Extractor de imágenes de PDF

Fotos y escaneos almacenados dentro del PDF como JPEG (el nombre técnico es DCTDecode) o JPEG 2000 (JPXDecode) - lo que cubre la gran mayoría de las imágenes fotográficas reales que se encuentran en los PDF, ya que JPEG es con diferencia la forma más común en que las herramientas de creación incrustan fotos. Cada una se extrae con sus bytes comprimidos originales exactos, idénticos byte a byte a lo que fue incrustado, sin ninguna recodificación.

Un PDF puede almacenar una imagen incrustada en varias codificaciones internas distintas, y no todas son ya un archivo de imagen completo e independiente como lo es el JPEG. Los mapas de bits sin comprimir, las imágenes de color indexado (basadas en paleta) y la compresión estilo fax en blanco y negro (común en escaneos con mucho texto) necesitan una decodificación real de píxeles para convertirse en un archivo utilizable - esta herramienta deliberadamente no lo intenta, para evitar producir silenciosamente un archivo corrupto o mal nombrado. En su lugar, informa exactamente cuántas imágenes se omitieron y con qué codificaciones.

No - para las imágenes JPEG y JPEG 2000 que extrae esta herramienta, el archivo de salida es idéntico byte a byte a los datos comprimidos originales que incrustó la herramienta de creación del PDF. Nada se decodifica y se vuelve a guardar, así que no hay una generación extra de pérdida de calidad como la habría, por ejemplo, al tomar una captura de pantalla de la página del PDF renderizada o al convertir la página en imagen.

Depende de cómo se guardó el escaneo. Muchos escáneres y apps de «escanear a PDF» guardan cada página como un único JPEG de página completa, que esta herramienta extrae limpiamente como una sola imagen por página. Algunos programas de escaneo usan en cambio una codificación sin pérdida o estilo fax específicamente para mantener nítido el texto en blanco y negro, lo cual cae en la categoría de omitido aquí ya que no es un JPEG fotográfico - la herramienta te avisará si ocurrió eso.

No. Las rutas vectoriales, las formas dibujadas y el texto no son en absoluto archivos de imagen incrustados - son instrucciones de dibujo que el visor de PDF ejecuta sobre la marcha, sin datos rasterizados que extraer. Solo se extraen aquí las imágenes de mapa de bits (ráster) realmente incrustadas. Para capturar la apariencia visual general de una página como imagen, o para extraer el texto en su lugar, las otras herramientas de PDF de este sitio (como PDF a JPG o las diversas herramientas de PDF a texto) son la opción adecuada.

Secuencialmente, en el orden en que están almacenadas dentro de la estructura interna del PDF (image-1.jpg, image-2.jpg, y así sucesivamente) - lo cual generalmente sigue más o menos el orden en que se añadieron las imágenes al documento, pero no está garantizado que coincida exactamente con el orden de lectura visual de arriba abajo en la página, ya que el orden de los objetos internos de un PDF y su diseño visual son técnicamente independientes entre sí.

No. El archivo se abre y cada imagen incrustada se localiza y extrae completamente en tu navegador. Nada se sube a ningún sitio, así que es seguro usarlo con documentos que prefieras no enviar a un servidor de terceros.

Solo si en realidad no está bloqueado con una contraseña - un PDF con restricciones a nivel de propietario pero sin contraseña de apertura generalmente seguirá funcionando. Un PDF que realmente requiere una contraseña solo para abrirse no se extraerá correctamente aquí, ya que eso necesita un descifrado real con la contraseña, algo que esta herramienta no realiza. Quita primero la contraseña con el eliminador de contraseñas de PDF de este sitio, y luego pasa el resultado por esta herramienta.

Los PDF bien optimizados suelen referenciar un único objeto de imagen incrustado desde varias páginas en lugar de almacenar copias duplicadas de la misma foto, para mantener bajo el tamaño del archivo. Esta herramienta extrae cada objeto de imagen incrustado distinto una sola vez, así que una foto reutilizada en muchas páginas aparece una vez en los resultados en lugar de una vez por cada página donde se muestra.

Casi siempre, ya que JPEG (DCTDecode) es con diferencia la forma más común en que los PDF incrustan imágenes fotográficas. Ocasionalmente un PDF - particularmente escaneos de alta resolución, exportaciones de imágenes médicas, o algunos flujos de trabajo técnicos/de impresión - incrusta imágenes como JPEG 2000 en su lugar, que esta herramienta también extrae, guardadas como archivo .jp2. No todos los visores de imágenes o sistemas operativos abren .jp2 de forma nativa, así que si obtienes uno y no se abre, un visor dedicado de JPEG 2000 o una herramienta de conversión lo leerá.

Resolución y calidad. Una captura de pantalla está limitada a la resolución a la que se renderizó el PDF en tu pantalla, y luego se recomprime de nuevo con lo que sea que la haya capturado - dos pasos adicionales evitables que degradan la calidad por debajo de lo que realmente está almacenado en el archivo. La imagen incrustada en sí misma suele tener una resolución mucho mayor de la que verías renderizada en una pantalla normal (las fotos listas para imprimir en particular suelen guardarse muy por encima de la resolución de pantalla), y extraerla directamente evita tanto el límite de resolución de renderizado como el segundo paso de compresión por completo. Eso importa sobre todo cuando necesitas la foto para algo que realmente mostrará la diferencia - impresión, edición posterior, o enviarle a alguien el archivo original en vez de una copia con pérdida de calidad.

Sí - todo el documento se escanea en una sola pasada y cada imagen extraíble se añade a la cuadrícula de resultados, ya sean dos fotos o doscientas. Para un PDF con una cantidad realmente grande de imágenes, descargarlas como un único .zip en vez de una por una es la opción más rápida, y ese botón aparece automáticamente en cuanto se encuentra más de una imagen.