如何将 pdf 扫描图像转换为最适合 ocr 的高分辨率 tiff？

Question

我使用 image magick 将 pdf 转换为 tiff 图像， 文件大小从 500kb 到 4.6mb。

问题是 tiff 图像中的转换效果不好。有些文字难以阅读。

这是我在 cli 中的简单命令

convert \
pph.pdf \
pph-psd.tiff

PDF 扫描图像：

Tiff 图像：

为什么会发生这种情况以及如何将 pdf 扫描图像转换为最适合 ocr 的高分辨率 tiff？

Answer 1

发生这种情况是因为 ImageMagick 是一个光栅图像处理器，它使用默认的 72dpi 网格对您的 PDF 进行了光栅化 - 这对于您的需要来说太粗糙了。您需要在光栅化之前设置更高的密度：

convert -density 288 input.pdf -compress lzw result.tiff

---

您最好安装 Poppler 工具并使用其pdfimages 工具来提取图像。

Answer 2

如果您愿意，可以尝试对我有用的 Coolutils TotalPDFConverter。