# 扫描版PDF/图片版PDF的图片导出、图片合成PDF的方法探索 **URL:** \ **Category:** 技术交流与词典编修\ **Tags:** pdg, 图像, pdf\ **Created:** [2023 年11 月 16 日 17:19 UTC](https://forum.freemdict.com/t/topic/24793 "2023-11-16T17:19:13Z")\ **Posts on this page:** 19\ **Page:** 1
作者： ![Mandolin](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/mandolin/32/4948_2.png) [@Mandolin](https://forum.freemdict.com/u/Mandolin)\ 发布日期： [2023 年11 月 16 日 17:19 UTC](https://forum.freemdict.com/t/topic/24793/1 "2023-11-16T17:19:14Z")
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。 ## （一）从 PDF 导出图片 ### 1.文字版 PDF 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。 ### 2.图片版 PDF 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）。 ## （二）由图片合成 PDF 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）。 ## （三）将 pdg 转换成 jpg/png 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 ---
作者： ![Su6i](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/fbc32d/32.png) [@Su6i](https://forum.freemdict.com/u/Su6i)\ 发布日期： [2023 年11 月 16 日 20:29 UTC](https://forum.freemdict.com/t/topic/24793/2 "2023-11-16T20:29:46Z")
感谢科普分享~ 😀 ---
作者： ![leoleo](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/leoleo/32/85507_2.png) [@leoleo](https://forum.freemdict.com/u/leoleo)\ 发布日期： [2023 年11 月 17 日 16:33 UTC](https://forum.freemdict.com/t/topic/24793/3 "2023-11-17T16:33:36Z")
## mdpdf将pdf提取为图片，这个不错。但需要用命令行 但pdfpatcher（psdf补丁）提取结果不好。遇到过错误。 用pdfxchange 也可以从pdf得到图片，但不如mdpdf，但胜在简单快捷。 写错了，才看到。是 mupdf。 不过，也是巧合，mdpdf书籍另外一个软件。 另外，extract pic的话，用pdfShaper，也很不错。 排序 1，mupdf （不是mdpdf） 2，pdfshaper（github） 3，pdfxchange pdfToy是老马的收费软件，没试过。但老马给我回信中说过，这个是extract pic最好的工具。没机会试一试。 pdfpatcher我试过，会extracrt错误，我不用这个。 ---
作者： ![Mandolin](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/mandolin/32/4948_2.png) [@Mandolin](https://forum.freemdict.com/u/Mandolin)\ 发布日期： [2023 年11 月 17 日 16:35 UTC](https://forum.freemdict.com/t/topic/24793/4 "2023-11-17T16:35:36Z")
> [@leoleo](#): > > mdpdf将pdf提取为图片，这个不错。但需要用命令行 指的是 mupdf 吗，也是有命令行工具 mutool * * * 查了下，还真有 mdpdf ---
作者： ![Mandolin](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/mandolin/32/4948_2.png) [@Mandolin](https://forum.freemdict.com/u/Mandolin)\ 发布日期： [2023 年11 月 17 日 16:41 UTC](https://forum.freemdict.com/t/topic/24793/5 "2023-11-17T16:41:02Z")
> [@leoleo](#): > > 但pdfpatcher（psdf补丁）提取结果不好。遇到过错误。 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 ---
作者： ![Mandolin](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/mandolin/32/4948_2.png) [@Mandolin](https://forum.freemdict.com/u/Mandolin)\ 发布日期： [2023 年11 月 17 日 16:52 UTC](https://forum.freemdict.com/t/topic/24793/6 "2023-11-17T16:52:11Z")
> [@leoleo](#): > > pdfToy是老马的收费软件，没试过。但老马给我回信中说过，这个是extract pic最好的工具 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 ---
作者： ![有你真好](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/%E6%9C%89/7ea924/32.png) [@有你真好](https://forum.freemdict.com/u/%E6%9C%89%E4%BD%A0%E7%9C%9F%E5%A5%BD)\ 发布日期： [2023 年11 月 17 日 17:48 UTC](https://forum.freemdict.com/t/topic/24793/7 "2023-11-17T17:48:18Z")
![image](https://forumcdn.freemdict.com/uploads/default/original/3X/3/1/31f896c2a1d89e2e32d347242581225f4903e27c.png) 图像转PDG ---
作者： ![Vim](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/vim/32/8408_2.png) [@Vim](https://forum.freemdict.com/u/Vim)\ 发布日期： [2023 年11 月 21 日 03:11 UTC](https://forum.freemdict.com/t/topic/24793/8 "2023-11-21T03:11:44Z")
> [@Mandolin](#): > > 要从图片合成 PDF，同样也推荐上述三款软件 FreePic2Pdf、PDFPatcher、PdfToy PdfToy没有这个功能。 ---
作者： ![Mandolin](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/mandolin/32/4948_2.png) [@Mandolin](https://forum.freemdict.com/u/Mandolin)\ 发布日期： [2023 年11 月 21 日 03:15 UTC](https://forum.freemdict.com/t/topic/24793/9 "2023-11-21T03:15:16Z")
对哦，我记错了，是把 jpg/png 转回 pdg ![image](https://forumcdn.freemdict.com/uploads/default/original/3X/9/e/9e5561a8814c3bc26cc61213834916c81d14baec.png) ---
作者： ![random](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/random/32/19006_2.png) [@random](https://forum.freemdict.com/u/random)\ 发布日期： [2023 年11 月 21 日 03:58 UTC](https://forum.freemdict.com/t/topic/24793/10 "2023-11-21T03:58:08Z")
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 ---
作者： ![Vim](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/vim/32/8408_2.png) [@Vim](https://forum.freemdict.com/u/Vim)\ 发布日期： [2023 年11 月 21 日 04:03 UTC](https://forum.freemdict.com/t/topic/24793/11 "2023-11-21T04:03:38Z")
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： ![image](https://forumcdn.freemdict.com/uploads/default/original/3X/a/a/aaa4b30d793c0f25f4ebed4fba518b894d4fa907.png) ---
作者： ![hkcn](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/h/b5ac83/32.png) [@hkcn](https://forum.freemdict.com/u/hkcn)\ 发布日期： [2023 年11 月 21 日 07:10 UTC](https://forum.freemdict.com/t/topic/24793/12 "2023-11-21T07:10:09Z")
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。 图片转PDF个人用的是看图软件FS Viewer，不过并不太完善（毕竟主要功能是看图），它可以多选图片然后“创建多页文档”创建PDF文件，不过这种情况不能选黑白模式。单个或多个图片批量转换选PDF格式时可以设置黑白模式，但转换后是一个个单独文件，还得需要用PDF合并软件合并（我用PDFtkxp）。个人使用单纯是懒得再单独装个图片转PDF软件。 ---
作者： ![random](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/random/32/19006_2.png) [@random](https://forum.freemdict.com/u/random)\ 发布日期： [2023 年11 月 21 日 10:28 UTC](https://forum.freemdict.com/t/topic/24793/13 "2023-11-21T10:28:31Z")
设置了“全部合并”后，还是导出了tif图片，不知道什么原因 🤓 ---
作者： ![Vim](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/vim/32/8408_2.png) [@Vim](https://forum.freemdict.com/u/Vim)\ 发布日期： [2023 年11 月 21 日 13:07 UTC](https://forum.freemdict.com/t/topic/24793/14 "2023-11-21T13:07:32Z")
问老马就知道了 🤣 ---
作者： ![First\_Last](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/first_last/32/5_2.png) [@First\_Last](https://forum.freemdict.com/u/First_Last)\ 发布日期： [2023 年11 月 21 日 15:12 UTC](https://forum.freemdict.com/t/topic/24793/15 "2023-11-21T15:12:29Z")
我是用 xpdf 内的 pdfimages.exe 导出图片。 不过有时图是黑白反相，要再处理一下。 ---
作者： ![Vim](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/vim/32/8408_2.png) [@Vim](https://forum.freemdict.com/u/Vim)\ 发布日期： [2024 年1 月 8 日 09:00 UTC](https://forum.freemdict.com/t/topic/24793/16 "2024-01-08T09:00:55Z")
> [@Mandolin](#): > > mupdf 吗，也是有命令行工具 mutool 还有同一家族的 [PyMuPDF](https://github.com/pymupdf/PyMuPDF)，用python就方便了。 [OCRmyPDF](https://github.com/ocrmypdf/OCRmyPDF) + [img2pdf](https://gitlab.mister-muffin.de/josch/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](https://github.com/ocrmypdf/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。 ---
作者： ![random](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/random/32/19006_2.png) [@random](https://forum.freemdict.com/u/random)\ 发布日期： [2024 年1 月 8 日 09:20 UTC](https://forum.freemdict.com/t/topic/24793/17 "2024-01-08T09:20:57Z")
准确率如何？与abbyy，acrobat比的话 ---
作者： ![Mandolin](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/mandolin/32/4948_2.png) [@Mandolin](https://forum.freemdict.com/u/Mandolin)\ 发布日期： [2024 年1 月 8 日 10:23 UTC](https://forum.freemdict.com/t/topic/24793/18 "2024-01-08T10:23:34Z")
> [@Vim](#): > > 还有同一家族的 [PyMuPDF](https://github.com/pymupdf/PyMuPDF)，用python就方便了 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](https://github.com/tesseract-ocr/tesseract) ，应该可以调教 ---
作者： ![Vim](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/vim/32/8408_2.png) [@Vim](https://forum.freemdict.com/u/Vim)\ 发布日期： [2024 年1 月 8 日 15:36 UTC](https://forum.freemdict.com/t/topic/24793/19 "2024-01-08T15:36:19Z")
> [@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。