Question

我有1000张具有多个页面的PDF，每张PDF都有不同的分辨率（基于用于扫描它们的扫描仪）。我想将PDF的每一页转换为PNG，将其传递给Tesseract for OCR。我使用Imagemagick转换为PNG，但必须为所有图像传递固定的DPI才能获得良好的可读输出。有没有办法通过保留PDF的分辨率来转换每个PDF？

例如，如果1.PDF的分辨率为622×788，而2.pdf的分辨率为792×612，那么我希望使用相同的格式进行精确转换（PNG）。

我现在使用的命令是：

convert -monochrome -density 1200 input.pdf -resize 25% -monochrome -white-threshold 50% -black-threshold -50% output.png

谢谢， pashah

Answer 1

也许读取第一页的几何图形，然后调整所有页面的大小以匹配？

SIZE=$(identify -format '%g' input.pdf)
convert  -monochrome \
         -density 1200 \
         -resize $SIZE \
         -white-threshold 50% \
         -black-threshold -50% \
         -append \
         output.png

将PDF转换为具有相同分辨率的PNG - Imagemagick

1 个答案: