如何从pdf文件提取图片

Question

要了解如何以某些文件格式存储某些数据，最好的方法通常是读取规范。 在手头的情况下，您应该阅读PDF规范ISO 32000，最好是当前的ISO 32000-2：2020，但对于初学者，较旧的ISO 32000-1：2008也应该这样做。您可以在

https：//adobe.com/go/pdfreference下载后者的免费副本 nimemean，即使是免费的32000-2，也可以免费使用；

Answer 1

我通过“图片”假设，是指pdf规范调用

缩采样图像的位图图像。第8.9节与他们打交道。

仅显示在PDF中渗透/排列的数十个方法之一，这是我可以轻松编写的最小的工作示例。

它具有基本的9种颜色，可用于比较RGB CMYawk

如果您的编辑器与记事本女士一样好，它应该像Colours.pdf一样工作 但是在网络上粘贴可能会损坏，因此下载在这里。

Answer 2

%PDF-1.7
%µ¶
1 0 obj <</Type/Catalog/Pages 2 0 R>> endobj
2 0 obj <</Type/Pages/Count 1/Kids[3 0 R]>> endobj
3 0 obj <</Type/Page/MediaBox[0 0 72 72]/Rotate 0/Resources 4 0 R/Contents 6 0 R/Parent 2 0 R>> endobj
4 0 obj <</XObject<</Img3 7 0 R>>>> endobj
5 0 obj <</Length 12/Type/XObject/Subtype/Image/Width 3/Height 3/BitsPerComponent 1/ColorSpace/DeviceGray/Filter/FlateDecode>>
stream
xœûÿ¿þ? ú}
endstream
endobj
6 0 obj <</Length 40/Filter/FlateDecode>>
stream
xœ3T0 B]C]s#…ä\.    Ó!}ÏÜtc—|. È    >
endstream
endobj
7 0 obj
<</Length 22/Type/XObject/Subtype/Image/Width 3/Height 3/BitsPerComponent 8/SMask 5 0 R/ColorSpace/DeviceRGB/Filter/FlateDecode>>
stream
xœûÏÀÀðŒÿÿ‡`L §sõ
endstream
endobj

xref
0 8
0000000000 00001 f
0000000016 00000 n
0000000062 00000 n
0000000114 00000 n
0000000218 00000 n
0000000262 00000 n
0000000427 00000 n
0000000535 00000 n

trailer
<</Size 8/Root 1 0 R>>
startxref
721
%%EOF

点注意是

宽3 pel x 3骨高 EACH像素在两个方向上为1/3英寸。 来源可以是PBM PNG GIF TIF或任何其他位图格式（甚至JPEG），但是PDF Writer需要丢弃任何此类标题并使用原始像素，因此只需要9种颜色来存储此图像。 如果来源是基线JPG，则可以在没有条带标头的情况下100％进口。

如果图像具有alpha颜色（如PNG所在），则Alpha数据也将是一个单独的对象。 AEACH对象可以具有自己的压缩格式（许多过滤器中的一个或两个），甚至可以加密。在这里，alpha很复杂，可以比较，因此与RGB颜色相同，因此所有这些都被放气为

Filter/CCITTFaxDecode

为了提取两个图像，您需要编写功能库，因为您可能会遇到的每个置换库。但是，在一个可执行文件中使用小型10-50 MB应用程序更简单，该应用程序已经从许多试验和错误中磨练了大多数排列。
pdf是Desodododododododododododed的PDF。

https：//github.com/githubrulesok/mynotes/blob/master/colours_decoded.pdf

知道，颜色不再是正确的（您可以看到一些已被绝育为文本。）用于简单的插图。
• Filter/FlateDecode
• 因此，色块为

%PDF-1.7
%µ¶
1 0 obj <</Type/Catalog/Pages 2 0 R>> endobj
2 0 obj <</Type/Pages/Count 1/Kids [ 3 0 R ]>> endobj
3 0 obj <</Type/Page/MediaBox [ 0 0 72 72 ]/Rotate 0/Resources 4 0 R/Contents 6 0 R/Parent 2 0 R>> endobj
4 0 obj <</XObject<</Img3 7 0 R>>>> endobj
5 0 obj <</Length 4/Type/XObject/Subtype/Image/Width 3/Height 3/BitsPerComponent 1/ColorSpace/DeviceGray>>
stream
ÿÿÿ
endstream
endobj
6 0 obj <</Length 46>>
stream
1 0 0 -1 -0 72 cm
72 0 0 -72 0 72 cm
/Img3 Do
endstream
endobj

7 0 obj<</Length 27/Type/XObject/Subtype/Image/Width 3/Height 3/BitsPerComponent 8/SMask 5 0 R/ColorSpace/DeviceRGB>>
stream
ÿ   ÿ   ÿ ÿÿÿ ÿÿÿ    ÿÿÿ   
endstream
endobj

xref
0 8
0000000000 00002 f 
0000000015 00000 n 
0000000060 00000 n 
0000000114 00000 n 
0000000220 00000 n 
0000000263 00000 n 
0000000399 00000 n 
0000000493 00000 n 

trailer
<</Size 8/Root 1 0 R>>
startxref
664
%%EOF

• ，每个空间都应为空。
• ÿ ÿ ÿ ÿÿÿ ÿÿÿ ÿÿÿ
= r = g = b = c = c = m = y =y
• ÿ
=a
• ÿ

  = w =k

  =k也请注意，在这种奇数中，解压缩比压缩时小（RGB图像除外）。 此简化情况的第三个变体是此Web Safe ASCII
Https：//github.com/githubrulesok/mynotes/blob/master/master/coloursascii.pdf

如果您仅研究核心对象，这也许更容易看到正在发生的事情，在PDF中无效的图片明智。
ÿ

要从C/C ++中提取图像，请使用'PDFImages -all Sample.pdf/tmp/Output' 用于提取图像的原始格式。和-j标志以JPEG格式提取图像。提取图像后，您可以使用C的Poppler库从该图像中提取文本。