从 PDF 中无损提取图像

Question

我正在使用 PDFBox 从 PDF 文件中提取图像并将其提供给另一个图像处理库（可以处理不同的图像格式）。我现在的代码是这样的：

PDImageXObject pdImage;
ByteArrayOutputStream baos = new ByteArrayOutputStream();
BufferedImage image = pdImage.getImage();
ImageIO.write(image, "png", baos);
byte[] imageBytes = baos.toByteArray();

这将获取 PDF 文件中存储的任何内容，并使用 Java 图形将其转换为 PNG。有没有更好的方法来避免转换并以嵌入的任何格式提取图像？我不想降低图像质量（我想通过使用像 PNG 这样的无损格式来缓解？）并产生转换开销。

Answer 1

FlateDecode 过滤器和 PNG 文件格式使用 DEFLATE 算法。然而，FlateDecode 压缩数据流本身不是 PNG 文件。

此外，您需要考虑图像 XObject（例如 DeviceCMYK）的颜色空间表示与 PNG 实际支持的颜色。

通过对输出图像文件进行无损压缩，您不会丢失任何信息。 （请确保您确实需要无损提取的图像，人们通常认为有损压缩意味着他们的图像现在将发生如此多的变化，以至于不再可识别。尽管在许多情况下，取决于参数，肉眼几乎看不到损失，您可以大大受益于有损压缩的大小节省。）

如果性能很慢，可能只是负责提取图像并保存的 PDF 软件的质量。