Bilder aus einem PDF extrahieren (keine Seitenscreenshots)

Ein Lieferant schickt einen 40-seitigen Katalog, und Sie brauchen daraus nur die Produktfotos. Jedes einzeln abzufotografieren kostet Auflösung, und wer das PDF in JPG umwandelt, bekommt ganze Seiten mit eingebranntem Text. Gewollt sind die Bilder selbst: die Dateien, die jemand ins Dokument gezogen hat, bevor er es exportiert hat.

Bilder extrahieren ist nicht Seiten umwandeln

Das sind zwei verschiedene Aufgaben, und die Werkzeugnamen klingen fast gleich. Deshalb kurz der Unterschied.

• PDF in JPG rendert jede Seite als ein flaches Bild. Text, Fotos, Seitenzahlen und alles andere, in der Auflösung, die Sie angeben.
• Bilder extrahieren greift in die Datei hinein und holt die einzelnen eingebetteten Bilder heraus, jedes als eigene Datei, in genau der Auflösung, in der es gespeichert wurde.

Unterwegs wird nichts neu kodiert. Ein Foto mit 3000×2000 Pixeln kommt mit 3000×2000 Pixeln zurück, auch wenn es im Layout auf Briefmarkengröße geschrumpft war: Das PDF hat das vollständige Bild behalten und es nur klein angezeigt. Das ist oft eine angenehme Überraschung, weil die Bilder größer sind, als sie auf der Seite aussahen.

Was im ZIP landet

Alles kommt in einem einzigen ZIP zurück, damit Sie nicht 60 Downloads anklicken. Jede Datei ist nach ihrer Seite benannt, in der Reihenfolge ihres Auftretens, also ist page7_23_Im4.png das vierte Bildobjekt auf Seite 7. Sortiert man den Ordner nach Namen, liegen die Bilder in Lesereihenfolge, was das Zuordnen zum Dokument einfach macht.

Die Formate sind die, die im PDF gespeichert waren, meist PNG oder JPG. Es können mehr Dateien sein als erwartet: ein Seitenhintergrund, ein in jeder Kopfzeile wiederholtes Logo, eine Haarlinie, die als Zwei-Pixel-Bild abgelegt wurde. Kurz durchsehen und löschen ist besser, als jede Datei für ein Foto zu halten.

Wenn das gewünschte Bild nicht herauskommt

Das Werkzeug findet nur Rasterbilder, also die aus Pixeln. Manches, was auf der Seite wie ein Bild aussieht, ist nicht so gespeichert:

• Als Vektor gezeichnete Logos, Icons und Diagramme. Ein Diagramm aus Illustrator oder aus einem Reporting-Tool ist häufig eine Folge von Zeichenanweisungen und kein Bild. Es gibt kein Bildobjekt zum Herausholen, und das Werkzeug meldet, dass es keines gefunden hat.
• In Streifen zerlegte Fotos. Manche Layoutprogramme schneiden ein großes Bild beim Schreiben des PDFs in waagerechte Bänder. Sie bekommen die Bänder, in der richtigen Reihenfolge, und müssen sie wieder zusammensetzen.
• Im Layout beschnittene Bilder. Der Beschnitt ist eine Anzeigeanweisung, Sie erhalten also das vollständige Original zurück, samt der Teile, die auf der Seite verdeckt waren.

Für alles aus dem ersten Punkt rendern Sie stattdessen die Seite und beschneiden das Ergebnis. Die Originalauflösung ist dahin, aber eine mit 300 dpi gerenderte Seite eines Vektordiagramms ist scharf genug für eine Präsentation oder ein Dokument.

Scans verhalten sich anders

Stammt das PDF aus einem Scanner oder einer Scan-App, ist jede Seite ein großes Bild. Das Extrahieren liefert genau das: ein Foto pro Seite, den Scan selbst, in der Auflösung, in der gescannt wurde. Das hilft wirklich, wenn Sie die Rohscans aus einem von jemandem zusammengeführten Stapel zurückwollen, und nützt nichts, wenn Sie eine auf der Seite abgedruckte Abbildung isolieren wollten. Dafür extrahieren Sie das Seitenbild und schneiden es zu.

Häufige Fragen

Sind die extrahierten Bilder schlechter als im PDF?

Nein. Die eingebetteten Bilddaten werden unverändert herauskopiert statt neu gespeichert, es gibt also keine zweite Kompressionsrunde. War ein Foto beim Erstellen des Dokuments schon auf 72 dpi gequetscht, bekommen Sie genau das zurück. Das Extrahieren macht es nicht schlechter, kann aber auch keine Details herbeizaubern, die das PDF nie enthielt.

Kann ich nur die Bilder einer einzelnen Seite herausziehen?

Nicht direkt, aber in zwei Schritten: Extrahieren Sie diese Seite zuerst in ein eigenes PDF und lassen Sie darauf die Bildextraktion laufen. Bei einem langen Dokument geht das meist schneller, als sich durch ein ZIP voller Kopfzeilen und Linien zu graben, und die Dateinamen bleiben übersichtlich.