如何用PyMuPDF生成与pdf2image一致的numpy数组格式PDF图片？

核心调整点 #

PyMuPDF的Pixmap对象直接转numpy会得到一维字节数组，需根据Pixmap尺寸重新reshape，同时确保生成RGB三通道像素数据：

• 生成Pixmap时显式指定colorspace="rgb"，强制输出三通道格式
• 将Pixmap字节数据转为numpy数组后，reshape为(高度, 宽度, 3)的三维结构

代码实现 #

原pdf2image参考代码 #

from pdf2image import convert_from_path
import numpy as np

# 转换单页为numpy数组
pages = convert_from_path("input.pdf", dpi=300)
pdf2image_arr = np.array(pages[0])
# 数组属性：(height, width, 3)

修改后的PyMuPDF代码 #

import fitz  # PyMuPDF
import numpy as np

def pdf_page_to_numpy(pdf_path, page_num=0, dpi=300):
    doc = fitz.open(pdf_path)
    page = doc[page_num]
    
    # 对齐dpi：PyMuPDF默认单位为点（1点=1/72英寸），计算缩放因子
    zoom = dpi / 72.0
    mat = fitz.Matrix(zoom, zoom)
    
    # 生成RGB格式Pixmap
    pix = page.get_pixmap(matrix=mat, colorspace="rgb")
    
    # 字节流转numpy并reshape为目标结构
    pymupdf_arr = np.frombuffer(pix.samples, dtype=np.uint8).reshape(pix.height, pix.width, 3)
    
    doc.close()
    return pymupdf_arr

# 调用示例
result_arr = pdf_page_to_numpy("input.pdf", dpi=300)
# 数组属性：(height, width, 3)，与pdf2image输出一致

关键细节说明 #

• 缩放因子对齐：PyMuPDF的Matrix缩放基于72dpi默认分辨率，要和pdf2image的dpi参数匹配，必须用dpi/72.0作为缩放比例
• 颜色空间强制：不指定colorspace="rgb"时，PyMuPDF可能输出单通道灰度或CMYK四通道数据，导致数组维度不符
• 字节流结构：pix.samples直接提供RGB顺序的字节流，无需额外通道转换，reshape后结构与pdf2image完全匹配

数组属性对比 #

内容的提问来源于stack exchange，提问作者carousallie