pdfbox和itext使用不正確的dpi提取圖像

Question

當我使用pdfbox提取圖像時，我得到一些PDF的圖像dpi不正確。 當我使用Photoshop或Acrobat Reader Pro提取圖像時，我可以看到使用Windows照片查看器的圖像的dpi為200，但是當我使用pdfbox提取圖像時，dpi為72。

為了提取圖像我使用以下代碼： 無法從PDFA1-格式文檔中提取圖像

當我查看日志時，我看到一個不尋常的條目：2015-01-23-main - DEBUG-org.apache.pdfbox.util.TIFFUtil：

     <?xml version="1.0" encoding="UTF-8"?><javax_imageio_jpeg_image_1.0>
      <JPEGvariety>
    <app0JFIF majorVersion="1" minorVersion="2" resUnits="0" Xdensity="1" Ydensity="1" thumbWidth="0" thumbHeight="0"/>
  </JPEGvariety>
  <markerSequence>
    <dqt>
      <dqtable elementPrecision="0" qtableId="0"/>
      <dqtable elementPrecision="0" qtableId="1"/>
    </dqt>
    <dht>
      <dhtable class="0" htableId="0"/>
      <dhtable class="0" htableId="1"/>
      <dhtable class="1" htableId="0"/>
      <dhtable class="1" htableId="1"/>
    </dht>
    <sof process="0" samplePrecision="8" numLines="0" samplesPerLine="0" numFrameComponents="3">
      <componentSpec componentId="1" HsamplingFactor="2" VsamplingFactor="2" QtableSelector="0"/>
      <componentSpec componentId="2" HsamplingFactor="1" VsamplingFactor="1" QtableSelector="1"/>
      <componentSpec componentId="3" HsamplingFactor="1" VsamplingFactor="1" QtableSelector="1"/>
    </sof>
    <sos numScanComponents="3" startSpectralSelection="0" endSpectralSelection="63" approxHigh="0" approxLow="0">
      <scanComponentSpec componentSelector="1" dcHuffTable="0" acHuffTable="0"/>
      <scanComponentSpec componentSelector="2" dcHuffTable="1" acHuffTable="1"/>
      <scanComponentSpec componentSelector="3" dcHuffTable="1" acHuffTable="1"/>
    </sos>
  </markerSequence>
</javax_imageio_jpeg_image_1.0>

我試圖谷歌，但我可以看到通過此日志找出pdfbox的含義。 這是什么意思？

您可以從以下鏈接下載帶有此問題的示例pdf： http ： //myslams.com/test/1.pdf

我甚至嘗試過itext，但是用96 dpi提取圖像。

難道我做錯了什么？ 或pdfbox和itext有這個限制？

Answer 1

經過一番挖掘，我找到了你的1.pdf。 從而，...

PDFBox的

在對最近的答案 @Tilman的評論中，您正在討論這個較舊的答案 ，其中@Tilman指向PrintImageLocations PDFBox示例。 我為你的文件運行它並獲得：

Processing page: 0
*******************************************************************
Found image [Im0]
position = 0.0, 0.0
size = 1704px, 888px
size = 613.44, 319.68
size = 8.52in, 4.44in
size = 216.408mm, 112.776mm

Processing page: 1
*******************************************************************
Found image [Im0]
position = 0.0, 0.0
size = 1704px, 2800px
size = 613.44, 1008.0
size = 8.52in, 14.0in
size = 216.408mm, 355.6mm

Processing page: 2
*******************************************************************
Found image [Im0]
position = 0.0, 0.0
size = 1704px, 2800px
size = 613.44, 1008.0
size = 8.52in, 14.0in
size = 216.408mm, 355.6mm

Processing page: 3
*******************************************************************
Found image [Im0]
position = 0.0, 0.0
size = 1704px, 1464px
size = 613.44, 527.04
size = 8.52in, 7.3199997in
size = 216.408mm, 185.928mm

在所有頁面上，這在x和y方向上均為200dpi（1704px / 8.52in = 888px / 4.44in = 2800px / 14.0in = 1464px / 7.32in = 200dpi）。

因此，PDFBox為您提供了您所追求的dpi值。

（@Tilman：該示例的當前2.0.0-SNAPSHOT版本返回完全無稽之談;您可能想要解決此問題。）

iText的

該PDFBox示例的簡化iText版本將是：

public void printImageLocations(InputStream stream) throws IOException
{
    PdfReader reader = new PdfReader(stream);
    PdfReaderContentParser parser = new PdfReaderContentParser(reader);
    ImageRenderListener listener = new ImageRenderListener();

    for (int page = 1; page <= reader.getNumberOfPages(); page++)
    {
        System.out.printf("\nPage %s:\n", page);
        parser.processContent(page, listener);
    }
}

static class ImageRenderListener implements RenderListener
{
    public void beginTextBlock() { }
    public void renderText(TextRenderInfo renderInfo) { }
    public void endTextBlock() { }

    public void renderImage(ImageRenderInfo renderInfo)
    {
        try
        {
            PdfDictionary imageDict = renderInfo.getImage().getDictionary();

            float widthPx = imageDict.getAsNumber(PdfName.WIDTH).floatValue(); 
            float heightPx = imageDict.getAsNumber(PdfName.HEIGHT).floatValue();
            float widthUu = renderInfo.getImageCTM().get(Matrix.I11);
            float heigthUu = renderInfo.getImageCTM().get(Matrix.I22);

            System.out.printf("Image %.0fpx*%.0fpx, %.0fuu*%.0fuu, %.2fin*%.2fin\n", widthPx, heightPx, widthUu, heigthUu, widthUu/72, heigthUu/72);
        }
        catch (IOException e)
        {
            e.printStackTrace();
        }
    }
}

（注意：我假設沒有旋轉和未圖像的圖像。）

您的文件的結果：

Page 1:
Image 1704px*888px, 613uu*320uu, 8,52in*4,44in

Page 2:
Image 1704px*2800px, 613uu*1008uu, 8,52in*14,00in

Page 3:
Image 1704px*2800px, 613uu*1008uu, 8,52in*14,00in

Page 4:
Image 1704px*1464px, 613uu*527uu, 8,52in*7,32in

因此，一直也是200dpi。 所以iText也為你提供了你所追求的dpi值。

你的代碼

顯然， 您引用的代碼沒有機會在PDF的上下文中報告合理的dpi值，因為它只提取資源中找到的圖像，但忽略了在頁面上使用相應圖像資源的方式 。

圖像資源可以被拉伸，旋轉，傾斜，...當他在頁面內容中使用它時，作者喜歡的任何方式。

順便說一下，如果作者沒有傾斜並且僅旋轉90°的倍數，則dpi值才有意義。