寻求可从图像/PDF中提取内嵌图像的API（优先Node.js）

核心思路 #

你需要处理的是非标准PDF和含内嵌图像的照片，这类场景常规工具无法覆盖，必须结合AI图像分割+文档处理能力，无需自行开发，直接用现成API即可满足需求。

适配Node.js的API方案 #

1. Google Cloud Vision API #

• 支持Node.js SDK，可处理图像（包括拍摄的纸张照片）中的物体检测与实例分割，能识别并提取任意类型的内嵌图像（如土豆、旗帜、二维码等）。
• 非标准PDF处理逻辑：先用pdf2pic这类Node.js工具将PDF转为图像序列，再传入Vision API处理。
• 基础操作流程：
  1. 安装SDK：npm install @google-cloud/vision
  2. 调用objectLocalization接口获取内嵌图像的坐标边界，再用sharp等图像处理库裁剪出独立图像文件。

2. AWS Rekognition #

• 提供Node.js SDK，具备实例分割功能，可精准识别图像中不同物体的边界，提取对应区域为单独文件。
• 非标准PDF处理：借助pdf-lib或pdf2pic将PDF转成图像后，逐个传入Rekognition处理。

3. Microsoft Azure Computer Vision #

• 推出Image Analysis 4.0接口，支持实例分割和物体检测，Node.js SDK集成便捷。
• 非标准PDF处理：先用Azure Form Recognizer提取页面图像，再调用Computer Vision完成内嵌图像分割提取。

非Node.js适配方案 #

若需适配其他语言，可直接调用Hugging Face Inference Endpoints的预训练实例分割模型服务，传入图像后即可获取分割后的独立图像文件，无需自行开发模型逻辑。

关键步骤总结 #

1. 照片类输入：直接调用AI图像分割API获取内嵌图像坐标，裁剪生成单独文件。
2. 非标准PDF输入：先将PDF每页转为图像，再按照片处理流程提取内嵌图像。
3. 特殊图像补充：二维码等可结合Tesseract的二维码识别能力定位，与AI分割结果互补提取。

内容的提问来源于stack exchange，提问作者blueberrr