python - 如何使用 Wand 从二进制字符串创建高分辨率 JPEG

Question

我正在尝试使用 imagemagick 将一些 PDF 转换为高分辨率 jpeg。我正在使用 python 3.62 - 64 位和 wand 0.4.4 开发 win 10、64。在命令行我有:

$ /e/ImageMagick-6.9.9-Q16-HDRI/convert.exe -density 400 myfile.pdf -scale 2000x1000 test3.jpg.

这对我来说效果很好。

在 python 中:

from wand.image import Image

file_path = os.path.dirname(os.path.abspath(__file__))+os.sep+"myfile.pdf"

with Image(filename=file_path, resolution=400) as image:
    image.save()
    image_jpeg = image.convert('jpeg')

这是给我低分辨率的 JPEG。我如何将其转换成我的魔杖代码来做同样的事情？

编辑:

我意识到问题在于输入的 pdf 必须作为二进制字符串读入 Image 对象，因此基于 http://docs.wand-py.org/en/0.4.4/guide/read.html#read-blob我试过:

with open(file_path,'rb') as f:
    image_binary = f.read()

f.close()

with Image(blob=image_binary,resolution=400) as img:
    img.transform('2000x1000', '100%')
    img.make_blob('jpeg')
    img.save(filename='out.jpg')

这可以正常读取文件，但输出被分成 10 个文件。为什么？我需要将其转换为 1 个高分辨率 jpeg。

编辑:

我需要将 jpeg 发送到 OCR api，所以我想知道是否可以将输出写入 object.jpeg 之类的文件。看着https://www.imagemagick.org/api/magick-image.php#MagickWriteImageFile ，我试过了:

emptyFile =  Image(width=1500, height=2000)

with Image(filename=file_path, resolution=400) as image:

    library.MagickResetIterator(image.wand)
    # Call C-API Append method.
    resource_pointer = library.MagickAppendImages(image.wand,
                                                  True)

    library.MagickWriteImagesFile(resource_pointer,emptyFile)

这给出:

 File "E:/ENVS/r3/pdfminer.six/ocr_space.py", line 113, in <module>
test_file = ocr_stream(filename='test4.jpg')
 File "E:/ENVS/r3/pdfminer.six/ocr_space.py", line 96, in ocr_stream
library.MagickWriteImagesFile(resource_pointer,emptyFile)
ctypes.ArgumentError: argument 2: <class 'TypeError'>: wrong type

我怎样才能让它工作？

Answer 1

Why? I need to get this into 1 high res jpeg.

PDF 包含 ImageMagick 将单个图像视为“堆栈”的页面。 wand库提供了一个 wand.image.Image.sequance 来处理每个页面。

但是，要将所有 图像附加到单个 JPEG 中。您可以遍历每个页面并将它们拼接在一起，或者调用 C-API 的方法 MagickAppendImages。

from wand.image import Image
from wand.api import library
import ctypes

# Map C-API not provided by wand library.
library.MagickAppendImages.argtypes = [ctypes.c_void_p, ctypes.c_int]
library.MagickAppendImages.restype = ctypes.c_void_p

with Image(filename="path_to_document.pdf", resolution=400) as image:
    # Do all your preprocessing first
    # Ether word directly on the wand instance, or iterate over each page.
    # ...
    # To write all "pages" into a single image.
    # Reset the stack iterator.
    library.MagickResetIterator(image.wand)                    
    # Call C-API Append method.
    resource_pointer = library.MagickAppendImages(image.wand,
                                                  True)        
    # Write C resource directly to disk.
    library.MagickWriteImages(resource_pointer,                
                              "output.jpeg".encode("ASCII"),
                              False)

更新:

I need to send the jpeg to an OCR api ...

假设您使用 OpenCV 的 python API，您只需要遍历每个页面，并通过 numpy 缓冲区将图像文件数据传递给 OCR。

from wand.image import Image
import numpy
import cv2

def ocr_process(file_data_buffer):
     """ Replace with whatever your OCR-API calls for """
     mat_instance = cv2.imdecode(file_data_buffer)
     # ... work ...

source_image="path_to_document.pdf"
with Image(filename=source_image, resolution=400) as img:
    for page in img.sequence:
        file_buffer = numpy.asarray(bytearray(page.make_blob("JPEG")),
                                    dtype=numpy.uint8)
        ocr_process(file_buffer)

so I was wondering if I could write the output to a file like object

不要假设来自不同库的 python“图像”对象(或带下划线的 C 结构)可以相互比较。

在不知道 OCR api 的情况下，我无法帮助您通过 wand部分，但我可以建议以下之一......

• 使用临时中间文件。 (较慢的 I/O，但更容易学习/开发/调试)

  with Image(filename=INPUT_PATH) as img:
      # work
      img.save(filename=OUTPUT_PATH)
  # OCR work on OUTPUT_PATH
  

• 如果 OCR API 支持，则使用文件描述符。 (同上)

  with open(INPUT_PATH, 'rb') as fd:
      with Image(file=fd) as img:
          # work
          # OCR work ???
  

• 使用 blob。 (更快的 I/O 但需要更多很多内存)

  buffer = None
  with Image(filename=INPUT_PATH) as img:
      # work
      buffer = img.make_blob(FORMAT)
  if buffer:
      # OCR work ???
  

更多更新

将所有评论打包在一起，一个解决方案可能是...

from wand.image import Image
from wand.api import library
import ctypes
import requests

# Map C-API not provided by wand library.
library.MagickAppendImages.argtypes = [ctypes.c_void_p, ctypes.c_int]
library.MagickAppendImages.restype = ctypes.c_void_p

with Image(filename='path_to_document.pdf', resolution=400) as image:
    # ... Do pre-processing ...
    # Reset the stack iterator.
    library.MagickResetIterator(image.wand)
    # Call C-API Append method.
    resource_pointer = library.MagickAppendImages(image.wand, True)
    # Convert to JPEG.
    library.MagickSetImageFormat(resource_pointer, b'JPEG')
    # Create size sentinel.
    length = ctypes.c_size_t()
    # Write image blob to memory.
    image_data_pointer = library.MagickGetImagesBlob(resource_pointer,
                                                     ctypes.byref(length))
    # Ensure success
    if image_data_pointer and length.value:
        # Create buffer from memory address
        payload = ctypes.string_at(image_data_pointer, length.value)
        # Define local filename.
        payload_filename = 'my_hires_image.jpg'
        # Post payload as multipart encoded image file with filename.
        requests.post(THE_URL, files={'file': (payload_filename, payload)})