我有一堆PDF文件，其中一些是純文本，但有些全部或部分保存為“每頁一個圖像”，因為它們是從掃描儀生成的。我需要提取PDF中包含的所有圖像，然后分別檢查每個圖像。我能夠使用PYthon腳本提取大部分圖像，請參閱問題：從PDF中提取圖像而不重新采樣，在蟒蛇中？一些包含的圖像是使用JBIG2編碼的，我找不到任何python或其他工具將jbig2轉(zhuǎn)換為可以使用通用圖形工具輕松打開的東西。
1 回答
HUX布斯
TA貢獻1876條經(jīng)驗 獲得超6個贊
好吧，我一直在努力解決這個問題很多周，SO的許多答案幫助我度過了難關(guān)，但總?cè)鄙僖恍〇|西，顯然這里沒有人遇到過jbig2編碼圖像的問題。
在我要掃描的一堆PDF中，用jbig2編碼的圖像非常受歡迎。
據(jù)我所知，有許多復印/掃描機器可以掃描紙張并將其轉(zhuǎn)換為充滿jbig2編碼圖像的PDF文件。
因此，經(jīng)過多天的測試，決定選擇很久以前dkagedal在這里提出的答案。
以下是我對linux的一步一步：（如果你有另一個操作系統(tǒng)，我建議使用Linux Docker，它會容易得多。
第一步：
然后我能夠運行命令行工具，稱為pdfimages，如下所示：
pdfimages -all myfile.pdf ./images_found/
使用上面的命令，您將能夠提取myfile中包含的所有圖像.pdf并且將它們保存在images_found中（您必須創(chuàng)建images_found之前）
在列表中，您可以找到幾種類型的圖像（取決于您的pdf），例如：png，jpg，tiff;所有這些都可以使用任何圖形工具輕松閱讀。
然后你會有一些文件命名為：-145.jb2e和-145.jb2g。
這2個文件包含一個圖像編碼在jbig2，這是保存在2個不同的文件，一個為標題和一個為數(shù)據(jù)
我再次失去了很多天，試圖找出如何將這些文件轉(zhuǎn)換為可讀的東西，最后我遇到了這個名為jbig2dec的工具。
因此，首先您需要安裝此神奇工具：
apt-get install jbig2dec
然后您可以運行：
jbig2dec -t png -145.jb2g -145.jb2e
您最終將能夠?qū)⑺刑崛〉膱D像轉(zhuǎn)換為有用的東西。
祝你好運！
添加回答
舉報
0/150
提交
取消