一、概述

本文实现了提取PDF文件中包含的图片，和将多个图片合并转换为PDF文件，并给出了相应的python代码，说明了其中的几处注意要点。

二、提取PDF文件中的图片

2.1代码实现

python代码如下：

import fitz
import io
from PIL import Image
import osdef extract_images_from_pdf(pdf_path, outputImg_folder):if not os.path.exists(outputImg_folder):os.makedirs(outputImg_folder)# 打开PDF文件pdf_document = fitz.open(pdf_path)# 遍历PDF中的每一页for page_number in range(len(pdf_document)):page = pdf_document.load_page(page_number)image_list = page.get_images(full=True)# 遍历每个页面中的每张图片for image_index, img in enumerate(image_list):xref = img[0]base_image = pdf_document.extract_image(xref)image_bytes = base_image["image"]# 将图像字节转换为PIL图像image = Image.open(io.BytesIO(image_bytes))# 生成输出文件名output_file = f"{outputImg_folder}/image_page_{page_number + 1:0=3d}_{image_index + 1:0=3d}.{image.format.lower()}"# 保存图像image.save(output_file)print(f"保存图像: {output_file}")

2.2注意要点

2.2.1代码使用

需要注意的是，上述代码只能提取非扫描的PDF文档，如果是扫描的PDF文档，那么会将文档每一页当作图片提取出来。

2.2.2依赖包

上述代码主要是使用fitz软件包实现的PDF文件中图片提取，fitz也叫PyMuPDF，安装命令如下：

pip install pymupdf

2.2.3图片序号设置

代码在给提取的图片命名时，将图片序号设置为3位数字，不足3位则自动补零，保证了在后续处理中能够获得排序正确的图片列表。

三、图片转换为PDF文件

3.1代码实现

python代码如下：

def convert_images_to_pdf(img_path, output_pdf_path, adjust=True):# 创建PDF文件c = canvas.Canvas(output_pdf_path, pagesize=letter)width, height = letterpage_width = widthpage_height = heightrenderDPI = 96image_paths = []if os.path.isfile(img_path):image_paths.append(img_path)elif os.path.isdir(img_path):image_extensions = ['jpg', 'jpeg', 'png', 'gif', 'bmp', 'tif', 'tiff']for filename in os.listdir(img_path):image_paths.append(os.path.join(img_path, filename))else:print('图片路径输入错误')returnfor image_path in image_paths:# 打开图片image = Image.open(image_path)image_width, image_height = image.sizeif adjust:# 调整图片尺寸以适应页面，居中显示，保持图片长宽比例aspect = image_width / image_heightif image_width > image_height:canvas_width = page_widthcanvas_height = page_width / aspectelse:canvas_height = page_heightcanvas_width = page_height * aspectif canvas_width > page_width:canvas_width = page_widthcanvas_height = page_width / aspectif canvas_height > page_height:canvas_height = page_heightcanvas_width = page_height * aspect# 计算图片的居中位置x = (page_width - canvas_width) / 2y = (page_height - canvas_height) / 2else:canvas_width = image_width / renderDPI * 72canvas_height = image_height / renderDPI * 72# 设置页面大小与图片尺寸匹配c.setPageSize((canvas_width, canvas_height))x = 0y = 0# 添加图片到PDF页面c.drawImage(image_path, x, y, canvas_width, canvas_height)c.showPage()  # 创建新的一页print(image_path)c.save()  # 保存PDF文件

3.2注意要点

3.2.1代码使用

上述代码根据传入参数自动判断图片数量为单张或多张，实现了单张或多张图片转换为PDF文件，每张图片占一页PDF。
转换后的PDF文件尺寸有两种选项，通过adjust参数控制，一种是统一设定PDF文件所有页面尺寸，为适应尺寸图片会被缩放，但保留长宽比，另一种是不对图片进行缩放，每一页文档的尺寸随图片的尺寸不同而变化。

3.2.2PDF文件尺寸设置

当adjust为True时，PDF文件所有页面尺寸会被统一设置，代码中设置为letter信纸尺寸：8.5 x 11 英寸，此时图片将被缩放，只保留长宽比，缩放后的图片居中显示，此时不需要计算图片尺寸，只需计算图片的长宽比。

需要注意的是，图片虽然被缩放，但图片的质量并没有被改变。在PDF查看器的缩放比例为100%时，缩放后的图片可能会显得模糊，但只要调整缩放比例就能够清晰显示。

关于PDF文件尺寸更多详细信息，可参照本博客的另一篇文章：DPI简析。

3.2.3PDF文件中图片尺寸计算

当adjust为False时，不对图片进行缩放，每一页文档的尺寸随图片的尺寸不同而变化，那么此时需要计算出PDF文件中图片的尺寸大小。

尺寸属性并不是图片的固有属性，只有在打印或显示图片时，图片才具有尺寸属性，而PDF文件布局是以尺寸为量化标准的，PDF中尺寸的单位为点（points），1点等于1/72英寸，所以需要计算出图片在PDF中的尺寸。

PDF文件在显示时会首先被渲染，将尺寸转换为像素，像素数=尺寸×渲染DPI，根据这个公式可以反推出图片在PDF文件中的尺寸，即=图片像素数÷渲染DPI，此时单位为英寸，还应转换为点，所以完整的计算公式如下：
图片在PDF文件中的尺寸=图片像素数÷渲染DPI×72

此处的图片在PDF文件中的尺寸与图片的显示尺寸两个概念可能会让读者混淆，二者的关系其实是PDF的实际物理尺寸与显示尺寸的关系，更多信息可见DPI简析。