如何使用pdfimages从CV中仅提取ID照片

Question

嗨，我尝试使用pdfimages从我的pdf简历文件中提取ID图像。然而，对于某些文件，它们还返回图标，表格线，边框图像，这些图像完全无关。无论如何我可以限制它只提取人物照片？我在想是否可以在输出上定义一定的大小限制？

Answer 1

您需要一种区分PDF中的图像的方法，以便提取感兴趣的图像。

我相信你有选择考虑：

1. 图像特征，如宽度，高度，每个组件的位数，ColorSpace
2. 关于图像的元数据信息（例如感兴趣的XMP标签）
3. 面部识别照片中的人或表格识别身份证本身的结构。
4. 提取所有图像，然后使用一些图像处理代码分析图像以识别感兴趣的图像。

我认为2）如果PDF的作者包含带有照片ID的信息，则可能是最可靠的方法。 3）可能难以实施并始终如一地获得可靠的结果。 1）只有在识别PDF文档的照片ID的可靠方法时才有效。

然后，您可以使用提取工具键入该信息（如果它允许您这样做）。否则，您需要使用PDF库编写自己的提取工具。