文章/答案/技术大牛

发布

社区首页 >问答首页 >用Python从PDF中提取所有图像，并保持其透明性

问用Python从PDF中提取所有图像，并保持其透明性
EN

Stack Overflow用户

提问于 2022-07-30 17:03:16

回答 1查看 265关注 0票数 1

我在网上和这里看到了许多解决方案，用于用PyMuPDF、PyPDF2和其他工具从PDF中提取图像，但它们都没有成功地保留透明度信息，它们使用的是过时的代码，不再起作用，或者问题没有答案。我尝试的例子显示了一个黑色的背景，其中的透明度应该是。如果我打开photoshop中的PDF并取出图像，它就像我所期望的那样是透明的背景。所以我知道信息就在那里。有谁用Python做过这样的例子吗？

下面是一个包含解决方案的post示例，它可以提取图像，但它们都转换为错误的文件格式，或者保存为png，但缺少透明的方面。

Extract images from PDF without resampling, in python?

python

pypdf2

pymupdf

回答 1

Stack Overflow用户

发布于 2022-07-30 22:25:18

PDF图片并不像你所期望的那样。因此，让我们拿一个样本，但所有的插入可以不同的操作(否则将不需要不同的提取应用程序)。PDF不是为了回顾性的分裂而设计的，许多对象被简化为墨粉油墨，以便在通常的白皮书上进行转移，因此透明度是事后考虑的，需要第四个版本(%PDF-1.4++)。

这里是一个文件，没有其他任何东西，似乎是一个单一的透明图像。注意，它说它的对象19，但没有其他东西！

让我们用poppler实用程序来查询文件中的内容，因为大多数python库都依赖于它或GhostScript。

Poppler\poppler-22.04.0\Library\bin>pdfimages -list tt.pdf
page   num  type   width height color comp bpc  enc interp  object ID x-ppi y-ppi size ratio
--------------------------------------------------------------------------------------------
   1     0 image     950   575  gray    1   8  image  no        27  0    72    72 42.4K 7.9%
   1     1 image     950   575  index   1   8  image  no        19  0    72    72 2454B 0.4%
   1     2 smask     950   575  gray    1   8  image  no        19  0    72    72 42.4K 7.9%

我们现在能看到的是3个图像，其中2个是数字19，所以现在我们看到了两个图像27和19，但是19也有一个覆盖(softMask)。

这是PDF不能将RGBA文件存储为一个对象的地方，但是它需要分割到RGB图像和灰色调以获得透明度。以下是在图形查看器中查看的2幅图像。许多库需要一些IMage库来将它们混合到一个PNG中。

另一个库是MuPDF

MuPDF\1.20.0-tesseract>mutool extract -a tt.pdf
extracting image-0019.png
extracting image-0020.png
extracting image-0027.png

因此，最简单的cli提取器是MuPDF，因此PyMuPDF应该能够导出类似的混合物。(但是，由于我使用的是单行程序，而没有python强加的开销，所以我无法确定在这种特定情况下所需的代码。)

附带注意，使用应该保持透明度的不同图像提取器提供了不同的内容视图，并提取了透明图像和较小的缩略图，这在查看生产者(Adobe )时解释了许多不同的图形问题。

pdfcpu_0.3.12>pdfcpu  images  list tt.pdf
pages: all
2 images available
page  obj#  id  type width height colorspace comp bpc interp size filters
=========================================================================
   1    19 Im0 smask   950    575    Indexed    3   8        2 KB FlateDecode
        13     thumb   105     57    Indexed    3   8         171 ASCII85Decode,FlateDecode

         <xmp:Thumbnails>
            <rdf:Alt>
               <rdf:li rdf:parseType="Resource">
                  <xmpGImg:width>256</xmpGImg:width>
                  <xmpGImg:height>156</xmpGImg:height>
                  <xmpGImg:format>JPEG</xmpGImg:format>
...
<photoshop:LayerText>Testing</photoshop:LayerText>
...
<rdf:li>Cyan</rdf:li>
<rdf:li>Magenta</rdf:li>
<rdf:li>Yellow</rdf:li>
<rdf:li>Black</rdf:li>
...
<</BC 23 0 R/G 24 0 R/S/Luminosity/Type/Mask>>

事实上，有几处提到了面具！

票数 3

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/73177586

复制

相似问题

问用Python从PDF中提取所有图像，并保持其透明性
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问用Python从PDF中提取所有图像，并保持其透明性EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问用Python从PDF中提取所有图像，并保持其透明性
EN