PDF尺寸与实际内容尺寸的区别

Question

我目前正在使用php的imagick将一些PDF转换为图片 - 这很好用，但输出时图片会被“切割”。

这是由于PDF中所包含的信息与实际内容尺寸之间的差异造成的。

PDF报告为612x792 72ppi文档，但当我通过Mac上的预览导出图像时，图像为1651x1275 - 这怎么可能呢？

显然，导出是正确的，因为图像在这些尺寸下可以正确查看 - PDF是否只是编码错误，宽度和高度被混淆了？我该如何通过代码检测此问题？此外，图像导出的大小也不同（大得多），大约是原始PDF的两倍，这让我相信imagick并没有正确读取某些信息。

基本上，我想知道是否有一种正确的方法来确定实际的PDF内容大小，以便从中导出的图像具有最佳质量。

谢谢！

编辑：（添加代码）

<?php
$im = new Imagick();
$im->readImage("SomeTest.pdf");
$im->setImageColorspace(255);
$im->setCompression(Imagick::COMPRESSION_JPEG);
$im->setCompressionQuality(60);
$im->setImageFormat('jpeg');
$im->writeImages("SampleImage.jpg");
?>

使用的PDF文件如下: http://www.pantone.com/pages/MYP_mypantone/software_downloader.aspx?f=3

此外，以下是imagick从identifyImage()函数输出的结果，看起来文件大小有些不对。

Array
(
    [imageName] => /tmp/magick-XXehkI8e
    [format] => PDF (Portable Document Format)
    [geometry] => Array
        (
            [width] => 612
            [height] => 792
        )

    [type] => TrueColor
    [colorSpace] => RGB
    [resolution] => Array
        (
            [x] => 72
            [y] => 72
        )

    [units] => Undefined
    [fileSize] => 50mb
    [compression] => Undefined
    [signature] => 9426f3fc4f45afd71941435a37d585d01e01d32458f3ca241e72892c2f7f35d5
)

- TeckniX

---

一切似乎都很好，直到你看到文件大小。那真的很可疑。 - Mark Storer

每当您使用ImageMagick将PDF转换为图像时，请务必将“-density”参数设置为正确的DPI，否则质量和大小将会很差。 - Orbling

Mark，图像大小实际上不起作用 - 在imagick中创建了一个明显的图像数组，我需要弄清楚它们，以便在将它们写出之前设置每个图像的大小。 - TeckniX

Answer 1

请注意，PDF本身是一种无分辨率的格式。页面的描述方式是数学方式，不受任何特定分辨率限制的约束，除了那些由浮点数所强加的限制。

只有当PDF被呈现到特定设备上时（这可能或可能不是在该设备的分辨率下），它才真正具有分辨率。

“但图片呢？PDF里的图像肯定会给它带来分辨率！” 有点道理。 PDF中的图像被表示为无单位样本，在实例化到页面之前本身并没有分辨率。我可以将一个300 dpi、8.5"x11"的1位图像嵌入到PDF中，但是同一图像还可以放入页面的内容流中，并占满整个8.5"x11"的空间，从而保持其分辨率，也可以将其渲染为更小的缩略图（通过缩放创建更高分辨率）——即使这些“分辨率”直到页面实际呈现到设备上也并不适用。此外，PDF渲染器不会阻止进行双线性（或其他）插值，以增加图像的表观分辨率。

为了给您提供更具体的示例，如果我在96 dpi显示器上以100％的比例呈现PDF页面，则该页面的分辨率不超过96 dpi。如果我在1800 dpi的照排机上呈现PDF页面，该页面的分辨率不超过1800 dpi。

如果我在96 dpi显示器上以100％的比例呈现PDF页面上的300 dpi图像，则页面上图像的分辨率为96 dpi。如果我在1800 dpi的照排机上以100％的比例呈现PDF页面上的300 dpi图像，则页面上图像的分辨率为300 dpi。

您从ImageMagick看到的输出可能反映出PDF单位中8.5"x11"页面等于612 x 792，1个PDF单位相当于1/72英寸。预览渲染似乎以约194 dpi进行。

- plinth

---

Plinth，非常感谢您对不同渲染方式的详细解释，让我了解到PDF背后的数学渲染。请问根据提供的PDF信息，应该采用什么正确的数学公式来确定JPEG渲染的正确dpi/质量呢？比如这个PDF是8.5"x11"，分辨率为300 x/y。 - TeckniX

答案是没有真正的答案。如果页面是单个图像，则必须从该页面中提取图像（或至少其尺寸），然后将（0,0）和（w，h）通过转换矩阵推入从图像空间（（0,0）->（1,1））到PDF空间的“最佳”PDF渲染分辨率。换句话说，如果您拥有所有这些信息，那么就很简单了。获取这些信息显然是非常棘手的。 - plinth

这正是我现在遇到的问题——即获取现有PDF中的所有信息，以便获取旋转、尺寸等，并能够创建正确的输出尺寸，使图像以其正确的分辨率和旋转显示。很高兴我不是唯一一个在解决这些问题方面挣扎的人 :) - TeckniX

Answer 2

PDF 中的图像被缩小到 PDF 中的某个大小（否则在 Reader 等查看时会被裁剪）。

ImageMagick（我假设 imagick 使用它）使用 GhostScript 将 PDF 转换为图像。GhostScript 在呈现 PDF 文件方面非常出色。我不得不怀疑您是否传递了一些错误的信息。

我们能看到一些代码吗？您的输入 PDF 和输出图像的链接也很好。

---

我刚刚在你的PDF上运行了gs 8.71，并且它渲染得很好。你使用的GhostScript版本是什么？

- Mark Storer

---

看起来 $im->getImageGeometry() 将返回 PDF 中的图像大小 - 由于某种原因，PDF 是横向的，而返回的大小是纵向的？ - TeckniX

页面被旋转了-90度。这是一种相对罕见的横向方式，但完全合法。其他（更常见）的选项是+90和11x8.5。 - Mark Storer

Acrobat Pro成功地保存了页面...所以如果有问题，那就是Adobe软件可以处理的问题（通常情况下...有很多不太有效的PDF文件，但Adobe仍然可以处理）。 - Mark Storer

啊，但这是另一种方式。PDF->图像“相当擅长渲染PDF文件”。 - Mark Storer

你可以通过文本编辑器和对PDF语法的基本理解来找出答案。在文本编辑器中打开PDF文件，然后搜索“/Page”。 - Mark Storer