为什么我的图像在使用 iTextSharp 解码为 FlateDecode 时会失真？

Question

当通过 iTextSharp 将 PDF 中的图像解码为FlateDecode 时，图像失真，我似乎无法弄清楚原因。

识别的 bpp 是Format1bppIndexed。如果我将PixelFormat 修改为Format4bppIndexed，则图像在某种程度上是可识别的（缩小，着色已关闭但可读），并且以水平方式复制了 4 次。如果我将像素格式调整为Format8bppIndexed，它在某种程度上也是可识别的，并且以水平方式复制了 8 次。

下图采用Format1bppIndexed 像素格式方法。不幸的是，由于安全限制，我无法向其他人展示。

代码如下所示，它基本上是我在 SO 和网络上遇到的单一解决方案。

int xrefIdx = ((PRIndirectReference)obj).Number;
PdfObject pdfObj = doc.GetPdfObject(xrefIdx);
PdfStream str = (PdfStream)(pdfObj);
byte[] bytes = PdfReader.GetStreamBytesRaw((PRStream)str);

string filter = ((PdfArray)tg.Get(PdfName.FILTER))[0].ToString();
string width = tg.Get(PdfName.WIDTH).ToString();
string height = tg.Get(PdfName.HEIGHT).ToString();
string bpp = tg.Get(PdfName.BITSPERCOMPONENT).ToString();

if (filter == "/FlateDecode")
{
   bytes = PdfReader.FlateDecode(bytes, true);

   System.Drawing.Imaging.PixelFormat pixelFormat;
   switch (int.Parse(bpp))
   {
      case 1:
         pixelFormat = System.Drawing.Imaging.PixelFormat.Format1bppIndexed;
         break;
      case 8:
         pixelFormat = System.Drawing.Imaging.PixelFormat.Format8bppIndexed;
         break;
      case 24:
         pixelFormat = System.Drawing.Imaging.PixelFormat.Format24bppRgb;
         break;
      default:
         throw new Exception("Unknown pixel format " + bpp);
   }

   var bmp = new System.Drawing.Bitmap(Int32.Parse(width), Int32.Parse(height), pixelFormat);
   System.Drawing.Imaging.BitmapData bmd = bmp.LockBits(new System.Drawing.Rectangle(0, 0, Int32.Parse(width),
             Int32.Parse(height)), System.Drawing.Imaging.ImageLockMode.WriteOnly, pixelFormat);
   Marshal.Copy(bytes, 0, bmd.Scan0, bytes.Length);
   bmp.UnlockBits(bmd);
   bmp.Save(@"C:\temp\my_flate_picture-" + DateTime.Now.Ticks.ToString() + ".png", ImageFormat.Png);
}

在处理FlateDecode 时，我需要做什么才能使我的图像提取工作正常？

注意：我不想使用其他库来提取图像。我正在寻找一种利用ONLY iTextSharp 和.NET FW 的解决方案。如果通过 Java (iText) 存在解决方案，并且可以轻松移植到 .NET FW 位，那也足够了。

更新：ImageMask 属性设置为 true，这意味着没有色彩空间，因此隐含黑白。当 bpp 为 1 时，PixelFormat 应该是 Format1bppIndexed，如前所述，它会生成上面看到的嵌入图像。

更新：为了获得图像大小，我使用 Acrobat X Pro 将其提取出来，此特定示例的图像大小被列为 2403x3005。通过 iTextSharp 提取时，大小被列为 2544x3300。我在调试器中修改了图像大小以镜像 2403x3005 但是在调用 Marshal.Copy(bytes, 0, bmd.Scan0, bytes.Length); 时出现异常。

试图读取或写入受保护的内存。这通常是一个 指示其他内存已损坏。

我的假设是这是由于修改了大小，因此不再对应正在使用的字节数据。

更新：根据 Jimmy 的建议，我验证调用 PdfReader.GetStreamBytes 返回的 byte[] 长度等于 widthheight/8，因为 GetStreamBytes 应该调用 FlateDecode。手动调用FlateDecode和调用PdfReader.GetStreamBytes都产生了byte[]长度为1049401，而widthheight/8为2544*3300/8或1049400，所以相差1。不确定是否这将是根本原因与否，一个关闭；但是，如果确实如此，我不确定如何解决。

更新：在尝试 kuujinbo 提到的方法时，当我尝试在 RenderImage 侦听器中调用 renderInfo.GetImage(); 时，我遇到了 IndexOutOfRangeException。前面提到的 width*height/8 在调用FlateDecode 时与 byte[] 长度相比相差 1，这让我认为这些都是同一个；但是我仍然找不到解决方案。

   at System.util.zlib.Adler32.adler32(Int64 adler, Byte[] buf, Int32 index, Int32 len)
   at System.util.zlib.ZStream.read_buf(Byte[] buf, Int32 start, Int32 size)
   at System.util.zlib.Deflate.fill_window()
   at System.util.zlib.Deflate.deflate_slow(Int32 flush)
   at System.util.zlib.Deflate.deflate(ZStream strm, Int32 flush)
   at System.util.zlib.ZStream.deflate(Int32 flush)
   at System.util.zlib.ZDeflaterOutputStream.Write(Byte[] b, Int32 off, Int32 len)
   at iTextSharp.text.pdf.codec.PngWriter.WriteData(Byte[] data, Int32 stride)
   at iTextSharp.text.pdf.parser.PdfImageObject.DecodeImageBytes()
   at iTextSharp.text.pdf.parser.PdfImageObject..ctor(PdfDictionary dictionary, Byte[] samples)
   at iTextSharp.text.pdf.parser.PdfImageObject..ctor(PRStream stream)
   at iTextSharp.text.pdf.parser.ImageRenderInfo.PrepareImageObject()
   at iTextSharp.text.pdf.parser.ImageRenderInfo.GetImage()
   at cyos.infrastructure.Core.MyImageRenderListener.RenderImage(ImageRenderInfo renderInfo)

更新：尝试改变我的原始解决方案中列出的不同方法以及 kuujinbo 提出的解决方案，在 PDF 中使用不同的页面会产生图像；但是，当过滤器类型为 /FlateDecode 并且没有为该给定实例生成图像时，问题总是会浮出水面。

Answer 1

试着逐行复制你的数据，也许会解决问题。

int w = imgObj.GetAsNumber(PdfName.WIDTH).IntValue;
int h = imgObj.GetAsNumber(PdfName.HEIGHT).IntValue;
int bpp = imgObj.GetAsNumber(PdfName.BITSPERCOMPONENT).IntValue;
var pixelFormat = PixelFormat.Format1bppIndexed;

byte[] rawBytes = PdfReader.GetStreamBytesRaw((PRStream)imgObj);
byte[] decodedBytes = PdfReader.FlateDecode(rawBytes);
byte[] streamBytes = PdfReader.DecodePredictor(decodedBytes, imgObj.GetAsDict(PdfName.DECODEPARMS));
// byte[] streamBytes = PdfReader.GetStreamBytes((PRStream)imgObj); // same result as above 3 lines of code.

using (Bitmap bmp = new Bitmap(w, h, pixelFormat))
{
    var bmpData = bmp.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.WriteOnly, pixelFormat);
    int length = (int)Math.Ceiling(w * bpp / 8.0);
    for (int i = 0; i < h; i++)
    {
        int offset = i * length;
        int scanOffset = i * bmpData.Stride;
        Marshal.Copy(streamBytes, offset, new IntPtr(bmpData.Scan0.ToInt32() + scanOffset), length);
    }
    bmp.UnlockBits(bmpData);

    bmp.Save(fileName);
}

Answer 2

如果您能够使用最新版本 (5.1.3)，提取 FlateDecode 和其他图像类型的 API 已使用 iTextSharp.text.pdf.parser 命名空间进行了简化。基本上，您使用PdfReaderContentParser 来帮助您解析PDF 文档，然后您专门（在这种情况下）实现IRenderListener 接口来处理图像。这是一个有效的 HTTP 处理程序示例：

<%@ WebHandler Language="C#" Class="bmpExtract" %>
using System;
using System.Collections.Generic;
using System.IO;
using System.Web;
using iTextSharp.text;
using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;

public class bmpExtract : IHttpHandler {
  public void ProcessRequest (HttpContext context) {
    HttpServerUtility Server = context.Server;
    HttpResponse Response = context.Response;
    PdfReader reader = new PdfReader(Server.MapPath("./bmp.pdf"));
    PdfReaderContentParser parser = new PdfReaderContentParser(reader);
    MyImageRenderListener listener = new MyImageRenderListener();
    for (int i = 1; i <= reader.NumberOfPages; i++) {
      parser.ProcessContent(i, listener);
    } 
    for (int i = 0; i < listener.Images.Count; ++i) {
      string path = Server.MapPath("./" + listener.ImageNames[i]);
      using (FileStream fs = new FileStream(
        path, FileMode.Create, FileAccess.Write
      ))
      {
        fs.Write(listener.Images[i], 0, listener.Images[i].Length);
      }
    }         
  }
  public bool IsReusable { get { return false; } }

  public class MyImageRenderListener : IRenderListener {
    public void RenderText(TextRenderInfo renderInfo) { }
    public void BeginTextBlock() { }
    public void EndTextBlock() { }

    public List<byte[]> Images = new List<byte[]>();
    public List<string> ImageNames = new List<string>();
    public void RenderImage(ImageRenderInfo renderInfo) {
      PdfImageObject image = null;
      try {
        image = renderInfo.GetImage();
        if (image == null) return;

        ImageNames.Add(string.Format(
          "Image{0}.{1}", renderInfo.GetRef().Number, image.GetFileType()
        ));
        using (MemoryStream ms = new MemoryStream(image.GetImageAsBytes())) {
          Images.Add(ms.ToArray());
        }
      } 
      catch (IOException ie) {
/*
 * pass-through; image type not supported by iText[Sharp]; e.g. jbig2
*/
      }
    }
  }
}

iText[Sharp] 开发团队仍在努力实施，所以我不能确定它是否适用于 您的 案例。但它确实适用于this simple example PDF。 （在上面和我尝试使用位图图像的其他几个 PDF 中使用）

编辑：我也一直在试验新的 API，但在上面的原始代码示例中犯了一个错误。应该已将 PdfImageObject 初始化为空 outside try..catch 块。上面做了更正。

此外，当我在不受支持的图像类型（例如 jbig2）上使用上述代码时，我得到一个不同的异常 - “不支持颜色深度 XX”，其中“XX”是一个数字。在我尝试过的所有示例中，iTextSharp 确实支持FlateDecode。 （但在这个的情况下，我知道这对你没有帮助）

PDF 是由第三方软件制作的吗？ （非 Adob​​e）从我在书中读到的内容来看，一些第三方供应商制作的 PDF 并不完全符合规范，iText[Sharp] 无法处理其中一些 PDF，而 Adob​​e 产品可以. IIRC 我在 iText 邮件列表中看到了特定于 Crystal Reports 生成的某些 PDF 的案例，这些案例导致了问题，here's one thread。

有什么方法可以使用您正在使用的软件和一些非敏感的FlateDecode 图像生成测试 PDF？那么也许这里有人可以提供更好的帮助。