从 PDF 中提取嵌入的图像

Question

在开始使用 Ubuntu 之前，我使用 Nitro PDF 阅读器自动从 PDF 文件中提取图像。是否有适用于 Linux 的 PDF 阅读器可以执行此操作？

我希望能够比拍摄快照更快/更容易地提取图像。

Answer 1

用 pdfimages

pdfimages 是一种 PDF 图像提取工具，可将 PDF 文件中的图像保存为 PPM、PBM、JPEG 或 JPEG 2000 文件格式。

它是poppler-utils软件包的一部分，您需要安装它。

用法： pdfimages [options] <PDF-file> <image-root>

• 选项-all将以原始格式提取图像。
• 选项-j会将图像提取为 .jpg（注意：图像经过转换，通常尺寸大于原始尺寸）

示例 1：以下内容从 PDF 文件中提取所有图像，并将它们保存为原始格式。

pdfimages -all in.pdf /tmp/out

示例 2：以下从 PDF 文件中提取所有图像，并将它们保存为 JPEG 格式。

pdfimages -j in.pdf /tmp/out

将 PDF 文件in.pdf中的图像保存在文件中/tmp/out-000.jpg（或/tmp/out-000.pbm；见下文）/tmp/out-001.jpg，等等。

pdfimages手册页解释了：

-j:  Normally, all images are written as PBM (for monochrome images) or PPM for
     non-monochrome images) files. With this option,  images in DCT format are
     saved as JPEG files. All non-DCT images are saved in PBM/PPM format as usual.

Answer 2

为此，我经常使用 Inkscape。加载页面，并删除所有其他内容。优点是您可以在 SVG 中获取矢量图像并根据您的选择对其进行修改。

Answer 3

请注意，此问题专门询问“从 PDF 中提取嵌入的图像”。关键字是提取！这意味着：我有一个 PDF；它有一些嵌入其中的图像；我怎么把它们弄出来！？如果这是您的问题，请pdfimages用作@pl1nk states的主要答案。

如何将 PDF 转换为一堆图像：

然而，许多人在谷歌上搜索并登陆这个问题（包括我自己），然而，正在寻找一个稍微不同的问题，直到数小时后的沮丧之后才意识到差异。因此，如果您正在寻找“如何将PDF 转换为一堆图像”，而这与“如何从 PDF 中提取图像”不同，那么方法如下：使用pdftoppm. 这里的“PPM”是一种图像格式，所以这只是意味着“PDF 到图像”。它工作得非常好，尽管对于现代多核系统来说速度很慢，因为它是一个单线程应用程序并且没有利用多核的处理能力。

Ubuntu 18.04 附带pdftoppm版本 0.62.0。检查您的版本pdftoppm -v：

$ pdftoppm -v
pdftoppm version 0.62.0
Copyright 2005-2017 The Poppler Developers - http://poppler.freedesktop.org
Copyright 1996-2011 Glyph & Cog, LLC

阅读手册页man pdftoppm以查看其所有有用的功能。

支持的输出图像格式：

如手册页所示，pdftoppm允许您以以下格式输出图像：

1. PPM（默认）
2. PNG（带-png）
3. JPEG（带-jpeg）
4. TIFF（带-tiff）

它还允许您指定单色 ( -mono) 或灰度 ( -gray) 输出（默认为彩色）、指定页码、将输出图像放入文件夹、裁剪和调整大小、指定分辨率、指定 jpeg 质量（0 到 100 )、指定 TIFF 压缩、仅处理偶数页或奇数页等。它工作得非常好，非常有用！

以下是如何使用pdftoppm将 PDF 转换为一堆图像文件的一些示例：

1. 将 ppm 文件输出为pg-1.ppm、pg-2.ppm、pg-3.ppm等，默认为 150 DPI x 和 y 分辨率：

   pdftoppm mypdf.pdf pg
   

2. 与 1 相同，除了将所有输出文件放在名为images的文件夹中：

   mkdir -p images && pdftoppm mypdf.pdf images/pg
   

3. [我的最爱]以300 DPI x & y 分辨率而不是默认的 150 DPI 将图像以jpeg格式输出到“图像”文件夹中。请注意，输出图像采用某些默认 jpeg 压缩级别，对于 300 DPI 分辨率并假设标准 8.5" x 11" PDF 页面，每个文件将占用大约 0.1~1 MB 的空间。

   mkdir -p images && pdftoppm -jpeg -r 300 mypdf.pdf images/pg
   

4. 将图像以jpeg格式输出到“images”文件夹中，分辨率为300 DPI x & y，尽可能以最高质量的jpeg 级别！quality值的范围可以从 0 到 100。请参阅手册页。质量设置为 100，分辨率设置为 300 DPI，预计每个 jpeg 文件占用2 倍的存储空间，大小范围为 ~0.2~2MB，具体取决于内容，并假设为 8.5" x 11" PDF 页面。

   mkdir -p images && pdftoppm -jpeg -jpegopt quality=100 -r 300 mypdf.pdf images/pg
   

5. 以 **300 DPI x & y 分辨率输出未压缩的.tif* 图像。对于 300 DPI 和 8.5" x 11" PDF 页面，输出文件大小约为 25 MB。

   mkdir -p images && pdftoppm -tiff -r 300 mypdf.pdf images/pg
   

请注意，在我的慢速计算机上以 300 DPI 输出上述每个页面需要 15~45 秒，这意味着例如，对于 300 DPI jpeg 图像，100 pg PDF 可能需要长达 100 x 45/60 = 75 分钟左右的时间。

要计算该过程在您的计算机上花费的时间，只需将time命令放在pdftoppm上述任何命令的前面即可。例如：这是转换具有 3 页的 PDF 的输出：

$ mkdir -p images && time pdftoppm -tiff -r 300 testpdf.pdf images/pg

real    1m47.572s
user    1m45.675s
sys 0m1.536s

这意味着它在现实生活中的总时钟时间为 1m47.572s，或 60 + ~48 = 108 秒，即每页 108/3 = 36 秒。

有关的：

1. [如何将 PDF 转换为可搜索的 PDF w/ pdf2searchablepdf]如何将 pdf 转换为文本可搜索的 pdf？
2. 如何将pdf转换为文本可搜索的pdf？
3. 如何将PDF转换为图像？
4. /sf/ask/462350451/#58795684
5. https://www.linuxuprising.com/2019/03/how-to-convert-pdf-to-image-png-jpeg.html
6. 如何以编程方式确定 PDF 文件中图像的 DPI？

Answer 4

你也可以试试pdfmod。它是一个 GUI（图形界面），可以提取图像并进行其他基本的 pdf 操作。

Answer 5

我有一个双列 PDF 文件，其中包含使用 LaTeX 创建的嵌入图像，其中原始图像作为 EPS 提供。我尝试了基于 的建议解决方案pdfimages，但不幸的是，它没有返回任何图像。然后我尝试使用 Inkscape，但它生成的 SVG 图像失真，我也没有运气将它们导出为 EPS。

为我们工作的软件是MasterPdfEditor。

这是程序

• 使用 Master PDF Editor 打开您的文件
• 使用编辑工具（Alt+1）选择需要提取的图片
• 复制图窗 (Ctrl+C)
• 单击图像周围的虚线框并查看右侧边栏（对象检查器）并单击“Geomerty”。在那里你可以看到你选择的大小
• 创建一个新文件 (Ctrl+N)。它会提示您提供页面大小。提供图像的确切大小并创建新文件
• 现在有点棘手：粘贴图像（Ctrl + V）。图像可能不会显示在新文件中。使用箭头移动它，直到您能够追踪它。
• 使用箭头在新页面中居中图像
• 另存为 PDF

结果质量非常高，但该软件不是免费的。有一个演示版本“允许您尝试所有功能”，但带有“在输出文件上添加水印”。坦率地说，我没有注意到生成的 PDF 中有任何水印。