如何从PDF页面指定区域提取图片？PHP实现求助

你遇到的核心问题是Ghostscript的CropBox仅隐藏内容而非真正移除，导致pdfimages仍会提取页面所有图片。以下是几个可程序化实现的解决方案：

方案1：让Ghostscript真正生成裁剪后的PDF #

通过添加参数让Ghostscript在输出新PDF时仅保留CropBox内的内容，而非仅隐藏。修改后的Ghostscript命令结合PHP执行：

$originalPdf = 'path/to/your/original.pdf';
$croppedPdf = 'path/to/save/cropped.pdf';
$targetPage = 12;
// 裁剪区域：[左 下 右 上]，对应PDF坐标
$cropBox = "[31.46 690.22 560.54 839]";

// 构建Ghostshell命令，确保参数转义安全
$gsCmd = sprintf(
    'gs -o %s -sDEVICE=pdfwrite -dUseCropBox -c "[/CropBox %s /PAGES pdfmark" -sPageList=%d -dPDFSETTINGS=/prepress -f %s',
    escapeshellarg($croppedPdf),
    $cropBox,
    $targetPage,
    escapeshellarg($originalPdf)
);

// 执行命令并检查结果
exec($gsCmd, $outputLogs, $exitCode);
if ($exitCode !== 0) {
    die("PDF裁剪失败：" . implode("\n", $outputLogs));
}

// 用pdfimages提取裁剪后PDF内的图片
$outputDir = 'path/to/image/output';
mkdir($outputDir, 0777, true);
$imgCmd = sprintf(
    'pdfimages -j %s %s/extracted_image',
    escapeshellarg($croppedPdf),
    escapeshellarg($outputDir)
);
exec($imgCmd, $imgLogs, $imgExitCode);
if ($imgExitCode !== 0) {
    die("图片提取失败：" . implode("\n", $imgLogs));
}

原理说明 #

-dUseCropBox参数让Ghostscript在渲染PDF时严格遵循裁剪框，生成的新PDF仅包含裁剪区域内的内容；-dPDFSETTINGS=/prepress确保输出质量，避免图片失真。

方案2：纯PHP判断图片坐标后提取 #

借助PDF处理库直接获取页面内图片的位置信息，判断是否在目标区域后提取，无需依赖外部命令。

步骤1：安装依赖 #

composer require setasign/fpdi setasign/fpdf

步骤2：编写提取代码 #

require_once 'vendor/autoload.php';

use setasign\Fpdi\Fpdi;

$pdfPath = 'path/to/your/original.pdf';
$targetPage = 12;
// 目标区域的PDF坐标（左、下、右、上）
$targetArea = [
    'left' => 31.46,
    'bottom' => 690.22,
    'right' => 560.54,
    'top' => 839
];
$outputDir = 'path/to/save/images';
mkdir($outputDir, 0777, true);

$pdf = new Fpdi();
$pdf->setSourceFile($pdfPath);
$pageTemplate = $pdf->importPage($targetPage);
$pageSize = $pdf->getTemplateSize($pageTemplate);

// 获取当前页面所有图片
$pageImages = $pdf->getImages($targetPage);

foreach ($pageImages as $index => $imageInfo) {
    // 获取图片的边界框坐标（左下、右上）
    $imgBbox = $imageInfo['bbox'];
    $imgLeft = $imgBbox[0];
    $imgBottom = $imgBbox[1];
    $imgRight = $imgBbox[2];
    $imgTop = $imgBbox[3];

    // 判断图片是否完全在目标区域内（可根据需求调整为部分重叠判断）
    $isInTarget = (
        $imgLeft >= $targetArea['left'] &&
        $imgBottom >= $targetArea['bottom'] &&
        $imgRight <= $targetArea['right'] &&
        $imgTop <= $targetArea['top']
    );

    if ($isInTarget) {
        // 提取图片数据并保存
        $imgData = $pdf->extractImage($imageInfo);
        $fileExt = $imageInfo['ext'];
        $savePath = $outputDir . "/image_{$index}.{$fileExt}";
        file_put_contents($savePath, $imgData);
    }
}

注意事项 #

PDF的坐标原点在页面左下角，y轴向上，判断时需注意坐标系规则；若允许提取部分重叠的图片，可调整判断逻辑。

方案3：提取所有图片后裁剪目标区域 #

先提取页面所有图片，再根据PDF坐标转换为图片像素坐标，用ImageMagick裁剪出目标区域的内容。

$originalPdf = 'path/to/your/original.pdf';
$outputDir = 'path/to/output/images';
mkdir($outputDir, 0777, true);

// 提取所有图片
$imgExtractCmd = sprintf('pdfimages -j %s %s/raw_image', escapeshellarg($originalPdf), escapeshellarg($outputDir));
exec($imgExtractCmd, $extractLogs, $extractCode);
if ($extractCode !== 0) {
    die("图片提取失败：" . implode("\n", $extractLogs));
}

// PDF默认DPI为72，页面高度按实际PDF调整（示例为A4）
$pdfDpi = 72;
$pageHeight = 841.89;
// 目标区域PDF坐标
$targetLeft = 31.46;
$targetBottom = 690.22;
$targetRight = 560.54;
$targetTop = 839;

// 遍历提取的原始图片
$rawImages = glob($outputDir . '/raw_image-*.jpg');
foreach ($rawImages as $imgPath) {
    list($imgWidth, $imgHeight) = getimagesize($imgPath);
    // 转换PDF坐标到图片像素坐标（图片原点在左上，需反转y轴）
    $cropLeft = round($targetLeft * ($imgWidth / $pageSize['w']));
    $cropTop = round(($pageHeight - $targetTop) * ($imgHeight / $pageHeight));
    $cropWidth = round(($targetRight - $targetLeft) * ($imgWidth / $pageSize['w']));
    $cropHeight = round(($targetTop - $targetBottom) * ($imgHeight / $pageHeight));

    // 用ImageMagick裁剪图片
    $cropCmd = sprintf(
        'convert %s -crop %dx%d+%d+%d %s_cropped.jpg',
        escapeshellarg($imgPath),
        $cropWidth,
        $cropHeight,
        $cropLeft,
        $cropTop,
        escapeshellarg(pathinfo($imgPath, PATHINFO_FILENAME))
    );
    exec($cropCmd, $cropLogs, $cropCode);
    if ($cropCode !== 0) {
        echo "裁剪图片{$imgPath}失败：" . implode("\n", $cropLogs) . "\n";
    }
}

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