Bagaimana untuk Mengekstrak Imej Resolusi Tinggi daripada PDF Tanpa Pensampelan Semula Menggunakan Python?

Bagaimana untuk Mengekstrak Imej daripada PDF Tanpa Pensampelan Semula dalam Python?

Untuk mengekstrak imej daripada dokumen PDF dengan resolusi dan format asalnya, tanpa pensampelan semula, anda boleh menggunakan modul PyMuPDF. Modul Python ini membolehkan anda memproses fail PDF dan memanipulasi kandungannya dengan cekap. Begini cara anda boleh menggunakan PyMuPDF untuk mengekstrak imej:

<code class="python">import fitz

doc = fitz.open("input.pdf")
for page_num in range(len(doc)):
    for img in doc.getPageImageList(page_num):
        xref = img[0]
        pix = fitz.Pixmap(doc, xref)
        if pix.n < 5:  # Check if it's grayscale or RGB
            pix.writePNG(f"page_{page_num}_img_{xref}.png")
        else:  # Convert CMYK to RGB before saving
            pix1 = fitz.Pixmap(fitz.csRGB, pix)
            pix1.writePNG(f"page_{page_num}_img_{xref}.png")</code>

Dalam kod ini, kami mengulangi halaman dan imej dalam PDF. Pembolehubah 'xref' mewakili pengecam unik imej. Bergantung pada ruang warna imej (RGB atau CMYK), kami sama ada menulis imej PNG secara terus atau menukar CMYK kepada RGB sebelum menyimpannya.

Sebagai alternatif, jika anda menggunakan fitz versi 1.19.6, anda boleh menggunakan kod berikut untuk melaksanakan pengekstrakan dengan bar kemajuan untuk keterlihatan yang lebih baik:

<code class="python">import os
import fitz
from tqdm import tqdm

workdir = "path_to_pdf_folder"

for each_path in os.listdir(workdir):
    if ".pdf" in each_path:
        doc = fitz.Document(os.path.join(workdir, each_path))

        for i in tqdm(range(len(doc)), desc="pages"):
            for img in tqdm(doc.get_page_images(i), desc="page_images"):
                xref = img[0]
                image = doc.extract_image(xref)
                pix = fitz.Pixmap(doc, xref)
                pix.save(os.path.join(workdir, f"{each_path[:-4]}_p{i}-{xref}.png"))</code>

Coretan kod ini akan membolehkan anda mengekstrak imej daripada PDF, mengekalkan resolusi dan format asalnya.

Atas ialah kandungan terperinci Bagaimana untuk Mengekstrak Imej Resolusi Tinggi daripada PDF Tanpa Pensampelan Semula Menggunakan Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!