常见的 PDF 有两种，一种是文字版 PDF ，是矢量的，这种 PDF 在使用上可以无限放大，都不影响清晰度；另一种是扫描版/图片版PDF ，是由纯图片生成的，PDF 中的每页的构成元素就是一张大图（当然也有可能OCR加了文字层），就是普通的图片，和在图片浏览器中看图基本是一样的。
文字版PDF尽管使用很方便，但有时候我们也想把它转换成静态图片导出来，做成词典或重新封装成图片版PDF来防篡改。
文字版 PDF 要导出成图片，需要经过一道转换，按我的理解是“打印法”——也就是先按某一分辨率渲染再按像素点转换成图片，自然这种方法一定是“有损”的。
对于文字版PDF转图片，各种导出工具都差不多，没什么特别的，导出的图像质量主要取决于 DPI 参数，也就是渲染的分辨率高低。
图片版 PDF 由于每页中的元素直接就是图片，因此要导出图片很简单，就是把它们“提取”出来，这也正是图片版 PDF 导出图片的最佳方法，因为没有经过转换过程所以是可以达到无损的。
当然图片版 PDF 同样也可以按“打印法”的方式导出图片，这样导出的图片就不是原来的图片了，是有损的，图片质量大概率下降，但也有可能保持原来差不多的清晰度，那就是尽量加大导出图片的 DPI，只要超过原图的 DPI，那就可能保持原来的清晰度，但这带来的后果会是导出的图片体积大幅膨胀（可以做二值化等二次加工来重新降体积）。
所以，对于扫描版/图片版PDF，建议优先使用“提取”的方法。提取还原图片的过程中可能还会经历解压缩过程（生成PDF时有压缩图片减小文件体积），主要是 png/tiff 格式的图片，jpg/jpeg 一般则不需要解压缩直接提取。最常见的两种无损压缩算法分别是 CCITT G4 和 JBig2 ，其中 JBig2 对于黑白图片的压缩率很高，因此常用在扫描版 PDF 中 ，它是 Adobe 的独家算法，不过后来似乎开源了（或是被逆向了？），有个叫 jbig2dec 的项目（MuPDF所有）也可以实现这种压缩和解压缩。
除了 Adobe Acrobat 外，目前个人已知使用了 jbig2dec 从而支持 JBig2 算法的软件有：MuPDF （解压、压缩），FreePic2Pdf （压缩），PDFPatcher （解压），PdfToy （解压、压缩）
FreePic2Pdf 没有从 PDF 导出图片的功能
其中 PdfToy 是付费软件，因此 PDF 导出图片优先推荐免费的 PDFPatcher 、mutool （MuPDF）。
由图片合成 PDF 得到的自然是图片版PDF，要想合成 PDF 的文件小，除了图片本身要尽量小外，另一大重要的就是压缩算法，CCITT G4 和 JBig2 都是无损压缩，对于黑白图片，后者压缩率更高，使用广泛。
Adobe Acrobat 的“合并文件”功能默认使用的应该是 CCITT 压缩算法，而没有用 JBig2，不清楚怎么开启
因此，要从图片合成 PDF，同样也推荐上述三款软件 FreePic2Pdf、PDFPatcher、-PdfToy
PDFPatcher 合成 PDF 似乎没有去使用 JBig2 等高压缩的算法，导致生成的 PDF 体积较大
其中 mutool 、PDFPatcher 均无法指定压缩算法，而 PdfToy 是付费软件，因此合成PDF优先推荐 FreePic2Pdf （压缩后的pdf还可无损还原成 pdg）。
目前仅知 Pdg2Pic 支持这种转换。
非专业人士，水平较低，仅个人经验总结。有不错的工具或方法，欢迎大家留言补充，集思广益
6 个赞
leoleo
2023 年11 月 17 日 16:33
3
写错了，才看到。是 mupdf。
2 个赞
指的是 mupdf 吗，也是有命令行工具 mutool
查了下，还真有 mdpdf
PDF补丁丁，提取结果我测试倒没出现问题，并且由于纳入了 jbig2dec 的原因提取 jb2 压缩的 PDF 的话，效果是很不错的，这一点可以媲美 PdfToy
1 个赞
对于读秀 pdg 来源的扫描书，pdg → jpg/png → PDF 以及逆向还原 PDF → jpg/png → pdg 这整个循环，用老马的工具 Pdg2Pic+FreePic2Pdf+PdfToy 可以完美满足；但如果没有 PdfToy 的话，用 Pdg2Pic+FreePic2Pdf+PDFPactcher 也可以替代（只有 jpg/png → pdg 最后这一步无法实现）
如果非读秀来源的扫描书，灵活性则更高些，都可以尝试
1 个赞
对哦，我记错了，是把 jpg/png 转回 pdg
random
2023 年11 月 21 日 03:58
10
pdftoy导出图片的时候，可以指定图片格式吗？它经常自动导出为tif格式，但想让它导出png格式。pdf patcher 就可以指定导出的是png
Vim
2023 年11 月 21 日 04:03
11
我猜测pdftoy的默认模式是，判断原始的图片，选择最佳的格式。
但也是可以指定格式的：
1 个赞
hkcn
2023 年11 月 21 日 07:10
12
PDF提取成图片个人只用过PDFPatcher和PDFxchange，前者用不惯已删，后者操作比较方便。
1 个赞
random
2023 年11 月 21 日 10:28
13
设置了“全部合并”后，还是导出了tif图片，不知道什么原因
我是用 xpdf 内的 pdfimages.exe 导出图片。
1 个赞
Vim
2024 年1 月 8 日 09:00
16
Mandolin:
mupdf 吗，也是有命令行工具 mutool
还有同一家族的 PyMuPDF ，用python就方便了。
OCRmyPDF + img2pdf 也可以实现将多个图片合成PDF，并OCR嵌入文字层。使用下来，比FreePic2Pdf + MODI_Engine 组合更好，而且可以与其他python组成新工作流。
OCRmyPDF 还可以直接在图片PDF中添加文字层，比传统的先解包pdf为图片、再OCR并重新生成带文字层PDF的方法更简单。
3 个赞
目前 automdxbuilder 里有集成 pymupdf。OCRmyPDF 看上去不错，后续有机会研究一下
random:
准确率如何？与abbyy，acrobat比的话
使用的引擎是 Tesseract OCR ，应该可以调教
2 个赞
Vim
2024 年1 月 8 日 15:36
19
random:
准确率如何？与abbyy，acrobat比的话
没对比过，从没用过abbyy和acrobat的OCR；我自己使用，感觉足够强了。
关键不是一个层面的东西，免费、开源、可编程，这就让我们有各种可能的应用，基本可以嵌入我的每日工作中。
2 个赞
