问题 使用itextsharp从PDF中提取图像

解决...

即使我得到了“参数无效”的相同例外，并且经过了大量工作 在der_chirurg提供的链接的帮助下工作 （http://kuujinbo.info/iTextSharp/CCITTFaxDecodeExtract.aspx）我解决了 以下是代码：

using System.Drawing;
using System.Drawing.Imaging;
using System.IO;
using iTextSharp.text.pdf.parser;
using Dotnet = System.Drawing.Image;
using iTextSharp.text.pdf;

namespace PDF_Parsing
{
    partial class PDF_ImgExtraction
    {
        string imgPath;
        private void ExtractImage(string pdfFile)
        {
            PdfReader pdfReader = new PdfReader(files[fileIndex]);
            for (int pageNumber = 1; pageNumber <= pdfReader.NumberOfPages; pageNumber++)
            {
                PdfReader pdf = new PdfReader(pdfFile);
                PdfDictionary pg = pdf.GetPageN(pageNumber);
                PdfDictionary res = (PdfDictionary)PdfReader.GetPdfObject(pg.Get(PdfName.RESOURCES));
                PdfDictionary xobj = (PdfDictionary)PdfReader.GetPdfObject(res.Get(PdfName.XOBJECT));
                foreach (PdfName name in xobj.Keys)
                {
                    PdfObject obj = xobj.Get(name);
                    if (obj.IsIndirect())
                    {
                        PdfDictionary tg = (PdfDictionary)PdfReader.GetPdfObject(obj);
                        string width = tg.Get(PdfName.WIDTH).ToString();
                        string height = tg.Get(PdfName.HEIGHT).ToString();
                        ImageRenderInfo imgRI = ImageRenderInfo.CreateForXObject(new Matrix(float.Parse(width), float.Parse(height)), (PRIndirectReference)obj, tg);
                        RenderImage(imgRI);
                    }
                }
            }
        }
        private void RenderImage(ImageRenderInfo renderInfo)
        {
            PdfImageObject image = renderInfo.GetImage();
            using (Dotnet dotnetImg = image.GetDrawingImage())
            {
                if (dotnetImg != null)
                {
                    using (MemoryStream ms = new MemoryStream())
                    {
                        dotnetImg.Save(ms, ImageFormat.Tiff);
                        Bitmap d = new Bitmap(dotnetImg);
                        d.Save(imgPath);
                    }
                }
            }
        }
    }
}

您需要检查流的/过滤器以查看给定图像使用的图像格式。它可能是标准的图像格式：

• DCTDecode（jpeg）
• JPXDecode（jpeg 2000）
• JBIG2Decode（jbig是仅限B＆W的格式）
• CCITTFaxDecode（传真格式，PDF支持第3组和第4组）

除此之外，您需要获取原始字节（就像您一样），并使用图像流的宽度，高度，每个组件的位数，颜色组件的数量（可能是CMYK，索引，RGB或某事物）构建图像奇怪的）和其他一些，如第8.9节所定义 ISO PDF规范 （免费提供）。

所以在某些情况下你的代码会起作用，但在其他情况下，它会因你提到的异常而失败。

PS：当你有异常时，请每次都包含堆栈跟踪。相当喜欢加糖吗？

在较新版本的iTextSharp中，第1个参数 ImageRenderInfo.CreateForXObject 不是 Matrix 不过了 GraphicsState。 @ der_chirurg的方法应该有效。我使用以下链接中的信息测试自己并且它工作得非常好：

http://www.thevalvepage.com/swmonkey/2014/11/26/extract-images-from-pdf-files-using-itextsharp/

要提取所有页面上的所有图像，不必实现不同的过滤器。 iTextSharp有一个图像渲染器，可以将所有图像保存为原始图像类型。

只需在此处找到以下内容： http://kuujinbo.info/iTextSharp/CCITTFaxDecodeExtract.aspx 你不需要实现HttpHandler ......

我在github上添加了库，用PDF提取图像并压缩它们。

当您打算使用功能非常强大的库ITextSharp时，可能会很有用。

这里的链接： https://github.com/rock-walker/PdfCompression

这对我有用，我认为这是一个简单的解决方案：

编写自定义RenderListener并实现其RenderImage方法，如下所示

    public void RenderImage(ImageRenderInfo info)
    {
        PdfImageObject image = info.GetImage();
        Parser.Matrix matrix = info.GetImageCTM();
        var fileType = image.GetFileType();
        ImageFormat format;
        switch (fileType)
        {//you may add more types here
            case "jpg":
            case "jpeg":
                format = ImageFormat.Jpeg;
                break;
            case "pnt":
                format = ImageFormat.Png;
                break;
            case "bmp":
                format = ImageFormat.Bmp;
                break;
            case "tiff":
                format = ImageFormat.Tiff;
                break;
            case "gif":
                format = ImageFormat.Gif;
                break;
            default:
                format = ImageFormat.Jpeg;
                break;
        }

        var pic = image.GetDrawingImage();
        var x = matrix[Parser.Matrix.I31];
        var y = matrix[Parser.Matrix.I32];
        var width = matrix[Parser.Matrix.I11];
        var height = matrix[Parser.Matrix.I22];
        if (x < <some value> && y < <some value>)
        {
            return;//ignore these images
        }

        pic.Save(<path and name>, format);
}