需要安装fitz
pip install PyMuPDF
这里我发现了问题,默认安装最新版本1.21.x 但是不支持大部分网上的api 所以分开两部分
1.21.x的
import fitz # PyMuPDF
from PIL import Imagedef extract_images_from_tiff(tiff_path, output_folder):# 打开 TIFF 文件pdf_document = fitz.open(tiff_path)# 遍历每个页面for page_number in range(pdf_document.page_count):# 获取页面page = pdf_document[page_number]# 获取像素图pixmap = page.get_pixmap()# 将像素图数据转为 PIL Image 对象pil_image = Image.frombytes("RGB", (pixmap.width, pixmap.height), pixmap.samples)# 保存为 JPG 格式jpg_file_path = f"{output_folder}/page_{page_number + 1}.jpg"pil_image.save(jpg_file_path, "JPEG")# 关闭 PDF 文件pdf_document.close()# 示例用法
tiff_file_path = "./data/ISC-1226/02-121665-PB.tif"
output_folder_path = "./tif_output"
extract_images_from_tiff(tiff_file_path, output_folder_path)
1.18.0的代码
import osimport fitz #pip install PyMuPDFdef pyMuPDF_fitz(pdfPath, imagePath):pdfDoc = fitz.open(pdfPath)for pg in range(pdfDoc.pageCount):page = pdfDoc[pg]rotate = int(0)# 每个尺寸的缩放系数为1.3,这将为我们生成分辨率提高2.6的图像。# 此处若是不做设置,默认图片大小为:792X612, dpi=96zoom_x = 1.33333333 # (1.33333333-->1056x816) (2-->1584x1224)zoom_y = 1.33333333mat = fitz.Matrix(zoom_x, zoom_y).preRotate(rotate)pix = page.getPixmap(matrix=mat, alpha=False)if not os.path.exists(imagePath): # 判断存放图片的文件夹是否存在os.makedirs(imagePath) # 若图片文件夹不存在就创建pix.writePNG(imagePath + '/' + 'images_%s.png' % pg) # 将图片写入指定的文件夹内print('pdf2img时间=', (endTime_pdf2img - startTime_pdf2img).seconds)if __name__ == "__main__":# 1、PDF地址pdfPath = r"E:\Git\ImageOcr\data\kana\pdf\20240211450000.pdf"# 2、需要储存图片的目录imagePath = './data/kana/img/20240211450000'pyMuPDF_fitz(pdfPath, imagePath)
总结,建议使用1.18的版本,可以更改dpi,1.20以上的版本 我没研究api改成啥了