Extraire les Images Contenues dans un PDF

Un PDF n'est pas un simple fichier image, c'est un conteneur structuré qui décrit sa mise en page sous forme d'objets typés. Le texte est stocké sous forme de chaînes positionnées et liées à une police, les graphiques vectoriels sous forme de chemins, et les images bitmap sous forme d'objets distincts référencés depuis chaque page. Lorsqu'on extrait les images d'un PDF, on n'effectue pas une simple capture du rendu visuel, on lit directement la table des objets et on récupère les données binaires originales. Cette approche préserve la résolution native de chaque image, qui peut être nettement supérieure à ce qui est affiché à l'écran lorsque la page est zoomée à 100 pour cent.

La différence avec une conversion page par page est significative. Une page rasterisée à 300 ppp produit une image unique qui agrège tout le contenu de la page, y compris les fonds, les bordures, les zones de texte et les visuels. L'extraction d'objets isole au contraire chaque image individuellement, ce qui permet de récupérer une photographie en pleine résolution même si elle n'occupe qu'un dixième de la page à l'affichage. Pour les designers qui récupèrent une banque d'images intégrée dans une présentation client, ou pour les architectes qui souhaitent réutiliser les rendus 3D d'un dossier de permis de construire, cette précision change considérablement la qualité du résultat final exploitable.

FixTools parcourt la structure interne du PDF grâce à PDF.js, qui expose les objets graphiques dans une API normalisée. Pour chaque page, le moteur liste les ressources de type image, récupère leur flux binaire et le convertit en JPG si nécessaire. Les images stockées en JPEG natif dans le PDF sont extraites sans recompression, ce qui évite la double perte de qualité. Les images au format propre au PDF, comme les CCITT pour les fax ou les JBIG2 pour la numérisation, sont converties vers un format JPEG standard lisible partout, en préservant au maximum la fidélité visuelle de la source.

L'extraction peut révéler des images qui n'étaient pas immédiatement visibles à la lecture. Un document peut contenir des éléments masqués derrière d'autres calques, des miniatures associées à certaines pages, ou des vignettes incorporées pour la navigation. FixTools liste tout ce qu'il trouve sans filtrer a priori, vous laissant la décision de garder ou de jeter. Cette transparence est utile pour vérifier qu'aucune image confidentielle n'a été laissée dans un PDF avant publication, ou inversement pour récupérer un visuel d'archive que l'on croyait perdu mais qui restait en réalité présent dans la structure interne du document.