【Python】PDFをOpenCVで画像処理するための手順まとめ

OpenCV

2022.09.15 2021.08.15

ピーター

PythonでPDFを画像ファイルに変換したい！

今回はPythonでPDFを画像ファイル(PNG/JPEG)に変換し、OpenCVで画像処理をするための手順について、備忘録として記載します。

環境設定/インストール
1. pdf2image/popplerのインストール
2. OpenCVのインストール
PDFファイルをOpenCVで画像処理するまでの手順
1. PDF→PIL型→OpenCV型に変換するサンプルコード
2. 画像ファイルで一旦出力してやりとりする場合
その他の参考記事について
1. pdf2imageの使い方について
  1. PDFにパスワードがかかっている場合の対処法
  2. メモリエラーが発生した場合
2. OpenCVで使える画像処理を知りたい方へ
  1. 詳解 OpenCV 3 ―コンピュータビジョンライブラリを使った画像処理・認識

環境設定/インストール

pdf2image/popplerのインストール

pipでインストールしている場合のコマンド

pip install pdf2image
pip install poppler

OpenCVのインストール

途中のコマンドは省略しますが、OpenCVを使えるようになるコマンドは以下の通りです。

$ bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
$ brew install python
$ brew install opencv
$ pip install opencv-python

macになりますが、その詳細な環境構築方法について紹介しています。

PDFファイルをOpenCVで画像処理するまでの手順

大雑把にPDF ファイルにOpenCVの画像処理をしたい場合は、以下の流れで処理が必要です。

PDFを画像ファイルに変換する
画像ファイルをOpenCV型に変換する

ピーター

PDFからOpenCV型への変換は2段階の処理が必要でした。。。

PDF→PIL型→OpenCV型に変換するサンプルコード

from pathlib import Path
from pdf2image import convert_from_path
import cv2
import numpy as np

out_format = 'png'

### PIL型 => OpenCV型　の変換関数
def pil2opencv(in_image):
    out_image = np.array(in_image, dtype=np.uint8)

    if out_image.shape[2] == 3:
        out_image = cv2.cvtColor(out_image, cv2.COLOR_RGB2BGR)
    
    return out_image

### PDF => OpenCV型　の変換関数
def pdf2opencv(in_pdf_path, out_format = "png"):
    opencv_images = []
    
    ### PDF => PIL
    images = convert_from_path(pdf_path = in_pdf_path, dpi = 300, fmt = out_format)
    
    for image in images:
        ### PIL型 => OpenCV型
        opencv_images.append(pil2opencv(image))
        
    return opencv_images

opencv_images = pdf2opencv('input/test,pdf')