为何pypdf提取的PDF嵌入图像分辨率低于pdf2image转换结果？

我有一份需提取嵌入图像的PDF文档，先用以下代码提取第一页的嵌入图像：

from pypdf import PdfReader
import io

reader = PdfReader(io.BytesIO(file_data))
    
page = reader.pages[0]

for count, image_obj in enumerate(page.images):
    ext = image_obj.name.lower()  # e.g., "jpeg", "png"
    mime_type = f"image/{'jpeg' if ext == 'jpg' else ext}"
        
    filename = f"extracted_page_img{count}.{ext}"
    with open(filename, "wb") as f:
        f.write(image_obj.data)

随后用pdf2image转换第一页为图像，代码如下：

from pdf2image import convert_from_bytes
import io

images = convert_from_bytes(file_data, fmt="png", dpi=1200)
images[0].save("output.png", format="PNG")

对比发现pdf2image输出的图像分辨率远更高、更清晰可读，我原以为pypdf提取的是原始嵌入图像应更清晰，请问原因是什么？

原因分析 #

• 工作原理本质不同：
  pypdf是直接提取PDF中嵌入的原始图像数据，相当于把PDF包里的图像文件原封不动导出。如果PDF在生成时为了压缩体积，本身嵌入的就是低分辨率、高压缩比的图像，那提取出来的自然清晰不了。
• pdf2image是高分辨率页面渲染：
  它调用Poppler工具，按照你指定的1200dpi重新绘制整个页面的所有内容——文字、矢量图形、图像元素都会被转换成对应分辨率的像素。如果页面包含矢量内容（比如文字、线条），渲染时会生成清晰的高分辨率像素，而pypdf只能提取嵌入的位图，没法提升矢量内容的清晰度。
• 图像缩放逻辑差异：
  有些PDF里的原始嵌入图像尺寸很小，但在页面中被放大显示。pypdf提取的是原始小图，而pdf2image会按照1200dpi的分辨率渲染放大后的显示效果，视觉上自然更清晰。
• 渲染优化的加持：
  pdf2image的渲染过程会做抗锯齿、色彩优化等处理，进一步提升视觉清晰度；而pypdf只是导出原始图像数据，没有这类优化步骤。

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