如何使用node.js从pdf中膨胀（解压）图像？

Question

我有一张从互联网下载的图像，以及使用 Chrome 打印页面功能从同一图像创建的 PDF。

当我压缩然后解压缩同一图像时，一切正常

  const deflate = zlib.createDeflate();
  const inp = fs.createReadStream('output.png');
  const out = fs.createWriteStream('encoded.txt');
  inp.pipe(deflate).pipe(out);
  // file is deflated, great

  const inflate = zlib.createInflate();
  const input = fs.createReadStream('decoded.txt');
  const output = fs.createWriteStream('decoded.png');
  input.pipe(inflate).pipe(output);
  // file is the same exact image as expected

但是当我对 pdf 图像执行相同操作时，它不起作用并且抛出不太有帮助未捕获错误：Zlib 错误 就这样。我建议图像格式错误，可能需要以某种方式将 PDF 中的元数据包含在图像中，但我不太确定它不起作用的确切原因是什么。

还有一个细节，我只是修剪图像流开始和结束之前和之后的所有行，以便它只读取此图像数据。

这是 pdf 中图像流对象之前的一些行

4 0 obj
<</Type /XObject
/Subtype /Image
/Width 1500
/Height 970
/ColorSpace [/ICCBased 5 0 R]
/BitsPerComponent 8
/Filter /FlateDecode
/Length 320983>> stream

有人可以建议我在这里缺少什么吗？

链接到pdf文件，但总的来说，我认为对于以这种方式创建的任何其他PDF来说，它应该以类似的方式工作

谢谢

Answer 1

在 PDF 中存储图像的方法有很多，但在最基本的层面上，有嵌入本机文件或引用其外部图像数据流（作为安全问题来避免，因此仅在封闭系统中使用）。

还有根据这个问题的位图，因为 PDF 无法支持嵌入的 PNG 或许多其他现代文件格式。

不支持的本机图像类型（例如 PNG）在导入时会转换为一两个压缩的原始像素图，这些像素图没有用于在提取时重新格式化的元数据。

pdf 中存储的图像没有密度，仅在元物理上（基于推测或抽象推理）描述为位乘以/宽度/高度/长度（压缩数据）。

要膨胀，您将位乘以高度乘以宽度以获得提取的尺寸，因此在本例中，即 1500 x 970 = 4365000 (4.2 MB) 作为无头像素图，然后可以将其保存为您希望的任何文件格式，例如与PNG 库。

更简单的方法是使用任何包含此类代码的命令行工具，并且 poppler

pdfimages

有多种输出格式，因此

-all

将尝试最佳匹配。

本例中的输出将是压缩后的 570,505 字节.png

或者

mutool extract

将产生 328,335 字节的更压缩输出。