Extraer imágenes de un PDF

Cómo usar la herramienta Extraer imágenes de un PDF

Funciones principales de la herramienta Extraer imágenes de un PDF

Acerca de la herramienta Extraer imágenes de un PDF

Un PDF guarda cada foto, logotipo o escaneo como un objeto de imagen, separado del texto. Extraer imágenes lee lo que dibuja cada página, incluidos los formularios y los patrones de relleno que usa una página y las imágenes escritas en línea en el contenido de la página, y guarda cada imagen una sola vez, aunque varias páginas la dibujen. Una imagen que sigue en el archivo pero que ninguna página dibuja no se exporta. Los archivos llevan el nombre de la primera página que los dibuja, como page-3-image-2.jpg, y se juntan en un ZIP.

Las imágenes salen a la resolución guardada en el PDF, que a menudo no es el tamaño que ves en la página: una foto puede estar guardada en grande y reducida, o una imagen pequeña ampliada. El texto, las líneas y las formas dibujados como vectores no son imágenes y no se extraen. Tampoco las codificaciones de fax en blanco y negro (JBIG2 y CCITT, habituales en documentos escaneados), las máscaras de plantilla dibujadas por sí solas, los espacios de color especiales como los colores planos, ni las codificaciones poco habituales, que la tarjeta cuenta como omitidos. Para guardar páginas enteras como imágenes, usa PDF a PNG o PDF a JPG.

Cuándo usar la herramienta Extraer imágenes de un PDF

Un proveedor te envió un catálogo en PDF y necesitas las fotos para tu tienda. Extráelas y obtendrás las imágenes a la resolución guardada en el archivo, con los JPEG sin cambios, en lugar de capturas de pantalla.

Estás reutilizando figuras de un informe o un artículo. Los gráficos guardados como imágenes salen como archivos separados que puedes poner en una presentación; los gráficos dibujados como vectores no, y PDF a PNG los renderiza con su página.

Un PDF con membrete tiene un logotipo con fondo transparente. Sale como un PNG que conserva su transparencia, listo para colocarlo en otro documento con Añadir imagen.

Para guardar páginas enteras en lugar de las imágenes que contienen, usa PDF a JPG. Para sacar páginas a un PDF nuevo, usa Extraer páginas.

Consejos y solución de problemas

• Los documentos escaneados suelen guardar cada página como una sola imagen. Extraer da entonces una imagen por página a la resolución del escaneo, salvo que el escaneo use JBIG2 o CCITT, que se omiten.
• Una imagen puede salir girada o reflejada respecto a la página, porque la página puede girarla o darle la vuelta al dibujarla. El archivo se guarda tal como está almacenado.
• Un PDF puede contener iconos, viñetas y líneas finas a docenas, y por eso la casilla de imágenes pequeñas empieza marcada. Desmárcala para extraerlo todo.
• Las imágenes CMYK que no son JPEG se convierten a RGB con una fórmula sencilla, así que los colores de impresión pueden verse algo distintos en pantalla. Un JPEG CMYK se guarda tal como está almacenado y conserva sus datos CMYK.
• Un JPEG que lleva una máscara, o que el PDF invierte al dibujarlo, se guarda como PNG para que se vea como en la página. El PNG pesa más de lo que pesaba el JPEG.
• Cuando no se puede extraer nada, recibes «No se ha encontrado ninguna imagen en este PDF.» o «No se ha podido extraer ninguna imagen de este PDF.» con la lista de lo omitido, en lugar de un ZIP vacío.
• «1 imagen se ha guardado sin su transparencia» en el resultado significa que no se pudo usar una máscara: una imagen JPEG 2000 se copia tal cual, sin su máscara aparte, y una máscara guardada en una codificación de fax no se puede leer aquí.
• Los navegadores no pueden mostrar JPEG 2000, así que un resultado único .jp2 o .j2k no tiene vista previa. Ábrelo en un editor de imágenes.
• Las imágenes dentro de comentarios o sellos (anotaciones) no se extraen, y tampoco las letras que una fuente guarda como pequeños mapas de bits.
• Un archivo cifrado se detiene con "Este PDF está cifrado, aunque se abra sin contraseña." Quita primero la protección con Desbloquear PDF.

Cómo funciona la herramienta Extraer imágenes de un PDF en tu navegador

pdf-lib abre el archivo y la herramienta lee el flujo de contenido de cada página, su lista de instrucciones de dibujo. Anota cada imagen que dibuja la página, sigue los formularios y los patrones de mosaico que usa la página, cuyos flujos se leen de la misma manera, y recoge las imágenes en línea. Una imagen que se usa como máscara suave o como máscara de otra imagen no aparece por separado, y una imagen dibujada en varias páginas se guarda una vez. No se decodifica ninguna imagen hasta que haces clic en Extraer imágenes; la tarjeta solo lee el diccionario de cada imagen para conocer su tamaño, su codificación y su espacio de color.

Una imagen JPEG o JPEG 2000 se copia byte a byte, una vez deshecho cualquier filtro Flate o ASCII que la envuelva. Cualquier otra imagen se decodifica aquí: se deshacen sus filtros (Flate, LZW, longitud de serie y las codificaciones ASCII), luego cualquier predictor PNG o TIFF, y sus muestras de 1 a 16 bits se convierten en píxeles RGBA, con las matrices Decode aplicadas, los colores de paleta y CMYK convertidos y una máscara usada como alfa. Una imagen opaca de 8 bits se guarda como PNG mediante un lienzo. Una imagen con transparencia o con muestras de 16 bits la escribe un pequeño codificador PNG de la página, porque un lienzo redondea los colores bajo la transparencia y solo admite 8 bits. JSZip junta los archivos en un ZIP. La página carga pdf-lib y JSZip desde cdnjs.cloudflare.com al abrirse y, aparte de Google Analytics mientras está activado, esa es la única solicitud de red.

Preguntas frecuentes