c# PDF免費轉Bmp

Question

我正在編寫一個使用 OCR (tessnet2) 掃描圖像文件並提取某些信息的程序。 在我發現要從 Exchange 服務器掃描 PDF 附件之前，這很容易。

我正在處理的第一個問題是如何將我的 PDF 轉換為 BMP 文件。 就我目前所知的 TessNet2 而言，它只能讀取圖像文件——特別是 BMP。 所以我現在的任務是將不確定大小（2 - 15 頁）的 PDF 轉換為 BMP 圖像。 完成后，我可以使用我已經用 TessNet2 構建的代碼輕松掃描每個圖像。

我已經看到使用 Ghostscript 來完成這項任務的事情——我只是想知道是否有另一種免費的解決方案，或者你們中的一個優秀的人是否可以給我一個關於如何使用 Ghostscript 執行此操作的速成課程。

Answer 1

找到有關將PDF轉換為圖像的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 。 它完全免費！ 沒有試用或付款。

只需從這里下載ImageMagick .exe。 安裝它並在此處下載NuGet文件。

有代碼！ 希望我幫忙！ （盡管問題是在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!
                }
            }
        }
    }

函數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

我承認這是一個非常古老的問題，但這是一個持續存在的問題。 如果您的目標是 .NET 6 或更高版本，我希望您看看我的圖書館Melville.PDF 。

Melville.Pdf 是 PDF 渲染器的 MIT 許可 C# 實現。 我希望這能滿足我一段時間以來的需求。

如果您嘗試從 PDF 文檔中獲取文本，則渲染 + OCR 可能是最困難的方法。 一些 PDF 文件只是圖像對象的薄包裝，但實際上許多文件內部都有文本。 Melville.PDF（還）不進行文本提取，但它可能是從某些文件中獲取文本的更簡單方法。