Estou tentando usar o programa de linha de comando convertpara levar um PDF para uma imagem (JPEG ou PNG). Aqui está um dos PDFs que estou tentando converter.

Quero que o programa reduza o excesso de espaço em branco e retorne uma imagem de qualidade alta o suficiente para que os sobrescritos possam ser lidos com facilidade.

Esta é a minha melhor tentativa atual . Como você pode ver, o corte funciona bem, só preciso aprimorar a resolução um pouco. Este é o comando que estou usando:

convert -trim 24.pdf -resize 500% -quality 100 -sharpen 0x1.0 24-11.jpg

Eu tentei tomar as seguintes decisões conscientes:

• redimensioná-lo maior (não afeta a resolução)
• faça a qualidade o mais alta possível
• use o -sharpen(eu tentei um intervalo de valores)

Todas as sugestões sobre como obter a resolução da imagem no PNG / JPEG final mais alto serão muito apreciadas!

Parece que o seguinte funciona:

convert           \
   -verbose       \
   -density 150   \
   -trim          \
    test.pdf      \
   -quality 100   \
   -flatten       \
   -sharpen 0x1.0 \
    24-18.jpg

Isso resulta na imagem esquerda . Compare isso com o resultado do meu comando original ( a imagem à direita ):

(Para realmente ver e apreciar as diferenças entre os dois, clique com o botão direito do mouse em cada um e selecione "Abrir imagem em nova guia ..." .)

Lembre-se também dos seguintes fatos:

• A pior imagem borrada à direita tem um tamanho de arquivo de 1.941.702 bytes (1,85 MByte). Sua resolução é de 3060x3960 pixels, usando espaço de cores RGB de 16 bits.
• A imagem melhor e nítida à esquerda tem um tamanho de 337.879 bytes (330 kByte). Sua resolução é de 758x996 pixels, usando o espaço de cores cinza de 8 bits.

Portanto, não há necessidade de redimensionar; adicione a -densitybandeira. O valor da densidade 150 é estranho - tentar um intervalo de valores resulta em uma imagem com aparência pior nas duas direções!

Pessoalmente, eu gosto disso.

convert -density 300 -trim test.pdf -quality 100 test.jpg

É um pouco mais do dobro do tamanho do arquivo, mas parece melhor para mim.

-density 300 define o dpi em que o PDF é renderizado.

-trim remove os pixels de borda que são da mesma cor que os pixels de canto.

-quality 100 define a qualidade da compactação JPEG para a mais alta qualidade.

Coisas como -sharpennão funcionam bem com o texto porque desfazem o que o sistema de renderização de fontes fez para torná-lo mais legível.

Se você realmente quiser, use o redimensionamento aqui e, possivelmente, um valor de dpi maior de algo como targetDPI * scalingFactor That irá renderizar o PDF na resolução / tamanho que você deseja.

Descrições dos parâmetros em imagemagick.org estão aqui

Eu uso pdftoppmna linha de comando para obter a imagem inicial, normalmente com uma resolução de 300 dpi pdftoppm -r 300, então uso convertpara fazer o corte e a conversão de PNG.

normalmente extraio a imagem incorporada com 'pdfimages' na resolução nativa e depois uso o convert do ImageMagick para o formato necessário:

$ pdfimages -list fileName.pdf
$ pdfimages fileName.pdf fileName   # save in .ppm format
$ convert fileName-000.ppm fileName-000.png

isso gera o melhor e menor arquivo de resultado.

Nota: Para imagens incorporadas JPG com perdas, você tinha que usar -j:

$ pdfimages -j fileName.pdf fileName   # save in .jpg format

Com o poppler recente, você pode usar tudo o que economiza perdas como jpg e sem perdas como png

Na plataforma Win pouco fornecida, você precisava fazer o download de um binário 'poppler-util' recente (0,37 2015) em: http://blog.alivate.com.au/poppler-windows/

Eu achei mais rápido e mais estável ao processar em lote PDFs grandes em PNGs e JPGs para usar o gscomando subjacente (também conhecido como Ghostscript) queconvert usa.

Você pode ver o comando na saída de convert -verbose e existem mais alguns ajustes possíveis lá (YMMV) que são difíceis / impossíveis de acessar diretamente viaconvert .

No entanto, seria mais difícil fazer o seu corte e afiação usando gs, então, como eu disse, YMMV!

Também oferece bons resultados:

exec("convert -geometry 1600x1600 -density 200x200 -quality 100 test.pdf test_image.jpg");

Usuário de Linux aqui: experimentei o convertutilitário de linha de comando (de PDF para PNG) e não fiquei satisfeito com os resultados. Achei isso mais fácil, com um resultado melhor:

• extrair a (s) página (s) pdf com pdftk
  • por exemplo: pdftk file.pdf cat 3 output page3.pdf
• abra (importe) esse pdf com GIMP
  • importante: altere a importação Resolutionde 100para 300ou600 pixel/in
• na GIMPexportação como PNG (altere a extensão do arquivo para .png)

Editar:

Imagem adicionada, conforme solicitado no Comments. Comando Convert usado:

convert -density 300 -trim struct2vec.pdf -quality 100 struct2vec.png

GIMP: importado a 300 dpi (px / in); exportado como nível de compactação PNG 3.

Eu não usei o GIMP na linha de comando (re: meu comentário, abaixo).

Realmente não tive um bom sucesso com convert[atualização de maio de 2020: na verdade: praticamente nunca funciona para mim], mas tive um EXCELENTE sucesso pdftoppm. Veja alguns exemplos de produção de imagens de alta qualidade a partir de um PDF:

1. [Produz ~ arquivos com tamanho de 25 MB por página] Imprime o formato de arquivo .tif a 300 DPI em uma pasta chamada "images", com os arquivos denominados pg-1.tif , pg-2.tif , pg-3.tif , etc:

   mkdir -p images && pdftoppm -tiff -r 300 mypdf.pdf images/pg
   

2. [Produz ~ arquivos com tamanho de 1 MB por página] Saída no formato .jpg a 300 DPI :

   mkdir -p images && pdftoppm -jpeg -r 300 mypdf.pdf images/pg
   

3. [Produz ~ arquivos com tamanho de 2 MB por página] Saída no formato .jpg com a mais alta qualidade (menos compactação) e ainda com 300 DPI :

   mkdir -p images && pdftoppm -jpeg -jpegopt quality=100 -r 300 mypdf.pdf images/pg
   

Para mais explicações, opções e exemplos, veja minha resposta completa aqui:

/ubuntu/150100/extracting-embedded-images-from-a-pdf/1187844#1187844 .

Palavras-chave:

1. [Como transformar um PDF em um PDF pesquisável com pdf2searchablepdf] /ubuntu/473843/how-to-turn-a-pdf-into-a-text-searchable-pdf/1187881#1187881
2. Reticulado:
   1. Como converter um PDF em JPG com linha de comando no linux?
   2. /unix/11835/pdf-to-jpg-without-quality-loss-gscan2pdf/585574#585574

No ImageMagick, você pode fazer "superamostragem". Você especifica uma densidade grande e redimensiona o tamanho desejado para o tamanho final da saída. Por exemplo, com sua imagem:

convert -density 600 test.pdf -background white -flatten -resize 25% test.png

Faça o download da imagem para ver em resolução máxima para comparação.

Não recomendo salvar em JPG se você espera fazer um processamento adicional.

Se você deseja que a saída tenha o mesmo tamanho da entrada, redimensione para o inverso da proporção da sua densidade para 72. Por exemplo, -densidade 288 e-redimensione 25%. 288 = 4 * 72 e 25% = 1/4

Quanto maior a densidade, melhor a qualidade resultante, mas levará mais tempo para processar.

Mais uma sugestão é que você pode usar o GIMP.

Basta carregar o arquivo PDF no GIMP-> salvar como .xcf e, em seguida, você pode fazer o que quiser com a imagem.

Eu uso o icepdf, um mecanismo java pdf de código aberto. Confira a demonstração do escritório .

package image2pdf;

import org.icepdf.core.exceptions.PDFException;
import org.icepdf.core.exceptions.PDFSecurityException;
import org.icepdf.core.pobjects.Document;
import org.icepdf.core.pobjects.Page;
import org.icepdf.core.util.GraphicsRenderingHints;
import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.awt.image.RenderedImage;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.IOException;

public class pdf2image {

   public static void main(String[] args) {

      Document document = new Document();
      try {
         document.setFile("C:\\Users\\Dell\\Desktop\\test.pdf");
      } catch (PDFException ex) {
         System.out.println("Error parsing PDF document " + ex);
      } catch (PDFSecurityException ex) {
         System.out.println("Error encryption not supported " + ex);
      } catch (FileNotFoundException ex) {
         System.out.println("Error file not found " + ex);
      } catch (IOException ex) {
         System.out.println("Error IOException " + ex);
      }

      // save page captures to file.
      float scale = 1.0f;
      float rotation = 0f;

      // Paint each pages content to an image and
      // write the image to file
      for (int i = 0; i < document.getNumberOfPages(); i++) {
         try {
         BufferedImage image = (BufferedImage) document.getPageImage(
             i, GraphicsRenderingHints.PRINT, Page.BOUNDARY_CROPBOX, rotation, scale);

         RenderedImage rendImage = image;
         try {
            System.out.println(" capturing page " + i);
            File file = new File("C:\\Users\\Dell\\Desktop\\test_imageCapture1_" + i + ".png");
            ImageIO.write(rendImage, "png", file);
         } catch (IOException e) {
            e.printStackTrace();
         }
         image.flush();
         }catch(Exception e){
             e.printStackTrace();
         }
      }

      // clean up resources
      document.dispose();
   }
}

Eu também tentei o imagemagick e o pdftoppm , tanto o pdftoppm quanto o icepdf têm alta resolução que o imagemagick.

Por favor, tome nota antes da votação, esta solução é para o Gimp usando uma interface gráfica, e não para o ImageMagick usando uma linha de comando, mas funcionou perfeitamente bem para mim como alternativa, e é por isso que achei necessário compartilhar aqui.

Siga estas etapas simples para extrair imagens em qualquer formato de documentos PDF

1. Download do Programa de Manipulação de Imagem GIMP
2. Abra o programa após a instalação
3. Abra o documento PDF que você deseja extrair Imagens
4. Selecione apenas as páginas do documento PDF das quais você deseja extrair imagens. N / B: Se você precisar apenas das imagens de capa, selecione apenas a primeira página.
5. Clique em Abrir depois de selecionar as páginas das quais deseja extrair imagens.
6. Clique no menu Arquivo no GIMP quando as páginas abrirem.
7. Selecione Exportar como no menu Arquivo
8. Selecione o tipo de arquivo preferido por extensão (por exemplo, png) abaixo da caixa de diálogo exibida.
9. Clique em Exportar para exportar sua imagem para o local desejado.
10. Você pode verificar o seu explorador de arquivos quanto à imagem exportada.

Isso é tudo.

Eu espero que isso ajude

O arquivo PNG que você anexou parece muito desfocado. Caso você precise usar um pós-processamento adicional para cada imagem gerada como visualização em PDF, você diminuirá o desempenho da sua solução.

O 2JPEG pode converter o arquivo PDF que você anexou em um bom JPG nítido e cortar margens vazias em uma chamada:

2jpeg.exe -src "C:\In\*.*" -dst "C:\Out" -oper Crop method:autocrop

Use esta linha de comando:

convert -geometry 3600x3600 -density 300x300 -quality 100 TEAM\ 4.pdf team4.png

Isso deve converter corretamente o arquivo, conforme solicitado.

O seguinte script python funcionará em qualquer Mac (Snow Leopard e para cima). Ele pode ser usado na linha de comando com arquivos PDF sucessivos como argumentos, ou você pode inserir uma ação Executar Script de Shell no Automator e criar um Serviço (Ação Rápida no Mojave).

Você pode definir a resolução da imagem de saída no script.

O script e uma Ação rápida podem ser baixados no github.

#!/usr/bin/python
# coding: utf-8

import os, sys
import Quartz as Quartz
from LaunchServices import (kUTTypeJPEG, kUTTypeTIFF, kUTTypePNG, kCFAllocatorDefault) 

resolution = 300.0 #dpi
scale = resolution/72.0

cs = Quartz.CGColorSpaceCreateWithName(Quartz.kCGColorSpaceSRGB)
whiteColor = Quartz.CGColorCreate(cs, (1, 1, 1, 1))
# Options: kCGImageAlphaNoneSkipLast (no trans), kCGImageAlphaPremultipliedLast 
transparency = Quartz.kCGImageAlphaNoneSkipLast

#Save image to file
def writeImage (image, url, type, options):
    destination = Quartz.CGImageDestinationCreateWithURL(url, type, 1, None)
    Quartz.CGImageDestinationAddImage(destination, image, options)
    Quartz.CGImageDestinationFinalize(destination)
    return

def getFilename(filepath):
    i=0
    newName = filepath
    while os.path.exists(newName):
        i += 1
        newName = filepath + " %02d"%i
    return newName

if __name__ == '__main__':

    for filename in sys.argv[1:]:
        pdf = Quartz.CGPDFDocumentCreateWithProvider(Quartz.CGDataProviderCreateWithFilename(filename))
        numPages = Quartz.CGPDFDocumentGetNumberOfPages(pdf)
        shortName = os.path.splitext(filename)[0]
        prefix = os.path.splitext(os.path.basename(filename))[0]
        folderName = getFilename(shortName)
        try:
            os.mkdir(folderName)
        except:
            print "Can't create directory '%s'"%(folderName)
            sys.exit()

        # For each page, create a file
        for i in range (1, numPages+1):
            page = Quartz.CGPDFDocumentGetPage(pdf, i)
            if page:
        #Get mediabox
                mediaBox = Quartz.CGPDFPageGetBoxRect(page, Quartz.kCGPDFMediaBox)
                x = Quartz.CGRectGetWidth(mediaBox)
                y = Quartz.CGRectGetHeight(mediaBox)
                x *= scale
                y *= scale
                r = Quartz.CGRectMake(0,0,x, y)
        # Create a Bitmap Context, draw a white background and add the PDF
                writeContext = Quartz.CGBitmapContextCreate(None, int(x), int(y), 8, 0, cs, transparency)
                Quartz.CGContextSaveGState (writeContext)
                Quartz.CGContextScaleCTM(writeContext, scale,scale)
                Quartz.CGContextSetFillColorWithColor(writeContext, whiteColor)
                Quartz.CGContextFillRect(writeContext, r)
                Quartz.CGContextDrawPDFPage(writeContext, page)
                Quartz.CGContextRestoreGState(writeContext)
        # Convert to an "Image"
                image = Quartz.CGBitmapContextCreateImage(writeContext) 
        # Create unique filename per page
                outFile = folderName +"/" + prefix + " %03d.png"%i
                url = Quartz.CFURLCreateFromFileSystemRepresentation(kCFAllocatorDefault, outFile, len(outFile), False)
        # kUTTypeJPEG, kUTTypeTIFF, kUTTypePNG
                type = kUTTypePNG
        # See the full range of image properties on Apple's developer pages.
                options = {
                    Quartz.kCGImagePropertyDPIHeight: resolution,
                    Quartz.kCGImagePropertyDPIWidth: resolution
                    }
                writeImage (image, url, type, options)
                del page

Você pode fazer isso no LibreOffice Draw (que geralmente é pré-instalado no Ubuntu ):

1. Abra o arquivo PDF no LibreOffice Draw.
2. Role até a página que você precisa.
3. Verifique se os elementos de texto / imagem estão posicionados corretamente. Caso contrário, você pode ajustá-los / editá-los na página.
4. Menu superior: Arquivo> Exportar ...
5. Selecione o formato da imagem que você precisa no menu inferior direito. Eu recomendo PNG.
6. Nomeie seu arquivo e clique em Salvar.
7. A janela Opções será exibida, para que você possa ajustar a resolução e o tamanho.
8. Clique em OK e pronto.

Eu usei pdf2image . Uma biblioteca python simples que funciona como charme.

Primeiro instale o poppler em uma máquina não-linux. Você pode apenas baixar o zip. Descompacte em Arquivos de Programa e adicione bin ao Caminho da Máquina.

Depois disso, você pode usar o pdf2image na classe python da seguinte forma:

from pdf2image import convert_from_path, convert_from_bytes
images_from_path = convert_from_path(
   inputfile,
   output_folder=outputpath,
   grayscale=True, fmt='jpeg')

Eu não sou bom com python, mas foi capaz de exe. Mais tarde, você pode usar o exe com o parâmetro de entrada e saída de arquivo. Eu usei em C # e as coisas estão funcionando bem.

A qualidade da imagem é boa. OCR funciona bem.

Na verdade, é muito fácil fazer o Preview no Mac. Tudo o que você precisa fazer é abrir o arquivo em Visualizar e salvar como (ou exportar) um png ou jpeg, mas certifique-se de usar pelo menos 300 dpi na parte inferior da janela para obter uma imagem de alta qualidade.