存为 .jpg 文件。

5. 从特定页面提取图像：

• 要从特定页面范围提取图像，使用 -f（起始页）和 -l（结束页）：

pdfimages -f 2 -l 5 -j /path/to/file.pdf /path/to/output/image

• 这将提取第 2 到第 5 页的图像。

6. 其他选项：

• 要以 PNG 格式提取图像：使用 -png（如果您的版本支持）。
• 对于受密码保护的 PDF，使用 -opw 'ownerpassword' 或 -upw 'userpassword'。

注意事项

• 默认输出格式是 PPM（彩色）或 PBM（黑白）。使用 -j 以 JPEG 格式输出，或使用 ImageMagick 的 convert 等工具将 PPM/PBM 文件转换为其他格式（如需）。
• 输出文件会自动编号并保存在指定的目录中。

总结表

此方法高效且适用于大多数包含嵌入图像的 PDF。但：

• pdfimages 仅提取图像的原始分辨率。
• 要控制输出分辨率，请使用 PDF 渲染器如 PyMuPDF，并在创建图像时指定所需的 DPI。

如何以特定分辨率从 PDF 中保存图像。

使用 pdfimages 时，无法指定提取图像的分辨率，因为该工具以原始格式和分辨率提取嵌入的图像，而不会进行重采样或更改质量。分辨率由图像在 PDF 中的存储方式决定，pdfimages 不提供在提取过程中放大或缩小的选项。

如果您希望以特定分辨率提取图像（例如，以选定的 DPI 渲染页面或页面的一部分），需要使用 PDF 渲染库或工具，如 PyMuPDF（fitz）。使用 PyMuPDF 时，可以通过 dpi 参数指定所需的分辨率来渲染页面为图像：

import fitz  # PyMuPDF
doc = fitz.open("input.pdf")
page = doc.load_page(0)  # 第一页
pix = page.get_pixmap(dpi=300)  # 以 300 DPI 渲染
pix.save("output.png")

这种方法会以指定的 DPI 创建页面的光栅图像，而不是提取原始嵌入的图像。

其他从 PDF 中提取图像的工具

提取图像而不丢失分辨率的最佳软件是那些能够直接提取 原始嵌入图像 的工具，而不是渲染或重采样它们。首选工具包括：

• Adobe Acrobat Pro：提供专门的“导出所有图像”功能，可以以原始质量和格式提取图像作为独立文件。此方法非常可靠，可保留 PDF 中存储的图像的精确分辨率和质量。

• pdfimages（来自 XPDF/Poppler 套件）：一款免费、开源的命令行工具，可在 Linux 和其他平台上使用。pdfimages 以原生格式和分辨率提取 PDF 中的所有图像，包括对 JPEG、JPEG2000 等格式的支持。它被广泛推荐给寻求无成本、高保真提取过程的用户。

• 在线工具（如 PDF24 Tools、PDFCandy、pdfforge）：这些服务允许您上传 PDF 并下载提取的图像，保留原始分辨率。它们适合快速任务，无需安装，但可能对敏感文档存在隐私问题。

总结表

关键点：
始终使用能够 提取（而不是渲染或截图）图像的工具。Adobe Acrobat Pro 和 pdfimages 都是此目的的行业标准，确保图像以 PDF 中存在的形式保存，而不会丢失任何分辨率。

pdfutils 命令行选项

执行 pdfimages /help 时，它会打印类似以下内容：

$ pdfimages /help
pdfimages 版本 24.02.0
版权所有 2005-2024 Poppler 开发者 - http://poppler.freedesktop.org
版权所有 1996-2011, 2022 Glyph & Cog, LLC
用法: pdfimages [选项] <PDF文件> <图像根>
  -f <int>       : 要转换的第一页
  -l <int>       : 要转换的最后一页
  -png           : 将默认输出格式更改为 PNG
  -tiff          : 将默认输出格式更改为 TIFF
  -j             : 将 JPEG 图像写为 JPEG 文件
  -jp2           : 将 JPEG2000 图像写为 JP2 文件
  -jbig2         : 将 JBIG2 图像写为 JBIG2 文件
  -ccitt         : 将 CCITT 图像写为 CCITT 文件
  -all           : 等效于 -png -tiff -j -jp2 -jbig2 -ccitt
  -list          : 打印图像列表而不是保存
  -opw <string>  : 所有者密码（用于加密文件）
  -upw <string>  : 用户密码（用于加密文件）
  -p             : 在输出文件名中包含页码
  -q             : 不打印任何消息或错误
  -v             : 打印版权和版本信息
  -h             : 打印用法信息
  -help          : 打印用法信息
  --help         : 打印用法信息
  -?             : 打印用法信息

有用的链接

• Ubuntu 中的 PDF 操作工具 - Poppler
• Bash 命令速查表
• 使用 Imagemagick 调整图像大小
• https://en.wikipedia.org/wiki/Poppler_(software)
• 重新安装 Linux
• 如何在 Linux Mint/Ubuntu 上以平铺方式启动终端窗口