如何使用Ghostscript或ImageMagick从PDF中提取图像？

Question

我需要渲染或提取特定PDF文件中的所有图像。如何使用Ghostscript或ImageMagick实现这一目标？

- mmoghrabi

---

最好使用pdfimages。 - fmw42

Answer 1

你不能通过Ghostscript实现，但你可以使用Poppler或XPDF的命令行工具pdfimages来实现：

pdfimages -j some.pdf subdir/image-prefix

所有图像现在都将位于名为 subdir/ 的目录中，命名格式为 image-prefix-0001.jpg、image-prefix-0002.jpg ...。

使用-j参数可以尝试直接提取JPEG。如果无法创建JPEG，则会创建PNM或PPM文件，您始终可以使用ImageMagick进行转换：

convert subdir/image-prefix-0033.ppm subdir/image-prefix-0033.jpeg

- Kurt Pfeifle

---

我想做类似的事情，但我想完全从pdf中删除所有图像，即pdf应该只包含文本/字体而没有图像，这可以实现吗？请帮忙。 - hussainb

@codin：评论不适合讨论全新的话题。请提出一个新问题，将其标记为“[ghostscript]”+“[pdf]”，我会尽力回答。请同时说明您请求的目的。节省文件大小？删除图像中包含的信息？还是其他？ - Kurt Pfeifle

对于第二步，Mogrify 似乎更为合适：magick mogrify -format jpg *.ppm。 - Dorian Grv

为什么不直接使用convert呢？convert some.pdf image-prefix.jpg - patxiska

@patxiska 为什么不尝试两种变体来亲自看看它们之间的区别呢？（您的 convert 将 PDF 页面转换为包含页面文本部分的全页图像；而 pdfimages 则提取嵌入在 PDF 页面中的图像，而不包括文本部分。） - Kurt Pfeifle

Answer 2

你当然不能在Ghostscript中完成它，除非你自己编写一个Ghostscript设备。
我怀疑你也无法用ImageMagick完成它。
你看过PDFtk吗？

如果你在Windows上，快速搜索一下谷歌会有结果：

http://www.somepdf.com/some-pdf-image-extract.html

在Linux上：

https://askubuntu.com/questions/150100/extracting-images-from-a-pdf

- KenS

---

我想使用GS或ImageMagick的原因是它们使用脚本，可以通过Java运行。您推荐使用任何使用命令行命令或脚本来实现此目的的PDF工具吗？ - mmoghrabi

pdftk可以提取附件，但似乎无法提取图像。 - bonh

Answer 3

ImageMagick还提供了以下语法选项，将PDF转换为图像：

convert /path/to/file.pdf /path/to/output/file.png

除了“常规”转换外，它还提供了许多有用的选项，例如：

• 仅提取几页（通过在PDF文件名后添加[0-n]，例如convert "file.pdf[0-1]" /path/to/output/file.png）
• 使用PDF文档中定义的裁剪框 -define pdf:use-cropbox=true
• 更改输出密度DPI -density 300
• 将图像缩放到特定大小，例如最大2000x2000px，使用-resize 2000x2000>
• 为具有透明度的PDF设置背景颜色，使用-background white
• 删除Alpha通道-alpha remove -alpha off

等等。

- Alexander Pacha

Answer 4

例如提取1页：

gs -q -dBATCH -dNOPAUSE -sDEVICE=pnggray -d300 -dFirstPage=1 -dLastPage=1 -sOutputFile=1.tiff in.pdf

- user2053898

---

这并不提取原始图像，而是根据页面的外观呈现图像。例如，如果您在图像上叠加了文本，则渲染的图像中也会显示该文本。 - mlissner