利用opencv_python(pdf2image、poppler)将pdf每页转为图片

1、安装依赖pdf2image

复制代码
pip install pdf2image

运行.py报错,因为缺少了poppler支持。

2、安装pdf2image的依赖poppler

以上命令直接报错。

改为手工下载:

github:

Releases · oschwartz10612/poppler-windows · GitHub

百度网盘:

百度网盘 请输入提取码

提取码:5cxx

下载后,解压目录,并且将bin目录加入到环境变量中:

这里要重启IDE后才可以生效,我用的是Spyder6。

3、编写代码

复制代码
# -*- coding: utf-8 -*-
"""
Created on Sun Mar  2 20:34:25 2025

@author: 深海小飞鱼

"""
import cv2
import numpy as np

from pdf2image import convert_from_path

# 将 PDF 文件转换为图像,返回图像列表
images = convert_from_path('D:\\opencv\\pdf\\test.pdf')


for i, image in enumerate(images):
    # 将 PIL 图片转换为 OpenCV 格式
    opencv_image = cv2.cvtColor(np.array(image), cv2.COLOR_RGB2BGR)

    # 转换为灰度图像
    gray_image = cv2.cvtColor(opencv_image, cv2.COLOR_BGR2GRAY)

    # 应用二值化处理
    _, binary_image = cv2.threshold(
        gray_image, 200, 255, cv2.THRESH_BINARY_INV)

    # 使用形态学操作去掉小的水印噪声
    kernel = np.ones((3, 3), np.uint8)
    processed_image = cv2.morphologyEx(binary_image, cv2.MORPH_OPEN, kernel)

    # 保存处理后的图像
    cv2.imwrite(f'D:\\opencv\\pdf\\output_page_{i + 1}.png', processed_image)

4、运行

5、生成的图片的效果

我们会发现图片已经生成了,并且还是黑底的,下面就可以将图片进行处理了,比较去掉水印啊,加上一些元素啊,以达到我们的要求。

有兴趣的小伙伴可以自己找个pdf去测试下,我相信你会感受到python的魅力。

相关推荐
zhong liu bin1 小时前
maven【maven】技术详解
java·ide·python·spring·maven·intellij-idea
星河顾盼1 小时前
【微信小程序预览文件】(PDF、DOC、DOCX、XLS、XLSX、PPT、PPTX)
微信小程序·pdf·powerpoint
IAM四十二2 小时前
基于 Embedding 实现一个本地相册搜索功能
人工智能·python·llm
猫头虎3 小时前
猫头虎AI分享:无需OCR,基于ColQwen2、Qwen2.5和Weaviate对PDF进行多模态RAG的解决方案
microsoft·ai·pdf·aigc·ocr·ai编程·ai-native
THMAIL4 小时前
机器学习从入门到精通 - 降维艺术:PCA与t-SNE带你玩转高维数据可视化
人工智能·python·决策树·随机森林·机器学习·分类·bootstrap
看月亮的方源4 小时前
B站小土堆-pytorch深度学习快速入门笔记
pytorch·python
pythonpapaxia4 小时前
Java异常处理:掌握优雅捕获错误的艺术
java·开发语言·python·其他
Rhys..5 小时前
python sqlalchemy模型的建立
jvm·数据库·python·oracle
正在走向自律5 小时前
解锁WebRTC在数字人领域的无限潜能
人工智能·python·llm·webrtc·数字人·微软autogen·实时语音交互
@半良人5 小时前
解构复杂财务逆向业务:如何优雅地生成与管理负数单?
python