PyMuPDF中图像DPI信息的获取与注意事项

在PDF文档处理过程中，获取嵌入图像的DPI(每英寸点数)信息是一个常见需求。本文基于PyMuPDF项目中的一个实际案例，深入探讨如何正确获取PDF文档中图像的DPI信息，以及开发过程中需要注意的关键点。

关于DPI的基础概念

DPI(Dots Per Inch)是衡量图像分辨率的重要指标，表示每英寸长度内包含的像素点数。在PDF文档中，DPI信息影响着图像在文档中的显示大小和打印质量。然而，PDF规范本身并不强制要求存储图像的原始DPI信息，这为开发者在处理时带来了一定挑战。

PyMuPDF中的DPI获取方法

PyMuPDF提供了多种方式来获取PDF文档中的图像信息，其中get_text("rawdict")方法曾被开发者用来尝试获取图像DPI。然而，这种方法存在以下问题：

1. 该方法返回的xres和yres值固定为96，这是PyMuPDF/MuPDF的默认值
2. 这些值并不反映图像的实际DPI信息
3. 这种设计是MuPDF团队的刻意选择，目的是避免不必要的图像解码开销

正确的DPI获取方法

要准确获取PDF中嵌入图像的DPI信息，应该使用以下方法：

import pymupdf

doc = pymupdf.open("example.pdf")
for page in doc:
    for img in [b for b in page.get_text("dict")["blocks"] if b["type"] == 1]:
        pix = pymupdf.Pixmap(img["image"])
        print(f"水平分辨率: {pix.xres}, 垂直分辨率: {pix.yres}")

这种方法通过创建Pixmap对象来访问图像的实际分辨率信息，能够提供更准确的DPI值。

不同工具的差异

需要注意的是，不同PDF处理工具计算DPI的方式可能不同：

1. PyMuPDF/MuPDF：直接从图像数据中读取嵌入的DPI信息
2. Adobe Acrobat：采用图像宽度与边界框宽度的比值计算DPI
3. 其他工具：可能有各自独特的计算方式

这种差异可能导致同一PDF文档在不同工具中显示不同的DPI值。开发者应当根据具体需求选择合适的工具和方法。

开发建议

1. 明确需求：确定是需要图像的原始DPI信息，还是显示/打印时的有效DPI
2. 方法选择：使用Pixmap方法获取最接近原始图像的DPI信息
3. 结果验证：对于关键应用，建议使用多种工具交叉验证DPI结果
4. 性能考虑：批量处理大量图像时，注意Pixmap创建带来的性能开销

总结

在PyMuPDF中处理PDF图像DPI信息时，开发者应当避免使用get_text("rawdict")方法返回的默认值，而应通过创建Pixmap对象来获取准确的DPI信息。同时，理解不同工具间的计算差异有助于开发出更健壮的PDF处理应用。

随着PyMuPDF的版本更新，相关文档将会进一步明确这些DPI获取方法的适用场景和使用限制，帮助开发者做出更明智的选择。