PDF 自动转图片，增加图片增强效果（目前测试的多种实现方法中效果最佳）（附源码）

在贴吧中有许多的PDF转图片类似算法，但好多算法没法控制自己转出图片的质量，若是本来PDF就是扫描版的，转出后则会有许多的毛边，放大后不清晰。为解决此类问题进行多次尝试最终完成一个交过不错的版本。

1.原理说明：

使用fitz库，可以读取文件夹下的所有PDF，自动全部按照PDF名字转图片

PDFfiles = glob.glob("PDF文件\\*.pdf")

是读取文件夹下的所有PDF，这里的glob是Python自带的库，不需要安装，直接引用就行。

for pg in range(PDFdoc.pageCount):

这里可以自动的计算出PDF包含有多少页，也可以自己控制转换页码的范围（自己写一个配置文件读取转换范围即可）

zoom_x = 5 #水平方向
zoom_y = 5 #垂直方向

通过这个地方来调节质量，数值越大转换的图像质量越好，但是他们不能超过一定的数值，一般这两个方向的数值是一样的，这个数值为5的时候照片大小也就0.5M大小，这里的数值*360差不多就是实际照片的分辨率。

当我把这两个数调节到50的话，PDF转换出的图片每张为17964*27636存储为17.6MB大小，

当我把这两个数调节到20的话，PDF转换出的图片每张为7186*11055存储为1.84MB大小，

img = img_Brightness_contrast(pix)
img = img_improve2(img)

通过这两个函数进行图片的增强，增加图片给的对比度和亮度、饱和度

2.效果展示

转换前的PDF

转换后的图片，放大一定范围内不会出现毛边。

import fitz
import glob
import numpy as np
import cv2
 

def img_improve2(image):
    b, g, r = cv2.split(image)  # 拆
    bH = cv2.equalizeHist(b)  # 对三个通道图进行直方图均衡化
    gH = cv2.equalizeHist(g)
    rH = cv2.equalizeHist(r)
    result = cv2.merge([bH, gH, rH])  # 合
    res = np.hstack((image, result))
    threshold = 50  # 设立一个阈值
    h, w = image.shape[:2]
    result[np.where((result[:,:,0] > threshold) & (result[:,:,1] > threshold) & (result[:,:,2] > threshold))] = [255, 255, 255]  # 如果大于阈值就赋予白色，保证黑色留下
    return result
 
 
def img_Brightness_contrast(pix):
    img_array = np.frombuffer(pix.samples, dtype=np.uint8).reshape(pix.height, pix.width, 3)
    img = cv2.cvtColor(img_array, cv2.COLOR_RGB2BGR)
    bri_mean = np.mean(img)
    Brightness = 2.0  # 对比度
    contrast = 110  # 亮度.
    img_a = Brightness * (img-bri_mean) + contrast + bri_mean
    img_a = np.clip(img_a, 0, 255).astype(np.uint8)
    return img_a
 

image_path = "D:/jupyter/百度飞浆的OCR识别/PDF/" #存放图片的文件夹
PDFfiles = glob.glob("D:/jupyter/百度飞浆的OCR识别/PDF/JavaScript.pdf") #获取所有pdf文件的文件名
# for PDFfile in PDFfiles: #遍历所有PDF文件
# image_path = "图片\\" #存放图片的文件夹
# PDFfiles = glob.glob("PDF文件\\*.pdf") #获取所有pdf文件的文件名
import time
start = time.time()
for PDFfile in PDFfiles: #遍历所有PDF文件
    PDFdoc = fitz.open(PDFfile) #读取PDF文件
    folder_name = PDFfile.split("\\")[-1].split(".")[0] #按源文件名新建文件夹
    for pg in range(PDFdoc.pageCount): #根据PDF的页数,按页提取图片        
        page = PDFdoc[pg]
        #增强图片分辨率
        zoom_x = 5 #水平方向
        zoom_y = 5 #垂直方向
        mat = fitz.Matrix(zoom_x, zoom_y) 
        pix = page.getPixmap(matrix=mat)
        # 将fitz中的图片数据转换为OpenCV的图像格式
        img = img_Brightness_contrast(pix)
        img = img_improve2(img)
        end = time.time()
        running_time = end - start
        print("程序运行时间：", running_time)
        
        #按原PDF名称新建文件夹并按顺序保存图片
        # if not os.path.exists(image_path+folder_name):#判断文件夹是否已存在
        #     os.makedirs(image_path+folder_name)#不存在则新建，存在就跳过这行
        print(folder_name + "{}cv.png".format(str(pg+1)))
        # cv2.imwrite(image_path+folder_name + "{}cv.png".format(str(pg+1)), img)
        pix.writeImage(folder_name + "{}.png".format(str(pg+1))) #按PDF中的页面顺序命名并保存图片