使用 C++ 将 PDF 中的图像数据 (PDEImage) 转换为 DIB？

Question

我正在尝试提取 PDF 中的所有图像，然后将它们转换为 DIB 格式。第一部分很简单。我提取 PDF 中的所有内容，然后遍历它们，每当找到 PDEImage 时，我将它们放入一个数组中。

但我对如何进行第二部分一无所知。看起来所有 AVConversion 方法都允许您将 PDF 的整个页面，而不仅仅是图像，转换为其他格式。

有什么方法可以完成这项任务吗？提前致谢！

编辑：进一步阐述问题。

我正在使用带有 .NET Framework 4 的 Visual C++ 编写一个 Adob​​e Acrobat 插件。

插件的目的是（除其他外）从 PDF 文件中提取图像数据，然后将这些数据转换为 DIB。需要转换为 DIS 是因为我将这些 DIB 传递给另一个库，该库对它们进行一些图像校正工作。

现在我的问题是将 PDF 中的上述图像数据转换为 DIB。 PDF 上的图像数据以一种称为 PDEImage（参考链接）的格式找到，其中显然包含图像的所有颜色数据。现在我使用以下代码从图像中提取所述图像数据位，以与 CreateCompatibleBitmap() 和 SetBitmapBits() 一起使用以获得 HBITMAP 句柄。然后，我将它与其他必要参数一起传递给 GetDIBits() 以获取 MSDN 中所述的字节数组形式的 DIB。

void GetDIBImage(PDEElement element)
{
    //Obtaining a PDEImage
    PDEImage image;
    memset(&image, 0, sizeof(PDEImage));
    image = (PDEImage)element;

    //Obtaining attributes (such as width, height)
    //of the image for later use
    PDEImageAttrs attrs;
    memset(&attrs, 0, sizeof(attrs));
    PDEImageGetAttrs(image, &attrs, sizeof(attrs));

    //Obtainig image data from PDEImage to a byte array
    ASInt32 len = PDEImageGetDataLen(image);
    byte *data = (byte *)malloc(len);
    PDEImageGetData(image, 0, data);

    //Creating a DDB using said data
    HDC hdc = CreateCompatibleDC(NULL); 
    HBITMAP hBmp = CreateCompatibleBitmap(hdc, attrs.width, attrs.height);  
    LONG bitsSet = SetBitmapBits(hBmp, len, data);  //Here bitsSet gets a value of 59000 which is close to the image's actual size

    //Buffer which GetDIBits() will fill with DIB data
    unsigned char* buff = new unsigned char[len];

    //BITMAPINFO stucture to be passed to GetDIBits()
    BITMAPINFO bmpInfo;
    memset(&bmpInfo, 0, sizeof(bmpInfo));

    bmpInfo.bmiHeader.biSize = sizeof(BITMAPINFOHEADER);
    bmpInfo.bmiHeader.biWidth = (LONG)attrs.width;
    bmpInfo.bmiHeader.biHeight = (LONG)attrs.height;
    bmpInfo.bmiHeader.biPlanes = 1;
    bmpInfo.bmiHeader.biBitCount = 8;
    bmpInfo.bmiHeader.biCompression = BI_RGB;
    bmpInfo.bmiHeader.biSizeImage = ((((bmpInfo.bmiHeader.biWidth * bmpInfo.bmiHeader.biBitCount) + 31) & ~31) >> 3) * bmpInfo.bmiHeader.biHeight;  
    bmpInfo.bmiHeader.biXPelsPerMeter = 0;
    bmpInfo.bmiHeader.biYPelsPerMeter = 0;
    bmpInfo.bmiHeader.biClrUsed = 0;
    bmpInfo.bmiHeader.biClrImportant = 0;

    //Callling GetDIBits()
    //Here scanLines get a value of 0, while buff receives no data.
    int scanLines = GetDIBits(hdc, hBmp, 0, attrs.height, &buff, &bmpInfo, DIB_RGB_COLORS);

    if(scanLines > 0)
    {
        MessageBox(NULL, L"SUCCESS", L"Message", MB_OK);
    }
    else
    {
        MessageBox(NULL, L"FAIL", L"Message", MB_OK);
    }
}

这是我的问题/疑虑。

1. 我使用 CreateCompatibleDC()、CreateCompatibleBitmap() 和 SetBitmapBits() 函数的方式是否正确？我的想法是我使用 CreateCompatibleDC() 获取当前 DC，然后使用 CreateCompatibleBitmap() 创建一个 DDB，然后使用 SetBitmapBits() 将实际数据设置到 DDB。对吗？

2. 我创建 BITMAPINFO 结构的方式是否存在问题。我假设它需要包含有关我最终将获得的 DIB 格式的所有详细信息。

3. 为什么我在调用 GetDIBits() 时没有将位图数据作为 DIB 获取到缓冲区？

Answer 1

我不知道您用于访问 PDF 文件内部结构的库，但手头的问题将有树不同的子问题：

1. 查找 PDF 文件中的所有图像
2. 将图像解码为其组件
3. 将解码后的图像转换为 DIB

查找所有图片

图像可以出现在内容流中或附加到字典的流中。要在内容流中查找所有图像，您需要在 Pages、XObjects 或 Patterns 中查找所有内容流。每一个都可以有一个 Resources -> XObject 字典，它引用所有的 XObject（并且一个 XObject 可以是一个图像）。

如果您避免使用内联图像，您可以简单地扫描 PDF 文件，并且可以解码每个 XObject 子类型 Image 类型的说明。

解码

PDF 文件中单独对象中的所有流（内容流中的内联）都经过编码，可能需要使用 Decode 数组进行后处理。您需要能够执行多个过滤器才能进行解码。 Flate decode (ZLIB)、JPEG 和 CCITT (fax G3/G4) 可能最常用于图像。希望您使用的 PDF 库知道如何解码流..

接下来是解码数组（有点少见），其中每个颜色分量都可以从输入值缩放到输出值。这是一个线性变换。

到 DIB

接下来是将解码图像转换为 DIB。这意味着您需要将颜色组件转换为 Windows 可以“获取”的内容（例如，调色板、RGB 的灰度（特殊调色板）。PDF 支持非常多的颜色空间，将它们转换为 RGB 并非难事。你最好希望在这里您需要处理的 PDF 只使用一个选择子集（如 RGB 和调色板）。现在可以通过创建位图标题 (BITMAPINFO) 来简单地创建一个 DIB，填写所有数据并调用 DIB 创建函数 CreateDIBSection 和他们按照您的应用程序需要的方式处理 DIB。

结语

总而言之：能够处理所有 PDF 文件并找到所有图像是一项艰巨的任务，如果您控制 PDF 的源并且您知道它们始终是 DeviceRGB 格式并且始终是 JPEG 等，并且从不内联到内容流是可行的。