图像提取pdfimages and mupdf/mutool到目前为止工作正常。
使用 FreePDF 生成的 PDF 中的图像始终会被切片，因此一张图像会生成多个图像文件。
有什么技巧可以避免这种情况吗？我如何使用结果pdfshow？
有没有坐标可以知道位置和高度和宽度
将 PDF 转换为 PNG 或 JPEG 后剪切/裁剪图像？
图像在提取后被“切片”的最可能原因是：它们在提取之前就已经被“切片”了——作为它们在 PDF 文件本身中的生存方式。
不要问我为什么有些 PDF 生成软件会这样做。
MS Powerpoint 因这一点而臭名昭著——显示某些渐变的背景图像经常被分割成数万个1x1, 1x2 or 1x8PDF 中的像素和类似大小的迷你图像。
样本 PDF 的图像片段可以通过pdfimages -list命令（这需要最新版本的pdfimages基于 Poppler 叉子，而不是xpdf one!):
pdfimages -list so-28023312-test1.pdf
page num type width height color comp bpc enc interp objectID x-ppi y-ppi size ratio
------------------------------------------------------------------------------------------
1 0 image 271 271 rgb 3 8 jpeg no 18 0 163 163 26.7K 12%
1 1 image 271 271 rgb 3 8 jpeg no 19 0 163 163 21.7K 10%
1 2 image 271 271 rgb 3 8 jpeg no 30 0 163 163 22.9K 11%
1 3 image 271 271 rgb 3 8 jpeg no 31 0 163 163 21.8K 10%
1 4 image 132 271 rgb 3 8 jpeg no 32 0 162 163 9895B 9.2%
1 5 image 271 271 rgb 3 8 jpeg no 33 0 163 163 22.5K 10%
1 6 image 271 271 rgb 3 8 jpeg no 34 0 163 163 16.5K 7.7%
1 7 image 271 271 rgb 3 8 jpeg no 35 0 163 163 16.9K 7.9%
1 8 image 271 271 rgb 3 8 jpeg no 36 0 163 163 20.3K 9.4%
1 9 image 132 271 rgb 3 8 jpeg no 37 0 162 163 14.5K 14%
1 10 image 271 271 rgb 3 8 jpeg no 20 0 163 163 17.1K 8.0%
1 11 image 271 271 rgb 3 8 image no 21 0 163 163 107K 50%
1 12 image 271 271 rgb 3 8 image no 22 0 163 163 96.7K 45%
1 13 image 271 271 rgb 3 8 image no 23 0 163 163 119K 56%
1 14 image 132 271 rgb 3 8 jpeg no 24 0 162 163 10.7K 10%
1 15 image 271 99 rgb 3 8 jpeg no 25 0 163 161 7789B 9.7%
1 16 image 271 99 rgb 3 8 jpeg no 26 0 163 161 6456B 8.0%
1 17 image 271 99 rgb 3 8 jpeg no 27 0 163 161 7202B 8.9%
1 18 image 271 99 rgb 3 8 jpeg no 28 0 163 161 8241B 10%
1 19 image 132 99 rgb 3 8 jpeg no 29 0 162 161 5905B 15%
因为一页上只有 20 个不同的片段，所以很容易...
以下命令将提取片段并尝试将它们保存为 JPEG (-j) 28023312:
pdfimages so-28023312-test1.pdf 28023312
有 3 个图像以 PPM 形式出现。使用 ImageMagick 的convert从它们中制作 JPEG（不是严格要求的，但它简化了“拼接”命令行：
for i in 11 12 13; do
convert 28023312-0${i}.ppm 28023312-0${i}.jpg
done
以下是前三个片段：280233312-000.jpg、280233312-001.jpg 和 280233312-002.jpg：
ImageMagick 可以将 20 张图像再次拼接在一起。查看 PDF 页面以及 20 个 JPEG 时，很容易确定它们需要放在一起的顺序：
convert \
\( 28023312-0{00,01,02,03,04}.jpg +append \) \
\( 28023312-0{05,06,07,08,09}.jpg +append \) \
\( 28023312-0{10,11,12,13,14}.jpg +append \) \
\( 28023312-0{15,16,17,18,19}.jpg +append \) \
-append \
complete.jpg
剖析命令：
The +append 图像算子按水平顺序附加所有列出的图像。
The \( ... \)线条表示'aside'处理图像堆栈的相应部分（需要用转义括号分隔）。此水平附加操作的结果将替换当前图像堆栈内的各个片段。
决赛-append 图像算子附加当前图像垂直.
这是生成的 JPEG，再次完全拼接在一起：
理论上我们可以自动化这个过程。为此，我们必须分析 PDF 源代码。然而，这相当困难，因为内容流可能被压缩。
为了解压缩全部或大部分内容流并获得 PDF 文件结构的更好表示，我们可以使用mutool clean -d, podofouncompress or qpdf --qdf.
我更喜欢qpdf http://qpdf.sf.net/, the “结构性、内容保留的 PDF 文件转换器”。这是命令：
qpdf --qdf --object-streams=disable so-28023312-test1.pdf qdf.pdf
生成的 PDF 文件，qdf.pdf更容易分析，因为most（但不是all) 以前的二进制部分现在采用 ASCII 格式。当您搜索出现的情况时Do在这个文件中，您将看到图像插入的位置（但是，我无法在这里为您提供完整的 PDF 分析教程，抱歉...）。
以下命令打印所有行Do发生，加上前一行 (-B 1):
grep -a -B 1 " Do" qdf.pdf
1002 0 0 1002 236 5776.67 cm
/Im0 Do
--
1001 0 0 1002 1237 5776.67 cm
/Im1 Do
--
120.12 0 0 120.24 268.44 693.2004 cm
/Im2 Do
--
[...skipping 15 other output segments...]
--
1002 0 0 369 3237 3406.67 cm
/Im18 Do
--
490 0 0 369 4238 3406.67 cm
/Im19 Do
--
1 0 0 1 204.9037018 508.5130005 cm
/Fm0 Do
All the /ImNN Do行插入图像（/Fm0 Do线指的是表单对象不是图像）。
例如前面几行490 0 0 369 4238 3406.67 cm设置当前变换矩阵。仅从这条线，有时就可以推断出图像的位置及其大小。就该文件而言，这还不够——需要更多前面行的内容才能确定当前的“绘图位置”。