从 PDF 中提取绘图

Posted 2023-02-24

【中文标题】从 PDF 中提取绘图

【英文标题】：Extract plots from PDFs

【发布时间】：2016-06-10 17:54:10

【问题描述】：

我们有一个 pdf 页面，其中包含一个或多个数字，这些数字是实验结果的二维图。这些数字可能会或可能不会嵌入到文本中。每个图都有 x 和 y 轴，并在图中标记了它们的标签和单位测量值。每个图形内部都有一个或多个图，每个图都有不同的颜色。

我们如何将绘图转换为对应的 x 和 y 值的表格（比如 100 个点）？

我已经尝试过WebPlotDigitizer，但它仅在输入是独立的情节图片时才有效。

我认为我需要做的是从 PDF 中提取图表并进一步处理。现在，我找不到这样做的工具。我附上了一个sample PDF，必须从中提取地块。

请注意，PDF 最后一页中的 2 个图是图像，可以轻松提取（我找到了几个软件）。其他图不是图像，软件无法提取它们.

有没有开源软件可以做到这一点？

【问题讨论】：

您可以使用 ImageMagick 将每个页面转换为 PNG 或 TIFF 文件，然后剪下绘图并将其发送到 WebPlotDigitiser，但我怀疑您不是这个意思，对吗？

【参考方案1】：

您提供的此 PDF 文件中的绘图是用矢量图制作的，因此提取它们的唯一方法是将 PDF 转换为图像（即渲染页面）。试试ImageMagick's convert command line，看看这个answer

【参考方案2】：

由于 Photoshop 非常适合编写脚本，实际上可以通过编程方式从 PDF 中提取图像（与页面相反；请参阅 Photoshop javascript 文档）。

然后，您拥有整套工具来调整图像，从而更容易完成进一步的处理（解释）。