[英]Extract an image from a PDF in python
我正在嘗試使用 PyPDF2 從 pdf 中提取圖像,但是當我的代碼獲取它時,圖像與實際外觀非常不同,請看下面的示例:
但它應該是這樣的:
這是我正在使用的pdf:
https://www.hbp.com/resources/SAMPLE%20PDF.pdf
這是我的代碼:
pdf_filename = "SAMPLE.pdf"
pdf_file = open(pdf_filename, 'rb')
cond_scan_reader = PyPDF2.PdfFileReader(pdf_file)
page = cond_scan_reader.getPage(0)
xObject = page['/Resources']['/XObject'].getObject()
i = 0
for obj in xObject:
# print(xObject[obj])
if xObject[obj]['/Subtype'] == '/Image':
if xObject[obj]['/Filter'] == '/DCTDecode':
data = xObject[obj]._data
img = open("{}".format(i) + ".jpg", "wb")
img.write(data)
img.close()
i += 1
因為我需要將圖像保持在它的顏色模式,如果它是 CMYK,我不能將它轉換為 RBG,因為我需要這些信息。 另外,我試圖從我從 pdf 獲得的圖像中獲取 dpi,該信息是否始終存儲在圖像中? 提前致謝
希望這有效:您可能需要使用另一個庫,例如Pillow
:
下面是一個例子:
from PIL import Image
image = Image.open("path_to_image")
if image.mode == 'CMYK':
image = image.convert('RGB')
image.write("path_to_image.jpg")
參考: 從 CMYK 轉換為 RGB
我使用pdfreader從您的示例中提取圖像。 該圖像使用ICCBased色彩空間,其值為N=4 , Intent值為RelativeColorimetric 。 這意味着“最接近的”PDF 色彩空間是DeviceCMYK 。
您所需要的只是將圖像轉換為 RGB 並反轉顏色。
這是代碼:
from pdfreader import SimplePDFViewer
import PIL.ImageOps
fd = open("SAMPLE PDF.pdf", "rb")
viewer = SimplePDFViewer(fd)
viewer.render()
img = viewer.canvas.images['Im0']
# this displays ICCBased 4 RelativeColorimetric
print(img.ColorSpace[0], img.ColorSpace[1].N, img.Intent)
pil_image = img.to_Pillow()
pil_image = pil_image.convert("RGB")
inverted = PIL.ImageOps.invert(pil_image)
inverted.save("sample.png")
閱讀有關 PDF 對象的更多信息:Image (sec. 8.9.5) , InlineImage (sec. 8.9.7)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.