Extractor de imágenes PDF

Extraer imágenes, no capturas de pantalla de ellas

Casi todas las herramientas de «PDF a imagen» renderizan cada página a un mapa de bits. Eso te da la página —texto, fondo y todo— a la resolución que hayas elegido. No es lo mismo que obtener la fotografía que el autor colocó en ella.

Las imágenes de un PDF son objetos independientes dentro del archivo y, en el caso habitual, son un JPEG completo guardado exactamente como se importó. Esta herramienta recorre el grafo de objetos, las encuentra y escribe el JPEG tal cual: los mismos bytes, la misma calidad, sin una segunda ronda de compresión con pérdida.

Qué sale

• DCTDecode (JPEG) y JPXDecode (JPEG 2000): el archivo original, byte a byte, tras desenvolver los filtros de transporte. No se recodifica nada.
• Mapas de bits FlateDecode, LZWDecode, RunLengthDecode: se descodifican y se escriben como PNG respetando el espacio de color (gris, RGB, CMYK, basado en ICC, indexado con su paleta), la profundidad de bits (1, 2, 4, 8 o 16 por componente), el array /Decode y cualquier canal alfa /SMask.
• Plantillas /ImageMask: las máscaras de 1 bit salen como PNG transparente.
• JBIG2Decode y CCITTFaxDecode: no son archivos de imagen autónomos y un navegador no puede descodificarlos. Se listan con su tamaño, filtro y páginas, marcados como no extraíbles, en vez de descartarse en silencio.

Los PPP efectivos son el número que importa

Un mapa de bits de 600 × 400 son 600 PPP en una caja de una pulgada, 150 PPP en cuatro pulgadas y 75 en ocho. El tamaño en píxeles por sí solo no dice nada sobre la calidad de impresión. Esta herramienta analiza el flujo de contenido de la página, sigue la matriz de transformación y muestra para cada imagen el tamaño al que se dibuja y los PPP resultantes, en ámbar por debajo de 300 y en rojo por debajo de 150.

Eso la convierte en la forma más rápida de responder dos preguntas muy prácticas: ¿por qué este PDF pesa 40 MB? (una imagen a 1200 PPP que nadie necesita) y ¿por qué se imprimió mal? (un logotipo a 90 PPP ampliado en la portada).

Sin duplicados

Un objeto de imagen dibujado en doce páginas es una imagen usada en doce páginas, no doce copias. La ficha enumera todas las páginas que la usan.

Filtros

Fija un ancho y un alto mínimos para saltarte las imágenes espaciadoras de 1 × 1 que los procesadores de texto reparten por su salida, y opcionalmente incluye imágenes presentes en los recursos del archivo que nunca llegan a pintarse.

Privacidad

El PDF se abre y se desempaqueta íntegramente en tu navegador. No se sube nada ni se hace ninguna petición de red durante el proceso.