Extrator de imagens de PDF

Fotos e digitalizações armazenadas dentro do PDF como JPEG (o nome técnico é DCTDecode) ou JPEG 2000 (JPXDecode) - o que cobre a grande maioria das imagens fotográficas reais encontradas em PDFs, já que JPEG é de longe a forma mais comum de as ferramentas de criação incorporarem fotos. Cada uma é extraída com seus bytes comprimidos originais exatos, idênticos byte a byte ao que foi incorporado, sem nenhuma recodificação.

Um PDF pode armazenar uma imagem incorporada em várias codificações internas diferentes, e nem todas já são um arquivo de imagem completo e independente como o JPEG. Bitmaps brutos não comprimidos, imagens de cor indexada (baseadas em paleta) e compressão estilo fax em preto e branco (comum em digitalizações com muito texto) precisam de decodificação real de pixels para virarem um arquivo utilizável - esta ferramenta deliberadamente não tenta isso, para evitar produzir silenciosamente um arquivo corrompido ou com nome enganoso. Em vez disso, ela informa exatamente quantas imagens foram ignoradas e com quais codificações.

Não - para as imagens JPEG e JPEG 2000 que esta ferramenta extrai, o arquivo de saída é idêntico byte a byte aos dados comprimidos originais que a ferramenta de criação do PDF incorporou. Nada é decodificado e salvo novamente, então não há uma geração extra de perda de qualidade como haveria, por exemplo, ao tirar uma captura de tela da página renderizada do PDF ou converter a página em imagem.

Depende de como a digitalização foi salva. Muitos scanners e apps de "digitalizar para PDF" salvam cada página como um único JPEG de página inteira, que esta ferramenta extrai de forma limpa como uma única imagem por página. Alguns softwares de digitalização usam, em vez disso, uma codificação sem perdas ou estilo fax especificamente para manter o texto preto e branco nítido, o que cai na categoria de ignorado aqui, já que não é um JPEG fotográfico - a ferramenta avisará se isso aconteceu.

Não. Caminhos vetoriais, formas desenhadas e texto não são arquivos de imagem incorporados de forma alguma - são instruções de desenho que o visualizador de PDF executa na hora, sem nenhum dado raster para extrair. Só as imagens raster (bitmap) realmente incorporadas são extraídas aqui. Para capturar a aparência visual geral de uma página como imagem, ou para extrair o texto em vez disso, as outras ferramentas de PDF deste site (como PDF para JPG ou as várias ferramentas de PDF para texto) são as certas.

Sequencialmente, na ordem em que estão armazenadas na estrutura interna do PDF (image-1.jpg, image-2.jpg, e assim por diante) - o que geralmente segue mais ou menos a ordem em que as imagens foram adicionadas ao documento, mas não há garantia de que corresponda exatamente à ordem de leitura visual de cima para baixo na página, já que a ordem dos objetos internos de um PDF e seu layout visual são tecnicamente independentes um do outro.

Não. O arquivo é aberto e cada imagem incorporada é localizada e extraída inteiramente no seu navegador. Nada é enviado a lugar nenhum, então é seguro usar em documentos que você preferiria não enviar a um servidor de terceiros.

Só se ele não estiver realmente travado com uma senha - um PDF com restrições em nível de proprietário mas sem senha de abertura geralmente ainda funcionará. Um PDF que realmente exige uma senha só para abrir não vai extrair corretamente aqui, já que isso precisa de descriptografia real com a senha, algo que esta ferramenta não faz. Remova a senha primeiro com o removedor de senha de PDF deste site, e depois passe o resultado por esta ferramenta.

PDFs bem otimizados geralmente referenciam um único objeto de imagem incorporado a partir de várias páginas em vez de armazenar cópias duplicadas da mesma foto, para manter o tamanho do arquivo baixo. Esta ferramenta extrai cada objeto de imagem incorporado distinto uma única vez, então uma foto reutilizada em várias páginas aparece uma vez nos resultados em vez de uma vez por página onde é exibida.

Quase sempre, já que JPEG (DCTDecode) é de longe a forma mais comum de os PDFs incorporarem imagens fotográficas. Ocasionalmente um PDF - particularmente digitalizações de alta resolução, exportações de imagens médicas, ou alguns fluxos de trabalho técnicos/de impressão - incorpora imagens como JPEG 2000 em vez disso, que esta ferramenta também extrai, salvas como arquivo .jp2. Nem todo visualizador de imagens ou sistema operacional abre .jp2 nativamente, então se você receber um e ele não abrir, um visualizador dedicado de JPEG 2000 ou uma ferramenta de conversão vai ler.

Resolução e qualidade. Uma captura de tela fica limitada à resolução em que o PDF foi renderizado na sua tela, e depois é recomprimida de novo por qualquer ferramenta que a capturou - dois passos extras evitáveis que degradam a qualidade abaixo do que realmente está armazenado no arquivo. A própria imagem incorporada costuma ter uma resolução bem maior do que você veria renderizada em uma tela normal (fotos prontas para impressão em particular costumam ser salvas bem acima da resolução de tela), e extraí-la diretamente evita tanto o limite de resolução da renderização quanto o segundo passo de compressão por completo. Isso importa mais quando você precisa da foto para algo que realmente vai mostrar a diferença - impressão, edição posterior, ou enviar a alguém o arquivo original em vez de uma cópia com perda de qualidade.

Sim - o documento inteiro é escaneado em uma única passagem e cada imagem extraível é adicionada à grade de resultados, sejam duas fotos ou duzentas. Para um PDF com uma quantidade realmente grande de imagens, baixá-las como um único .zip em vez de uma de cada vez é a opção mais rápida, e esse botão aparece automaticamente sempre que mais de uma imagem é encontrada.