当通过iTextSharp将PDF中的图像解码为FlateDecode
时,图像会失真,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可识别(缩小,着色关闭但可读),并以水平方式重复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,并且以水平方式重复8次。
以下图片采用Format1bppIndexed
像素格式方法。不幸的是,由于安全限制,我无法展示其他人。
下面的代码如下所示,这实际上是我在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。我正在寻找一个利用 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,那么就足够了。
UPDATE :ImageMask
属性设置为true,这意味着没有色彩空间,因此隐式为黑白色。当bpp进入1时,PixelFormat
应为Format1bppIndexed
,如前所述,它会产生上面看到的嵌入图像。
更新:要获取图像大小,我使用Acrobat X Pro将其解压缩,此特定示例的图像大小列为2403x3005。通过iTextSharp提取时,大小列为2544x3300。我将调试器中的图像大小修改为镜像2403x3005但是在调用Marshal.Copy(bytes, 0, bmd.Scan0, bytes.Length);
时我收到异常。
尝试读取或写入受保护的内存。这通常是一个 表明其他内存已损坏。
我的假设是,这是由于大小的修改,因此不再对应于正在使用的字节数据。
更新:根据Jimmy的建议,我确认调用PdfReader.GetStreamBytes
返回的字节[]长度等于宽度 height / 8,因为GetStreamBytes
应该调用{ {1}}。手动调用FlateDecode
并调用FlateDecode
都会产生一个byte []长度为1049401,而宽度 height / 8为2544 * 3300/8或1049400,所以差异为1不确定这是否是根本原因,是一个人;但是,如果情况确实如此,我不知道如何解决。
更新:在尝试kuujinbo提到的方法时,当我尝试在PdfReader.GetStreamBytes
侦听器中呼叫IndexOutOfRangeException
时,我遇到了renderInfo.GetImage();
。与调用RenderImage
时的字节[]长度相比,前面所述的宽度*高度/ 8减去1的事实使我认为这些都是相同的;但是我仍然无法解决这个问题。
FlateDecode
更新:尝试改变原始解决方案中此处列出的各种方法,以及kuujinbo在PDF中使用不同页面提出的解决方案,可生成图像;但是当过滤器类型为 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)
并且没有为该给定实例生成图像时,问题总是浮出水面。
答案 0 :(得分:10)
尝试逐行复制数据,这可能会解决问题。
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);
}
答案 1 :(得分:1)
如果您能够使用最新版本(5.1.3),则使用FlateDecode
命名空间简化了用于提取iTextSharp.text.pdf.parser
和其他图像类型的API。基本上,您使用PdfReaderContentParser来帮助您解析PDF文档,然后专门(在这种情况下)实现IRenderListener接口来处理图像。这是一个工作示例HTTP处理程序:
<%@ 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]开发团队仍在致力于实施,因此我无法确定它是否适用于您的案例。但它确实适用于this simple example PDF。 (上面使用过,还有一些我用位图图像试过的其他PDF文件)
编辑:我一直在尝试新的API,并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 try..catch
块。上面的更正。
另外,当我在不支持的图像类型(例如jbig2)上使用上述代码时,我得到一个不同的例外 - “不支持颜色深度XX”,其中“XX”是一个数字。在我尝试的所有示例中,iTextSharp 支持FlateDecode
。 (但是这并没有帮助你这个的情况,我知道)
PDF是否由第三方软件生成? (非Adobe)从我在本书中看到的,一些第三方供应商生产的PDF不完全符合规范,iText [Sharp]无法处理其中一些PDF,而Adobe产品可以。 IIRC我在iText邮件列表上看到了由Crystal Reports生成的某些PDF特有的案例,这些案例导致了问题,here's one thread。
您是否有任何方法可以使用您正在使用的软件生成测试PDF以及某些非敏感FlateDecode
图像?那么也许这里有人可以帮助更好一点。