各位程序员,您好！
我可以正确提取pdf文本坐标及其格式.但是我不能用图像做到这一点.
我可以得到适当的宽度和高度,但是它给了我错误的x和y.
我正在使用photoshop检查即时消息是否获得正确的x,y,宽度,高度坐标
但只有宽度和高度正确
这是我的代码
@Override
public void processOperator(Operator operator, List<COSBase> arguments) throws IOException {
if ("cm".equals(operator.getName())) {
float width = ((COSNumber)arguments.get(0)).floatValue();
float height = ((COSNumber)arguments.get(3)).floatValue();
float x = ((COSNumber)arguments.get(4)).floatValue();
float y = ((COSNumber)arguments.get(5)).floatValue();
System.out.println("w: " + width + " h: " + height + " x: " + x + " y: " + y);
// process image coordinates
}
super.processOperator(operator, arguments);
}
这是我使用的示例pdf
http://persci.mit.edu/pub_pdfs/personal_photo_enhancement.pdf
和即时通讯使用第2页
这是程序的输出
w: 503.87997 h: 152.64 x: 71.5168 y: 561.056
我使用Photoshop创建了一个矩形并覆盖了图像,但只有宽度和高度正确.
另一个问题
我用这个PDF
http://www.ctex.org/documents/shredder/src/example.pdf
我使用了第17页.
pdf为什么显示许多坐标.但是pdf中的图像只是一个？
w: 1.0 h: 1.0 x: 124.802 y: 776.998
w: 1.0 h: 1.0 x: 0.0 y: 3.587
w: 1.0 h: 1.0 x: 0.0 y: -3.985
w: 1.0 h: 1.0 x: 343.711 y: 0.398
w: 1.0 h: 1.0 x: -343.711 y: -24.906
w: 1.0 h: 1.0 x: 147.972 y: -106.0
w: 1.0 h: 1.0 x: 0.0 y: 0.0
w: 1.0 h: 1.0 x: 0.0 y: 0.0
w: 0.1 h: 0.1 x: 0.0 y: 0.0
w: 1.0 h: 1.0 x: 45.0 y: 0.0
w: 1.0 h: 1.0 x: -79.37 y: -21.918
w: 1.0 h: 1.0 x: 116.507 y: 0.0
w: 1.0 h: 1.0 x: -230.109 y: -2.145
w: 1.0 h: 1.0 x: 0.0 y: -20.324
w: 1.0 h: 1.0 x: 0.0 y: -13.682
w: 1.0 h: 1.0 x: 3.387 y: 2.989
w: 1.0 h: 1.0 x: 20.175 y: -2.989
w: 1.0 h: 1.0 x: -23.562 y: -0.398
w: 1.0 h: 1.0 x: 30.685 y: 3.387
w: 1.0 h: 1.0 x: 179.886 y: -66.21
w: 1.0 h: 1.0 x: 4.981 y: 0.0
w: 1.0 h: 1.0 x: -215.552 y: -17.195
w: 1.0 h: 1.0 x: 0.0 y: -13.682
w: 1.0 h: 1.0 x: 3.387 y: 2.989
w: 1.0 h: 1.0 x: 20.175 y: -2.989
w: 1.0 h: 1.0 x: -23.562 y: -0.398
w: 1.0 h: 1.0 x: 30.685 y: 3.387
w: 1.0 h: 1.0 x: -35.666 y: -76.173
w: 1.0 h: 1.0 x: 4.981 y: 0.0
w: 1.0 h: 1.0 x: -4.981 y: -41.843
w: 1.0 h: 1.0 x: 4.981 y: 0.0
w: 1.0 h: 1.0 x: -4.981 y: -51.806
w: 1.0 h: 1.0 x: 4.981 y: 0.0
w: 1.0 h: 1.0 x: 175.592 y: -19.925
w: 1.0 h: 1.0 x: 4.981 y: 0.0
w: 1.0 h: 1.0 x: -185.554 y: -19.925
w: 1.0 h: 1.0 x: 4.981 y: 0.0
w: 1.0 h: 1.0 x: 0.0 y: -37.121
w: 1.0 h: 1.0 x: 0.0 y: -13.682
w: 1.0 h: 1.0 x: 3.387 y: 2.989
w: 1.0 h: 1.0 x: 20.175 y: -2.989
w: 1.0 h: 1.0 x: -23.562 y: -0.398
w: 1.0 h: 1.0 x: 30.685 y: 3.387
w: 1.0 h: 1.0 x: 282.916 y: -18.389
w: 1.0 h: 1.0 x: 4.981 y: 0.0
w: 1.0 h: 1.0 x: -318.582 y: -17.196
w: 1.0 h: 1.0 x: 0.0 y: -13.682
w: 1.0 h: 1.0 x: 3.387 y: 2.989
w: 1.0 h: 1.0 x: 20.175 y: -2.989
w: 1.0 h: 1.0 x: -23.562 y: -0.398
w: 1.0 h: 1.0 x: 30.685 y: 3.387
w: 1.0 h: 1.0 x: 11.988 y: -11.216
w: 1.0 h: 1.0 x: 0.0 y: -14.833
w: 1.0 h: 1.0 x: 3.388 y: 4.926
w: 1.0 h: 1.0 x: 60.357 y: -4.926
w: 1.0 h: 1.0 x: -63.745 y: -0.399
w: 1.0 h: 1.0 x: 63.944 y: -3.985
w: 1.0 h: 1.0 x: -59.959 y: 0.0
w: 1.0 h: 1.0 x: 64.143 y: 0.0
w: 1.0 h: 1.0 x: -110.801 y: -13.101
w: 1.0 h: 1.0 x: 0.0 y: -2.241
w: 1.0 h: 1.0 x: 39.308 y: 2.241
w: 1.0 h: 1.0 x: 0.0 y: -2.241
w: 1.0 h: 1.0 x: -37.066 y: 0.0
w: 1.0 h: 1.0 x: 0.0 y: 13.294
w: 1.0 h: 1.0 x: 1.145 y: -9.907
w: 1.0 h: 1.0 x: 39.641 y: 11.302
w: 1.0 h: 1.0 x: 0.0 y: -15.686
w: 1.0 h: 1.0 x: 1.693 y: 14.291
w: 1.0 h: 1.0 x: 0.0 y: -12.896
w: 1.0 h: 1.0 x: 3.288 y: 2.989
w: 1.0 h: 1.0 x: 47.544 y: -2.989
w: 1.0 h: 1.0 x: -50.832 y: -0.299
w: 1.0 h: 1.0 x: 52.227 y: -1.096
w: 1.0 h: 1.0 x: -53.92 y: -0.597
w: 1.0 h: 1.0 x: 57.838 y: 14.888
w: 1.0 h: 1.0 x: 0.0 y: -11.22
w: 1.0 h: 1.0 x: 0.0 y: -2.473
w: 1.0 h: 1.0 x: 42.751 y: 2.473
w: 1.0 h: 1.0 x: 0.0 y: -2.473
w: 1.0 h: 1.0 x: -40.278 y: 0.0
w: 1.0 h: 1.0 x: 0.0 y: 13.693
w: 1.0 h: 1.0 x: 1.313 y: -9.907
w: 1.0 h: 1.0 x: -104.652 y: -78.762
w: 1.0 h: 1.0 x: 166.874 y: 0.0
w: 1.0 h: 1.0 x: 176.837 y: 0.0
解决方法:
问题的原因
您的代码并没有真正寻找图像的位置和大小,只是在友好的环境下才找到它们.
您的代码仅显示一个没有显式上下文的方法(我想这是没人认真分析该代码并发现问题的原因).
不过,考虑到上下文(PDFBox,内容流分析),我假设您创建了一个运算符处理器类,在其中根据发布的代码覆盖了processOperator方法.此外,我假设您已使用一些PDF流引擎为cm指令注册了操作处理器,并将其与示例PDF一起运行.
鉴于这些假设,很清楚为什么运算符处理器的输出有时仅包含图像大小和位置,但常常包含许多不相关的数据集：
指令cm的作用仅仅是改变当前的变换矩阵,它与绘制位图图像没有直接或唯一的关系！
赋予PDF规范：
Operands
Operator
Descriptiona b c d e f
cm
Modify the current transformation matrix (CTM) by concatenating the specified matrix (see 8.3.2, “Coordinate Spaces”). Although the operands specify a matrix, they shall be written as six separate numbers, not as an array.
(表57 –图形状态运算符– ISO 32000-1)
cm参数不时一次包含图像大小和位置信息的唯一原因是位图绘制运算符将图像绘制到以左下角为原点的1×1区域(以用户空间为单位),并进行拉伸和移动坐标系统,以便该区域最终与结果页面上所需的图像尺寸相对应,PDF处理器通常在绘制图像之前,先使用cm指令相应地修改当前的变换矩阵.
如果他们一步一步完成操作(如上所述,cm将指定的矩阵连接到CTM,不会替换它),并且不使用旋转或类似的技巧,则a和d(第一个和第四个cm参数)确实包含页面上图像的大小(默认用户空间单位)以及e和f(第五和第六cm参数)包含其左下角的坐标.
如何正确做
因此,不仅要查看cm参数,还必须
>解析有问题的内容流,
>计算应用于CTM的所有矩阵的级联(还跟踪中间q和Q指令的影响),以及
>当发生位图图像资源的Do指令时,检索当前变换矩阵的值.
幸运的是,如果允许的话,PDFBox已经为您做了所有繁重的工作,比照.的PrintImageLocations示例
>(对于PDFBox 1.8.13)https://svn.apache.org/repos/asf/pdfbox/tags/1.8.13/examples/src/main/java/org/apache/pdfbox/examples/util/PrintImageLocations.java
>(对于PDFBox 2.0.3)https://svn.apache.org/repos/asf/pdfbox/tags/2.0.3/examples/src/main/java/org/apache/pdfbox/examples/util/PrintImageLocations.java
关于你的问题
就PDF坐标系而言,您在“ personal_photo_enhancement.pdf”第2页上获得的坐标是正确的. Photoshop可能使用了不同的坐标系,或者您检查了错误的图像角.
您在第17页的“ example.pdf”中获得了很多输出,因为PDF使用CTM操纵不仅用于图像大小和位置定位,还用于其他效果,主要用于平移坐标系原点.此外,该页面上的图像不是位图.因此,它的位置和大小都不简单.