逐页扫描，轻松实现：PDF如何变身高清图像？

站长

2023年08月30日 11:18 · 阅读数 58

导语：

PDF文件是我们在日常工作和学习中常用的文档格式之一，但你知道吗？你可以将PDF文件转换为图像，让文档变得更加生动有趣。或者是防止别人对你文档的复制粘贴。

本篇博客将为你详细介绍如何将PDF转换为图像，开启全新的文档阅读体验。

什么是PDF转图像？

PDF转图像是一种将PDF文件的每一页内容转换为图像格式（如PNG、JPEG等）的处理方式。通过这种方式，你可以将静态的文档内容转化为生动的图像，防止别人对文字文档的复制粘贴，更易于与他人分享和呈现。

如何实现pdf转图像

使用pdf2image库

使用Python的pdf2image库，我们可以轻松实现PDF到图像的转换。

但需要注意的是：pdf2image 基于poppler-utils工具，它使用pdftoppm工具将PDF页面转换为图像。因此，在使用pdf2image之前，你需要确保已经安装了poppler-utils。

from pdf2image import convert_from_path

def pdf_to_images(pdf_path, output_folder):
    pages = convert_from_path(pdf_path)
    for i, page in enumerate(pages):
        page.save(f'{output_folder}/page_{i + 1}.png', 'PNG')

pdf_path = 'your_pdf_file.pdf'
output_folder = 'output_images'
pdf_to_images(pdf_path, output_folder)

使用PyMuPDF库进行PDF转图像

另一个强大的工具是PyMuPDF库，它允许我们更加灵活地操作PDF并转换为图像。

具体版如下：

import datetime
import os
import fitz  # fitz就是pip install PyMuPDF

def pyMuPDF_fitz(pdfPath, imagePath):
    startTime_pdf2img = datetime.datetime.now()  # 开始时间

    print("imagePath=" + imagePath)
    pdfDoc = fitz.open(pdfPath)
    for pg in range(pdfDoc.pageCount):
        page = pdfDoc[pg]
        rotate = int(0)
        # 每个尺寸的缩放系数为1.3，这将为我们生成分辨率提高2.6的图像。
        # 此处若是不做设置，默认图片大小为：792X612, dpi=96
        zoom_x = 2  # (1.33333333-->1056x816)   (2-->1584x1224)
        zoom_y = 2
        mat = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)
        pix = page.getPixmap(matrix=mat, alpha=False)

        if not os.path.exists(imagePath):  # 判断存放图片的文件夹是否存在
            os.makedirs(imagePath)  # 若图片文件夹不存在就创建

        pix.writePNG(imagePath + '/' + 'images_%s.png' % pg)  # 将图片写入指定的文件夹内

    endTime_pdf2img = datetime.datetime.now()  # 结束时间
    print('pdf2img时间=', (endTime_pdf2img - startTime_pdf2img).seconds)


if __name__ == "__main__":
    # 1、PDF地址
    pdfPath = r'../demo-scan.pdf'
    # 2、需要储存图片的目录
    imagePath = './imgs'
    pyMuPDF_fitz(pdfPath, imagePath)

简化版如下：

import fitz

def pdf_to_images(pdf_path, output_folder):
    pdf_document = fitz.open(pdf_path)
    for pg in range(pdf_document.page_count):
        page = pdf_document[pg]
        pix = page.get_pixmap(matrix=fitz.Matrix(2, 2))
        pix.save(f'{output_folder}/page_{pg + 1}.png')

pdf_path = 'your_pdf_file.pdf'
output_folder = 'output_images'
pdf_to_images(pdf_path, output_folder)

开启全新阅读体验

通过将PDF转换为图像，你可以在不同场景下获得更好的阅读体验。你可以将图像用于演示、分享到社交媒体，甚至用于个人学习笔记。

也可以防止别人直接复制你的成果。

两种方式对比：

pdf2image 和 fitz（来自PyMuPDF库）都是用于在Python中处理PDF文件的工具。它们在功能和用法上有一些区别，以下是它们的主要区别和比较：

pdf2image：

功能特点：
- pdf2image 是一个用于将PDF文件的页面转换为图像的Python库。它专注于将PDF页面转换为图像格式（如PNG、JPEG等），便于在其他应用中使用，如图像处理、OCR等。
依赖库：
- pdf2image 基于poppler-utils工具，它使用pdftoppm工具将PDF页面转换为图像。因此，在使用pdf2image之前，你需要确保已经安装了poppler-utils。
使用简单：
- pdf2image 提供了直观的API，易于使用。它可以从PDF文件中提取指定页面并将其转换为图像，非常适合基本的PDF转图像需求。

示例代码：

from pdf2image import convert_from_path

images = convert_from_path('input.pdf')
for i, image in enumerate(images):
    image.save(f'page_{i + 1}.png', 'PNG')

fitz（PyMuPDF库）：

功能特点：
- fitz 是 PyMuPDF 库的一部分，它是一个功能丰富的PDF处理库，支持阅读、编辑和转换PDF文档。除了转换为图像，fitz 还提供了许多其他PDF操作的功能，如文本提取、标注等。
独立性：
- fitz 是 PyMuPDF 库的一部分，它不需要依赖外部工具。这使得在没有安装poppler-utils的情况下，仍然可以使用 fitz 进行PDF操作。
更多灵活性：
- fitz 不仅可以将PDF页面转换为图像，还可以对PDF文档进行更复杂的操作，如获取页面信息、文本提取、页面合并、旋转、裁剪等。因此，如果你需要更多关于PDF的操作，fitz 是一个更强大的选择。