Lấy hình ảnh từ tệp PDF

Tệp PDF lưu trữ các hình ảnh dưới dạng các tài nguyên riêng biệt (các luồng /XObject) được trích dẫn từ nội dung trang. Bộ giải mã sẽ đọc từng luồng theo định dạng mã hóa gốc và tái tạo lại tệp mà tác giả đã nhúng vào đó.

Các định dạng bạn sẽ thấy

Bộ trích xuất luôn xuất ra PNG: nó mã hóa lại các điểm ảnh thô trong trình duyệt của bạn, vì vậy các nguồn JPEG, JPEG 2000 và CCITT cũng được trả về dưới dạng PNG.

Những điều mà hệ thống sẽ không thể khôi phục được

• Hình minh họa vector. Các biểu tượng được vẽ bằng các toán tử đường dẫn trong PDF không phải là hình ảnh; chúng nằm trong luồng nội dung thay vì dưới dạng XObject. Hãy sử dụng công cụ chuyển đổi từ PDF sang SVG cho những trường hợp này.
• Màu nền và gradient. Đây là các yếu tố được thiết kế ở cấp độ trang, chứ không phải các tài nguyên được tích hợp sẵn.
• Văn bản được hiển thị dưới dạng đường viền. Dường như thuộc loại “hình ảnh đồ họa” nhưng không phải là đối tượng hình ảnh.

Những mẹo khi làm việc với chức năng xuất

• Kiểm tra kích thước. Hình ảnh thu nhỏ 300x300 trên trang có thể thực chất là bản gốc kích thước 3000x3000 được thu nhỏ khi hiển thị. Bạn nhận được các điểm ảnh nguồn, chứ không phải kích thước hiển thị.
• Hãy tuân thủ giấy phép sử dụng. Việc có thể trích xuất một hình ảnh không đồng nghĩa với việc bạn có quyền sử dụng lại nó. Các hình ảnh chuẩn trong file PDF vẫn giữ nguyên trạng thái là hình ảnh chuẩn ngay cả khi được trích xuất.
• Các tài liệu đã quét. Nếu mỗi trang tạo thành một hình ảnh lớn chứa toàn văn bản, thì tệp PDF đó chính là kết quả của quá trình quét. Hãy thực hiện xử lý OCR trên các tệp PNG đã xuất để khôi phục văn bản.