用适当的压缩将PDF逐页转换为TIFF

Question

问题

中有不同类型对象的PDF文档。有一些简单的文本。可以扫描的图像是B&W，也可以是其他的图像，这是真实的颜色。两者的分辨率都很高(~1789X2711)。

我需要将PDF转换成一组单一页面的TIFF文件。这方面有相当好的工具。例如Irfanview，ImageMagick。问题是，我必须为所有页面定义一个压缩类型。

对所有页面使用JPG将导致B&W图像的细节松散，与无损传真压缩相比，它们将是巨大的。

对所有的人使用无损的传真会减少颜色和真实彩色图像的细节。

想法

最好是逐页检查PDF页面，。我可以检查页面的内容。里面有什么样的图像，哪种压缩是针对特定的页面进行的。我认为这可以用IText来完成，但我不知道确切地说，应该如何做。第二件事是，我想在不完全读取文件的情况下进行此分析。有可能吗？

也许最快的解决方案是使用IText分析为每种压缩类型创建一个页面列表，然后调用Irfanview视图来使用适当的压缩处理所选的页面。

欢迎任何意见和建议。

更新:我现在有了答案。它没有涵盖所有的需求，也不包括免费软件。有什么开场白吗？也许是基于Java的解决方案？

Answer 1

这可以用来自Atalasoft的DotImage DotPdf来完成(提示必须“我在那里工作，并在这些产品上工作”)。下面是我如何在C#中完成这个任务：

PdfImageSource source = new PdfImageSource(pdfStream);

while (source.HasMoreImages()) {
    AtalaImage image = source.AcquireNext();
    string fileName = GetNextTiffName();
    using (FileStream outStm = new FileStream(fileName, FileMode.Create)) {
        TiffEncoder encoder = new TiffEncoder();
        encoder.Compression = SelectCompression(image.PixelFormat);
        image.Save(outStm, encoder, null);
    }
    source.Release(image);
}

private TiffCompression SelectCompression(PixelFormat pf)
{
     switch (pf) {
     // 1 bit? use CCITT G4
     case PixelFormat.Pixel1bbIndexed: return TiffCompression.Group4FaxEncoding;
     // 24 bit? use JPEG
     case PixelFormat.Pixel24bppBgr: return TiffCompression.JpegCompression;
     // all else, Lzw
     default: return TiffCompression.Lzw;
     }
}

你可以让SelectCompression做你想做的任何事情。如果为该像素格式选择无效的压缩，编码器将在其位置使用适当的无损压缩(例如，如果选择24位颜色的CCITT，则编码器将使用Lzw)。

我们的PDF解码器知道什么时候PDF页面是灰色的，并返回一个灰色的图像。它并不能使您达到1位(这是非常反别名的文本看起来很好)，但是您可以对灰度图像进行阈值化，并查看它与灰色图像之间的总体差异，以确定它是否可以转到1位)。

下面是如何处理一组页面的方法：

public void ExtractNPages(Stream pdfStream, params int[] pageIndexes)
{
    PdfImageSource source = new PdfImageSource(pdfStream);
    for (int i in pageIndexes) {
        AtalaImage image = source[i]; // implied Acquire
        string fileName = GetNextTiffName();
        using (FileStream outStm = new FileStream(fileName, FileMode.Create)) {
            TiffEncoder = new TiffEncoder();
            encoder.Compression = SelectCompression(image.PixelFormat);
            image.Save(outStm, encoder, null);
        }
        source.Release(image);
    }
 }

所以现在你可以做ExtractNPages(stm, 0, 2, 4, 6);了