Bilder aus PDF extrahieren

Bilder aus PDF extrahieren: Anleitung

Bilder aus PDF extrahieren: die wichtigsten Funktionen

Bilder aus PDF extrahieren im Überblick

Ein PDF speichert jedes Foto, Logo oder jeden Scan als Bildobjekt, getrennt vom Text. Bilder aus PDF extrahieren liest, was jede Seite zeichnet, einschließlich der Form-XObjects und Füllmuster, die eine Seite verwendet, und der Inline-Bilder, die direkt im Seiteninhalt stehen, und speichert jedes Bild nur einmal, auch wenn mehrere Seiten es zeichnen. Ein Bild, das noch in der Datei liegt, aber von keiner Seite gezeichnet wird, wird nicht exportiert. Die Dateien werden nach der ersten Seite benannt, die sie zeichnet, etwa page-3-image-2.jpg, und in ein ZIP gepackt.

Die Bilder kommen in der im PDF gespeicherten Auflösung heraus, die oft nicht der Größe auf der Seite entspricht: Ein Foto kann groß gespeichert und verkleinert sein oder ein kleines Bild vergrößert. Text, Linien und Formen, die als Vektoren gezeichnet sind, sind keine Bilder und werden nicht extrahiert. Ebenso wenig Schwarzweiß-Faxkodierungen (JBIG2 und CCITT, häufig in gescannten Dokumenten), allein gezeichnete Schablonenmasken, Sonderfarbräume wie Volltonfarben und ungewöhnliche Kodierungen, die die Karte als weggelassen zählt. Um stattdessen ganze Seiten als Bilder zu speichern, verwenden Sie PDF in PNG oder PDF in JPG.

Bilder aus PDF extrahieren: typische Anwendungsfälle

Ein Lieferant hat einen Produktkatalog als PDF geschickt, und Sie brauchen die Fotos für Ihren Shop. Extrahieren Sie sie, dann erhalten Sie die Bilder in der Auflösung, die in der Datei gespeichert ist, mit unveränderten JPEGs statt Screenshots.

Sie verwenden Abbildungen aus einem Bericht oder einer Arbeit weiter. Als Bilder gespeicherte Diagramme kommen als eigene Dateien heraus, die Sie in eine Präsentation setzen können; als Vektoren gezeichnete Diagramme nicht, und PDF in PNG rendert sie stattdessen mit ihrer Seite.

Ein PDF mit Briefkopf enthält ein Logo mit transparentem Hintergrund. Es kommt als PNG heraus, das seine Transparenz behält, bereit, um es mit Bild einfügen auf ein anderes Dokument zu setzen.

Um ganze Seiten statt der Bilder darauf zu speichern, verwenden Sie PDF in JPG. Um Seiten als neues PDF herauszunehmen, verwenden Sie Seiten extrahieren.

Tipps und Fehlerbehebung

• Gescannte Dokumente speichern oft jede Seite als ein Bild. Das Extrahieren liefert dann ein Bild pro Seite in der Auflösung des Scans, es sei denn, der Scan nutzt JBIG2 oder CCITT, die weggelassen werden.
• Ein Bild kann im Vergleich zur Seite gedreht oder gespiegelt herauskommen, weil die Seite es beim Zeichnen drehen oder spiegeln kann. Die Datei wird so gespeichert, wie sie abgelegt ist.
• Ein PDF kann Symbole, Aufzählungszeichen und dünne Linien zu Dutzenden enthalten, weshalb das Kontrollkästchen für kleine Bilder anfangs aktiviert ist. Schalten Sie es aus, um alles zu extrahieren.
• CMYK-Bilder, die keine JPEGs sind, werden mit einer einfachen Formel in RGB umgerechnet, daher können Druckfarben am Bildschirm etwas anders aussehen. Ein CMYK-JPEG wird so gespeichert, wie es abgelegt ist, und behält seine CMYK-Daten.
• Ein JPEG mit Maske oder ein JPEG, das das PDF beim Zeichnen invertiert, wird als PNG gespeichert, damit es so aussieht wie auf der Seite. Das PNG ist größer, als das JPEG war.
• Lässt sich nichts extrahieren, erhalten Sie „In diesem PDF wurden keine Bilder gefunden.“ oder „Aus diesem PDF konnten keine Bilder extrahiert werden.“ mit der Liste dessen, was weggelassen wurde, statt eines leeren ZIP.
• „1 Bild wurde ohne seine Transparenz gespeichert.“ im Ergebnis bedeutet, dass eine Maske nicht verwendet werden konnte: Ein JPEG-2000-Bild wird unverändert kopiert, ohne seine separate Maske, und eine in einer Faxkodierung gespeicherte Maske lässt sich hier nicht lesen.
• Browser können JPEG 2000 nicht anzeigen, daher hat ein einzelnes .jp2- oder .j2k-Ergebnis keine Vorschau. Öffnen Sie es in einem Bildeditor.
• Bilder in Kommentaren oder Stempeln (Anmerkungen) werden nicht extrahiert, ebenso wenig Buchstaben, die eine Schrift als kleine Bitmaps speichert.
• Eine verschlüsselte Datei stoppt mit „Dieses PDF ist verschlüsselt, auch wenn es sich ohne Passwort öffnen lässt.“ Entfernen Sie den Schutz zuerst mit PDF entsperren.

Bilder aus PDF extrahieren: So funktioniert es in Ihrem Browser

pdf-lib öffnet die Datei, und das Tool liest den Inhaltsstream jeder Seite, also ihre Liste von Zeichenanweisungen. Es notiert jedes Bild, das die Seite zeichnet, folgt den Form-XObjects und Kachelmustern, die die Seite verwendet und deren Streams auf dieselbe Weise gelesen werden, und erfasst Inline-Bilder. Ein Bild, das als Soft-Maske oder Maske eines anderen Bildes dient, wird nicht eigens aufgeführt, und ein auf mehreren Seiten gezeichnetes Bild wird einmal behalten. Kein Bild wird dekodiert, bevor Sie auf Bilder extrahieren klicken; die Karte liest nur das Wörterbuch jedes Bildes für Größe, Kodierung und Farbraum.

Ein JPEG- oder JPEG-2000-Bild wird Byte für Byte herauskopiert, nachdem ein darum gelegter Flate- oder ASCII-Filter rückgängig gemacht wurde. Jedes andere Bild wird hier dekodiert: Seine Filter werden rückgängig gemacht (Flate, LZW, Lauflängen- und ASCII-Kodierungen), dann ein PNG- oder TIFF-Prädiktor, und seine Werte mit 1 bis 16 Bit werden zu RGBA-Pixeln, wobei Decode-Arrays angewendet, Paletten- und CMYK-Farben umgerechnet und eine Maske als Alphakanal verwendet werden. Ein deckendes 8-Bit-Bild wird über eine Zeichenfläche als PNG gespeichert. Ein Bild mit Transparenz oder 16-Bit-Werten wird von einem kleinen PNG-Encoder in der Seite geschrieben, weil eine Zeichenfläche Farben unter Transparenz rundet und nur 8 Bit fasst. JSZip packt die Dateien in ein ZIP. Die Seite lädt beim Öffnen pdf-lib und JSZip von cdnjs.cloudflare.com, und abgesehen von Google Analytics, solange es eingeschaltet ist, ist das die einzige Netzwerkanfrage.

Häufig gestellte Fragen