NodeJS使用GraphicsMagick将PDF转图片后分辨率低如何优化

问题根源 #

当前失真问题来自两个典型使用错误：

• density 参数单位为DPI（每英寸像素数），不是输出图片的像素尺寸，你传入的595/842为A4纸张的像素值，参数填写逻辑错误
• density 方法调用顺序错误：gm基于GraphicsMagick/ImageMagick底层运行，处理PDF这类矢量格式时，分辨率参数需要在读取源文件前生效，放在格式设置、质量设置之后调用，相当于已经按默认低分辨率读取PDF后再强行放大，必然会出现锯齿、生硬失真的问题

正确配置代码 #

// 先设置分辨率，再读取PDF文件，OCR场景推荐设置300~600DPI即可
gm()
  .density(300, 300)
  .in(`${sourcePath}[0]`) // 读取PDF第一页的操作必须放在density设置之后，参数才能生效
  .setFormat('png') // 文字类PDF用无损PNG格式比JPG更适合后续OCR识别
  .quality(100)
  .antialias() // 开启抗锯齿，优化文字边缘显示效果
  .stream()
  .pipe(writeStream);

如果有固定输出像素尺寸的需求，在参数中补充对应resize规则即可。 #

• node-poppler：基于poppler底层渲染，比gm的PDF渲染精度更高，文字边缘更清晰，支持自定义DPI、输出格式、页面范围等参数，是OCR预处理场景的首选方案
• pdfjs-dist：Mozilla官方的PDF解析库，可以在Node.js环境下结合canvas完成渲染，完全支持自定义渲染分辨率、色彩模式，适合需要精细控制渲染效果的场景
• pdf2pic：封装了GraphicsMagick/ImageMagick的上层工具库，API更简洁，内置了常用的PDF转图片参数模板，可大幅降低配置成本

内容的提问来源于stack exchange，提问作者Anna