如何通过 PDFBOX、XPDF 检查 PDF 页面是否为图像（扫描）

Question

提取图像的 PDFBox 问题。嗨，我如何检查 pdf 页面是否为图像并通过 PDFBOX 库提取该图像，有一种获取图像的方法，但如果 PDF 页面是图像，则无法获取。有人可以帮我解决这个问题吗？

提取图像的 Xpdf 问题。我尝试通过另一个库 xpdf 提取图像，如果它是图像，它会在页面上进行奇怪的翻转。如果 pdf 包含一个小图像作为对象图像，它给我确定，如果页面被扫描，他我们正在翻转。

我想从 PDF 中提取所有图像，如果扫描 PAGE 以获取它们作为图像，如果页面包含纯文本和图像也可以从此页面获取图像。

我的观点是从 PDF 中提取所有图像。不仅形成一个页面，而且即使页面是一个图像，也可以将它们提取为图像，但不要跳过它们，我认为 PDFbox 怎么样。

XPDF 正在做一些事情，但是当他导出扫描页面时，页面上出现了 FLIP（顶部，右侧）问题

我该如何解决这个问题谢谢。

下载文件示例以进行测试

    `PDDocument document = PDDocument.load(new File("/home/dru/IdeaProjects2/PDFExtractor/test/t1.pdf"));
    PDPageTree list = document.getPages();

    for (PDPage page : list) {
        PDResources pdResources = page.getResources();
        System.out.println(pdResources.getResourceCache());

        for (COSName c : pdResources.getXObjectNames()) {
            PDXObject o = pdResources.getXObject(c);

            if (o instanceof org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject) {
                File file = new File("/home/dru/IdeaProjects2/PDFExtractor/test/out/" + System.nanoTime() + ".png");
                ImageIO.write(((org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject)o).getImage(), "png", file);
            }
        }
    }`

Answer 1

正确提取图像

更新后的 PDF 清楚地表明，问题在于它在页面上没有任何图像，但在其上绘制了包含图像的表单 xobjects。因此，图像搜索必须递归到 xobjects 形式。

这还不是全部：更新后的 PDF 中的所有页面共享相同的资源字典，它们只是选择不同形式的 xobjects 来显示。因此，确实必须解析相应的页面内容流以确定给定页面上存在哪个 xobject（带有哪些图像）。

实际上这是 PDFBox 工具ExtractImages所做的事情。不幸的是，它没有显示找到相关图像的页面，参见。该ExtractImages.java测试方法testExtractPageImagesTool10948New。

但是我们可以简单地借用该工具使用的技术：

PDDocument document = PDDocument.load(resource);
int page = 1;
for (final PDPage pdPage : document.getPages())
{
    final int currentPage = page;
    PDFGraphicsStreamEngine pdfGraphicsStreamEngine = new PDFGraphicsStreamEngine(pdPage)
    {
        int index = 0;
        
        @Override
        public void drawImage(PDImage pdImage) throws IOException
        {
            if (pdImage instanceof PDImageXObject)
            {
                PDImageXObject image = (PDImageXObject)pdImage;
                File file = new File(RESULT_FOLDER, String.format("10948-new-engine-%s-%s.%s", currentPage, index, image.getSuffix()));
                ImageIOUtil.writeImage(image.getImage(), image.getSuffix(), new FileOutputStream(file));
                index++;
            }
        }

        @Override
        public void appendRectangle(Point2D p0, Point2D p1, Point2D p2, Point2D p3) throws IOException { }

        @Override
        public void clip(int windingRule) throws IOException { }

        @Override
        public void moveTo(float x, float y) throws IOException {  }

        @Override
        public void lineTo(float x, float y) throws IOException { }

        @Override
        public void curveTo(float x1, float y1, float x2, float y2, float x3, float y3) throws IOException {  }

        @Override
        public Point2D getCurrentPoint() throws IOException { return null; }

        @Override
        public void closePath() throws IOException { }

        @Override
        public void endPath() throws IOException { }

        @Override
        public void strokePath() throws IOException { }

        @Override
        public void fillPath(int windingRule) throws IOException { }

        @Override
        public void fillAndStrokePath(int windingRule) throws IOException { }

        @Override
        public void shadingFill(COSName shadingName) throws IOException { }
    };
    pdfGraphicsStreamEngine.processPage(pdPage);
    page++;
}

（ExtractImages.java测试方法testExtractPageImages10948New）

此代码输出文件名为“10948-new-engine-1-0.tiff”、“10948-new-engine-2-0.tiff”、“10948-new-engine-3-0.tiff”的图像，以及“10948-new-engine-4-0.tiff”，即每页一个。

PS：请记住包含com.github.jai-imageio:jai-imageio-core在您的类路径中，这是 TIFF 输出所必需的。

翻转图像

OP 的另一个问题是图像有时会颠倒过来，例如在他现在最新的示例文件“t1_edited.pdf”的情况下。原因是这些图像确实作为图像资源在 PDF 中颠倒存储。

当这些图像被绘制到页面上时，当时有效的当前变换矩阵会反映垂直绘制的图像，从而创建预期的外观。

通过稍微增强drawImage上面代码中的实现，可以在导出图像的名称中包含此类翻转的指示符：

public void drawImage(PDImage pdImage) throws IOException
{
    if (pdImage instanceof PDImageXObject)
    {
        Matrix ctm = getGraphicsState().getCurrentTransformationMatrix();
        String flips = "";
        if (ctm.getScaleX() < 0)
            flips += "h";
        if (ctm.getScaleY() < 0)
            flips += "v";
        if (flips.length() > 0)
            flips = "-" + flips;
        PDImageXObject image = (PDImageXObject)pdImage;
        File file = new File(RESULT_FOLDER, String.format("t1_edited-engine-%s-%s%s.%s", currentPage, index, flips, image.getSuffix()));
        ImageIOUtil.writeImage(image.getImage(), image.getSuffix(), new FileOutputStream(file));
        index++;
    }
}

现在垂直或水平翻转的图像被相应地标记。