从PDF提取无损图像

Question

我正在使用PDFBox从PDF文件中提取图像，并将其提供给另一个图像处理库（可以处理不同的图像格式）。 我当前的代码是这样的：

PDImageXObject pdImage;
ByteArrayOutputStream baos = new ByteArrayOutputStream();
BufferedImage image = pdImage.getImage();
ImageIO.write(image, "png", baos);
byte[] imageBytes = baos.toByteArray();

这将获取存储在PDF文件中的所有内容，并使用Java图形将其转换为PNG。 有没有更好的方法来避免转换并以嵌入的任何格式提取图像？ 我不想降低图像质量（我想通过使用像PNG这样的无损格式来减轻图像质量）并招致转换开销。

Answer 1

FlateDecode过滤器和PNG文件格式使用DEFLATE算法。 但是，经过FlateDecode压缩的数据流本身并不是PNG文件。

另外，您还需要考虑Image XObject（例如DeviceCMYK）的色彩空间表示形式与PNG实际支持的色彩形式。

通过对输出图像文件进行无损压缩，您将不会丢失任何信息。 （请确保您确实需要无损提取的图像，通常人们会认为有损压缩意味着他们的图像现在将发生很多变化，无法再识别。尽管在很多情况下，根据参数的不同，损失几乎无法用肉眼察觉，您可以大大受益于有损压缩的尺寸节省。）

如果性能较慢，则可能只是负责提取图像并保存图像的PDF软件的质量。