Question

当我使用pdfbox提取图像时，我得到的图像的dpi不正确。当我使用Photoshop或Acrobat Reader Pro提取图像时，我可以看到使用Windows照片查看器的图像的dpi是200，但是当我使用pdfbox提取图像时，dpi是72。

为了提取图像我正在使用以下代码： Not able to extract images from PDFA1-a format document

当我查看日志时，我看到一个不寻常的条目： 2015年1月23日 - 主 - DEBUG-org.apache.pdfbox.util.TIFFUtil：



     <?xml version="1.0" encoding="UTF-8"?><javax_imageio_jpeg_image_1.0>
      <JPEGvariety>
    <app0JFIF majorVersion="1" minorVersion="2" resUnits="0" Xdensity="1" Ydensity="1" thumbWidth="0" thumbHeight="0"/>
  </JPEGvariety>
  <markerSequence>
    <dqt>
      <dqtable elementPrecision="0" qtableId="0"/>
      <dqtable elementPrecision="0" qtableId="1"/>
    </dqt>
    <dht>
      <dhtable class="0" htableId="0"/>
      <dhtable class="0" htableId="1"/>
      <dhtable class="1" htableId="0"/>
      <dhtable class="1" htableId="1"/>
    </dht>
    <sof process="0" samplePrecision="8" numLines="0" samplesPerLine="0" numFrameComponents="3">
      <componentSpec componentId="1" HsamplingFactor="2" VsamplingFactor="2" QtableSelector="0"/>
      <componentSpec componentId="2" HsamplingFactor="1" VsamplingFactor="1" QtableSelector="1"/>
      <componentSpec componentId="3" HsamplingFactor="1" VsamplingFactor="1" QtableSelector="1"/>
    </sof>
    <sos numScanComponents="3" startSpectralSelection="0" endSpectralSelection="63" approxHigh="0" approxLow="0">
      <scanComponentSpec componentSelector="1" dcHuffTable="0" acHuffTable="0"/>
      <scanComponentSpec componentSelector="2" dcHuffTable="1" acHuffTable="1"/>
      <scanComponentSpec componentSelector="3" dcHuffTable="1" acHuffTable="1"/>
    </sos>
  </markerSequence>
</javax_imageio_jpeg_image_1.0>

我尝试谷歌，但我可以看到通过此日志找出pdfbox的含义。这是什么意思？

您可以从此链接下载包含此问题的示例pdf： http://myslams.com/test/1.pdf

我甚至尝试过itext，但是用96 dpi提取图像。

我做错了吗？或者pdfbox和itext有这个限制吗？

Answer 1

经过一番挖掘，我找到了你的1.pdf。因此，...

PDFBox的

在对this recent answer @Tilman的评论中，您正在讨论this older answer，其中@Tilman指向PrintImageLocations PDFBox示例。我为你的文件运行它并得到：

Processing page: 0
*******************************************************************
Found image [Im0]
position = 0.0, 0.0
size = 1704px, 888px
size = 613.44, 319.68
size = 8.52in, 4.44in
size = 216.408mm, 112.776mm

Processing page: 1
*******************************************************************
Found image [Im0]
position = 0.0, 0.0
size = 1704px, 2800px
size = 613.44, 1008.0
size = 8.52in, 14.0in
size = 216.408mm, 355.6mm

Processing page: 2
*******************************************************************
Found image [Im0]
position = 0.0, 0.0
size = 1704px, 2800px
size = 613.44, 1008.0
size = 8.52in, 14.0in
size = 216.408mm, 355.6mm

Processing page: 3
*******************************************************************
Found image [Im0]
position = 0.0, 0.0
size = 1704px, 1464px
size = 613.44, 527.04
size = 8.52in, 7.3199997in
size = 216.408mm, 185.928mm

在所有页面上，这在x和y方向均为200 dpi（1704px / 8.52in = 888px / 4.44in = 2800px / 14.0in = 1464px / 7.32in = 200 dpi）。

因此，PDFBox会为您提供您所追求的dpi值。

（@ Tilman：该示例的当前2.0.0-SNAPSHOT版本返回完全废话;您可能想要解决此问题。）

iText的

该PDFBox示例的简化iText版本将是：

public void printImageLocations(InputStream stream) throws IOException
{
    PdfReader reader = new PdfReader(stream);
    PdfReaderContentParser parser = new PdfReaderContentParser(reader);
    ImageRenderListener listener = new ImageRenderListener();

    for (int page = 1; page <= reader.getNumberOfPages(); page++)
    {
        System.out.printf("\nPage %s:\n", page);
        parser.processContent(page, listener);
    }
}

static class ImageRenderListener implements RenderListener
{
    public void beginTextBlock() { }
    public void renderText(TextRenderInfo renderInfo) { }
    public void endTextBlock() { }

    public void renderImage(ImageRenderInfo renderInfo)
    {
        try
        {
            PdfDictionary imageDict = renderInfo.getImage().getDictionary();

            float widthPx = imageDict.getAsNumber(PdfName.WIDTH).floatValue(); 
            float heightPx = imageDict.getAsNumber(PdfName.HEIGHT).floatValue();
            float widthUu = renderInfo.getImageCTM().get(Matrix.I11);
            float heigthUu = renderInfo.getImageCTM().get(Matrix.I22);

            System.out.printf("Image %.0fpx*%.0fpx, %.0fuu*%.0fuu, %.2fin*%.2fin\n", widthPx, heightPx, widthUu, heigthUu, widthUu/72, heigthUu/72);
        }
        catch (IOException e)
        {
            e.printStackTrace();
        }
    }
}

（注意：我假设没有旋转和未图像的图像。）

您的文件的结果：

Page 1:
Image 1704px*888px, 613uu*320uu, 8,52in*4,44in

Page 2:
Image 1704px*2800px, 613uu*1008uu, 8,52in*14,00in

Page 3:
Image 1704px*2800px, 613uu*1008uu, 8,52in*14,00in

Page 4:
Image 1704px*1464px, 613uu*527uu, 8,52in*7,32in

因此，一直也是200dpi。因此，iText也会为您提供您所追求的dpi值。

您的代码

显然code you referenced没有机会在PDF的上下文中报告合理的dpi值，因为它只提取在资源中找到的图像但忽略了如何在页面上使用相应的图像资源。

图像资源可以被拉伸，旋转，倾斜，...在页面内容中使用时，作者喜欢的任何方式。

但是，如果作者没有倾斜并且只旋转了90°的倍数，则dpi值才有意义。

pdfbox和itext使用不正确的dpi提取图像

1 个答案:

PDFBox的

iText的

您的代码