c# PDF免费转Bmp

Question

我正在编写一个使用 OCR (tessnet2) 扫描图像文件并提取某些信息的程序。 在我发现要从 Exchange 服务器扫描 PDF 附件之前，这很容易。

我正在处理的第一个问题是如何将我的 PDF 转换为 BMP 文件。 就我目前所知的 TessNet2 而言，它只能读取图像文件——特别是 BMP。 所以我现在的任务是将不确定大小（2 - 15 页）的 PDF 转换为 BMP 图像。 完成后，我可以使用我已经用 TessNet2 构建的代码轻松扫描每个图像。

我已经看到使用 Ghostscript 来完成这项任务的事情——我只是想知道是否有另一种免费的解决方案，或者你们中的一个优秀的人是否可以给我一个关于如何使用 Ghostscript 执行此操作的速成课程。

Answer 1

找到有关将PDF转换为图像的CodeProject文章：

http://www.codeproject.com/Articles/57100/Simple-and-Free-PDF-to-Image-Conversion

Answer 2

您也可以使用ImageMagick 。 它完全免费！ 没有试用或付款。

只需从这里下载ImageMagick .exe。 安装它并在此处下载NuGet文件。

有代码！ 希望我帮忙！ （尽管问题是在6年前提出的......）

程序：

     using ImageMagick;
     public void PDFToBMP(string output)
     {
        MagickReadSettings settings = new MagickReadSettings();
        // Settings the density to 500 dpi will create an image with a better quality
        settings.Density = new Density(500);

        string[] files= GetFiles();
        foreach (string file in files)
        {
            string fichwithout = Path.GetFileNameWithoutExtension(file);
            string path = Path.Combine(output, fichwithout);
            using (MagickImageCollection images = new MagickImageCollection())
            {
                images.Read(fich);
                foreach (MagickImage image in images)
                {
                    settings.Height = image.Height;
                    settings.Width = image.Width;
                    image.Format = MagickFormat.Bmp; //if you want to do other formats of image, just change the extension here! 
                    image.Write(path + ".bmp"); //and here!
                }
            }
        }
    }

函数GetFiles() ：

    public string[] GetFiles()
    {
        if (!Directory.Exists(@"your\path"))
        {
            Directory.CreateDirectory(@"your\path");
        }

        DirectoryInfo dirInfo = new DirectoryInfo(@"your\path");
        FileInfo[] fileInfos = dirInfo.GetFiles();
        ArrayList list = new ArrayList();
        foreach (FileInfo info in fileInfos)
        {
            if(info.Name != file)
            {
                // HACK: Just skip the protected samples file...
                if (info.Name.IndexOf("protected") == -1)
                    list.Add(info.FullName);
            }

        }
        return (string[])list.ToArray(typeof(string));
    }

Answer 3

我承认这是一个非常古老的问题，但这是一个持续存在的问题。 如果您的目标是 .NET 6 或更高版本，我希望您看看我的图书馆Melville.PDF 。

Melville.Pdf 是 PDF 渲染器的 MIT 许可 C# 实现。 我希望这能满足我一段时间以来的需求。

如果您尝试从 PDF 文档中获取文本，则渲染 + OCR 可能是最困难的方法。 一些 PDF 文件只是图像对象的薄包装，但实际上许多文件内部都有文本。 Melville.PDF（还）不进行文本提取，但它可能是从某些文件中获取文本的更简单方法。