Java 处理 PDF 图片：提取 PDF 中的图片，并压缩 PDF 图片体积

在一些文档处理场景中，PDF 里经常会包含大量图片，例如扫描件、产品手册、报告附件、合同图片等。 有时候我们需要把 PDF 里的图片单独提取出来，用于归档、识别、二次编辑；也有时候 PDF 文件过大，原因正是里面嵌入了高分辨率图片，这时就需要对图片进行压缩。

本文以 Spire.PDF for Java 为例，实现两类常见图片操作：

1. 从 PDF 文档中提取图片
2. 压缩 PDF 文档中的高质量图片

---

一、准备工作

示例代码使用 Maven 项目。先在 ​​pom.xml​​ 中加入 Spire.PDF for Java 依赖。

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <name>e-iceblue</name>
        <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
    </repository>
</repositories>

<dependencies>
    <dependency>
        <groupId>e-iceblue</groupId>
        <artifactId>spire.pdf</artifactId>
        <version>12.6.1</version>
    </dependency>
</dependencies>

如果是普通 Java 项目，也可以手动引入对应的 Jar 包。 为了方便演示，下面的代码都使用本地文件路径，需要根据自己的实际目录修改。

---

二、从 PDF 中提取图片

1. 实现思路

提取图片的核心流程并不复杂：

• 加载 PDF 文件；
• 遍历 PDF 的每一页；
• 获取当前页中的图片信息；
• 将图片对象保存为本地图片文件。

Spire.PDF 中可以使用 ​​PdfImageHelper​​ 获取页面里的图片信息，再通过 ​​PdfImageInfo.getImage()​​ 拿到 ​​BufferedImage​​ 对象，最后用 ​​ImageIO.write()​​ 写出到本地。

---

2. 示例代码

import com.spire.pdf.PdfDocument;
import com.spire.pdf.PdfPageBase;
import com.spire.pdf.utilities.PdfImageHelper;
import com.spire.pdf.utilities.PdfImageInfo;

import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;

public class ExtractPdfImages {

    public static void main(String[] args) throws IOException {
        String inputPdf = "C:/pdf/input.pdf";
        String outputDir = "C:/pdf/images/";

        PdfDocument document = new PdfDocument();

        try {
            // 加载 PDF 文件
            document.loadFromFile(inputPdf);

            // 创建输出目录
            File dir = new File(outputDir);
            if (!dir.exists()) {
                dir.mkdirs();
            }

            PdfImageHelper imageHelper = new PdfImageHelper();
            int imageIndex = 1;

            // 遍历 PDF 每一页
            for (int pageIndex = 0; pageIndex < document.getPages().getCount(); pageIndex++) {
                PdfPageBase page = document.getPages().get(pageIndex);

                // 获取当前页中的所有图片
                PdfImageInfo[] imageInfos = imageHelper.getImagesInfo(page);

                // 保存图片
                for (PdfImageInfo imageInfo : imageInfos) {
                    BufferedImage image = imageInfo.getImage();

                    String fileName = String.format(
                            "page-%d-image-%d.png",
                            pageIndex + 1,
                            imageIndex++
                    );

                    File outputFile = new File(outputDir + fileName);
                    ImageIO.write(image, "PNG", outputFile);
                }
            }

            System.out.println("图片提取完成，共导出 " + (imageIndex - 1) + " 张图片。");

        } finally {
            document.dispose();
        }
    }
}

---

3. 代码说明

这里没有直接使用简单的 ​​图片-1.png​​ 命名，而是把页码也放进了文件名，例如：

page-1-image-1.png
page-2-image-3.png

这样做的好处是，后续排查图片来源时更方便。 尤其是 PDF 页数较多时，只用连续编号不太容易判断图片原本属于哪一页。

需要注意的是，提取出来的图片格式在示例中统一保存为 PNG。 如果原 PDF 中图片本身较大，保存为 PNG 后文件体积可能并不会变小。如果只是为了预览或网页展示，也可以根据需求改成 JPG。

例如：

ImageIO.write(image, "JPG", outputFile);

不过 JPG 是有损格式，适合照片类图片，不太适合文字截图、表格截图或带透明背景的图片。

---

三、压缩 PDF 中的图片

1. 适用场景

PDF 文件过大时，图片通常是主要原因之一。比如：

• 扫描件分辨率过高；
• 报告中插入了大量高清图片；
• 图片没有经过压缩就直接嵌入 PDF；
• 页面内容不多，但 PDF 文件却几十 MB。

这类情况可以尝试压缩 PDF 中的图片，从而减小整个 PDF 文件体积。

不过要注意，图片压缩通常会带来一定清晰度损失。 如果 PDF 用于打印、归档或正式交付，建议先备份原文件，再对副本进行压缩。

---

2. 示例代码

import com.spire.pdf.FileFormat;
import com.spire.pdf.PdfDocument;
import com.spire.pdf.PdfPageBase;
import com.spire.pdf.utilities.PdfImageHelper;
import com.spire.pdf.utilities.PdfImageInfo;

import java.io.File;

public class CompressPdfImages {

    public static void main(String[] args) {
        String inputPdf = "C:/pdf/input.pdf";
        String outputPdf = "C:/pdf/output-compressed.pdf";

        PdfDocument document = new PdfDocument();

        try {
            // 加载 PDF 文件
            document.loadFromFile(inputPdf);

            // 关闭增量更新，避免保存后文件体积异常增大
            document.getFileInfo().setIncrementalUpdate(false);

            PdfImageHelper imageHelper = new PdfImageHelper();

            // 遍历每一页，对页面中的图片进行压缩
            for (int pageIndex = 0; pageIndex < document.getPages().getCount(); pageIndex++) {
                PdfPageBase page = document.getPages().get(pageIndex);

                PdfImageInfo[] imageInfos = imageHelper.getImagesInfo(page);

                for (PdfImageInfo imageInfo : imageInfos) {
                    imageInfo.tryCompressImage();
                }
            }

            // 保存压缩后的 PDF
            document.saveToFile(outputPdf, FileFormat.PDF);

            printFileSize(inputPdf, outputPdf);

        } finally {
            document.dispose();
        }
    }

    private static void printFileSize(String beforePath, String afterPath) {
        File before = new File(beforePath);
        File after = new File(afterPath);

        double beforeMb = before.length() / 1024.0 / 1024.0;
        double afterMb = after.length() / 1024.0 / 1024.0;

        System.out.printf("压缩前：%.2f MB%n", beforeMb);
        System.out.printf("压缩后：%.2f MB%n", afterMb);
    }
}

---

四、关于 ​​setIncrementalUpdate(false)​​ 的说明

压缩 PDF 时，代码里有一行：

document.getFileInfo().setIncrementalUpdate(false);

这一步建议保留。

PDF 保存时可能会使用增量更新机制，也就是在原文件后面追加修改内容，而不是完全重写整个文件。 这种方式适合部分编辑场景，但在压缩图片时，可能导致旧数据仍然保留在文件中，最终出现"明明压缩了，文件却没有明显变小"的情况。

所以在压缩 PDF 图片时，可以关闭增量更新，让保存结果更符合预期。

---

五、提取和压缩的区别

虽然两个功能都和 PDF 图片有关，但它们解决的问题不同。

操作	目的	输出结果
提取图片	把 PDF 中的图片单独导出	多个图片文件
压缩图片	减小 PDF 中图片占用空间	一个新的 PDF 文件

简单理解：

• 想拿到 PDF 里的图片，用"提取"；
• 想让 PDF 文件变小，用"压缩"。

---

六、常见问题

1. 为什么有些 PDF 提取不到图片？

并不是所有看起来像图片的内容都一定是图片对象。

例如：

• 页面内容可能是矢量图；
• 文字和图形可能是由绘制指令组成；
• 扫描件可能整页就是一张大图；
• 某些 PDF 的图片可能经过特殊编码或封装。

所以实际项目中要根据 PDF 来源测试，不能只用一个样例判断兼容性。

---

2. 压缩后文件体积没有明显变化怎么办？

可能有几种原因：

• PDF 主要体积不在图片，而在字体、附件或其他资源；
• 图片本身已经被压缩过；
• 图片数量不多；
• 原 PDF 保存结构比较特殊；
• 压缩比例有限，变化不明显。

建议压缩前后对比文件大小，并尽量使用真实业务文件测试。

---

3. 压缩会不会影响图片清晰度？

有可能会。

图片压缩的目标是减少文件体积，通常会在一定程度上影响图片质量。 如果 PDF 需要打印、盖章、归档，建议不要直接覆盖原文件，而是输出一个新的压缩版本。

---

七、总结

本文使用 Java 演示了两个常见 PDF 图片处理需求：

• 使用 ​PdfImageHelper.getImagesInfo()​ 获取 PDF 页面中的图片信息；
• 使用 ​PdfImageInfo.getImage()​ 提取图片；
• 使用 ​PdfImageInfo.tryCompressImage()​ 压缩 PDF 中的图片；
• 保存 PDF 时关闭增量更新，避免压缩结果不明显。

在实际业务中，建议把"提取图片"和"压缩 PDF"封装成独立工具方法，并增加文件大小校验、异常处理、目录检查等逻辑。 这样无论是做文档归档、附件处理，还是后台批量压缩 PDF，都更容易复用。