PDF画像抽出

PDF画像抽出について

PDFに入った写真はページに溶け込んでいるのではなく、独立した画像オブジェクトとして保存され、ページはそれを「このサイズでここに描く」と呼び出しているだけです。そのため画面キャプチャよりファイル内の原本を取り出すほうがほぼ確実に鮮明です。ページに3cmで小さく載った写真が、実は4,000ピクセルあることも珍しくありません。

このツールは全ページのリソースをたどり、画像オブジェクトを1回ずつ一覧にします。同じロゴが20ページに繰り返されていても、カードは1枚で「使用ページ1-20」と表示されます。

「元の形式を維持」が意味すること

PDF内の画像は圧縮方式（フィルター）によって取り出し方が変わります。出力形式を元のままにすると次のように保存されます。

• JPEG（DCTDecode）で透明マスクなし：ファイル内のバイトをそのまま.jpgで保存。再圧縮しないので画質劣化はありません。
• 透明マスク（SMask）付きのJPEG：透明度を合成するためブラウザでデコードし、PNGで保存。
• JPEG 2000（JPXDecode）：ブラウザで画素を得られなければ原本バイトを.jp2で保存。標準の写真アプリでは開けないことがあります。
• Flate・CCITTファクス・JBIG2などの可逆・白黒圧縮：PDF.jsでデコードしてPNGで保存。デコードに失敗したものはカードに表示され、抽出から外れます。

一覧に出てこない図

線や図形で描いたグラフ・ロゴ（ベクター）は画像オブジェクトではないため出てきません。「マスクを除外」を切ると、文字の形などを塗る1ビットのステンシルマスクが大量に出ることがありますが、ほとんどは写真ではありません。印刷用PDFのCMYK JPEGは原本バイトのまま保存されるため、ビューアによっては色がおかしく見えることがあります。

例

使い方

1. PDFを選び、画像カード（サイズ・形式・使用ページ）を確認します。
2. 最小サイズとマスク除外でアイコン類を外し、必要なカードだけチェックします。
3. 出力形式を決めて抽出し、1枚ずつかZIPでダウンロードします。

よくある質問