无需解码即可从 PDF 中提取 TIFF 图像

Question

在 iText 5 的帮助下，我想从给定的 PDF 文件中提取所有 TIFF 图像并将它们保存为 TIFF 文件。 示例和其他帖子（1，2）使用以下方法：

1. 从 PDF 流创建

   PdfImageObject

   ，它在 line 189 解码图像流（如果存在相应的过滤器实现）。
2. 调用

   PdfImageObject#getImageAsBytes()

   返回 JPEG（原始）、PNG（重新编码）或 TIFF（在每像素 8 位的情况下）。

结果 1 位色深的 TIFF 图像被转换为 PNG，这不是我需要的。

另一种方法是调用

PdfImageObject#getBufferedImage()

，它将在步骤 (2) 中将图像解码为光栅，然后使用

ImageIO.write(bufferedImage, "tiff", file)

再次将其编码为 TIFF。

可以看出这是没有效率的。 这篇文章 中显示的另一个解决方案演示了如何通过在其前面添加 TIFF 标头来将编码的 TIFF 图像流保存到文件中——这就是我正在寻找的解决方案。

iText 可以提供帮助吗？

Answer 1

到目前为止，最简单的方法是从任何最近的 poppler utils 包中取出操作系统并使用 pdfimages

对于 Windows，它们位于 https://github.com/oschwartz10612/poppler-windows
其他版本可能有不同的输出能力。

poppler/bin>

pdfimages -tiff in.pdf out

这将（/应该）使用

out-000.tif etc

等名称将所有图像提取为 colour.tif 或 mono.tif，但请注意，单色蒙版看起来颠倒是正常的，因为这通常是它们存储在 PDF 中的方式，

此外，单声道 tiff 将按照相对密度的要求进行处理，因此纸上标称 300 dpi 分辨率的源将导出为单声道未压缩 tiff，PDF 密度为 72dpi。相同数量的像素，因此看起来规模更大

Answer 2

PDF 图像是not TIFF 图像。

PDF 但是可以包含使用压缩技术的图像，也 在 TIFF 中使用，例如Flate、CCITT、LZW、JPEG.