Pdf 当长度未知时，是否可以使用libtiff对CCITT编码的数据进行解码？

在对这一问题的答复中：

指出libtiff可用于CCITT编码图像的解码。当然，我们必须预先添加TIFF头，以使CCITT流成为有效的TIFF文件

但是，PDF文件中的某些图像是内联图像，虽然它们的宽度、高度和位深度都已给出，但它们的长度没有给出。读取PDF的程序预计将对CCITT流进行解码，读取解码数据的（宽度*高度*深度）位，并且在读取数据后，无论它位于何处，都是内联图像的结尾。然后应该转到下一页标记命令，依此类推

这带来了一个问题。TIFF图像文件目录必须指定图像数据的每个条带中有多少字节，但在解码之前，我们不知道编码数据中有多少字节实际属于图像，但如果不使用libtiff，我们无法解码图像

这里有没有使用libtiff的方法，或者我们需要定制的CCITT过滤代码？

严格来说（是否可以使用libtiff…？），是的。它涉及一些黑客行为，但不是太多

事实：数据将由一个条带组成，因为没有任何偏移信息，所以我们唯一的偏移量是零。我们只需要把这篇文章读进去

事实：该数据是W*H 1位深像素矩阵的压缩

步骤1：估计压缩流的最大可能长度。这大约是W*H的15%，即W=1000和H=1000时，得到150000字节。此值将始终大于实际值。如果我们有一个更好的估计由于找到了适当的EI端图像标签，这是更好的，但不是必要的

步骤2：构建一个“虚拟”TIF文件。这将由形式为

49 49 2a 00 AA BB CC DD

的标题组成，其中0xDDCCBBAA是估计长度加上8；然后是我们估计的数据流；后跟一个TIFF目录

步骤3：TIFF目录将始终具有相同的结构；其中的一些值是偏移量，与IFD位置0xDDCCBBAA无关。引用TIFF 6规范（请注意，字节顺序是颠倒的-摩托罗拉，而不是Intel endian）：

在上面的例子中，0xDDCCBBAA实际上是0014，所有其他偏移量如下

我使用ImageMagick生成的单条TIFFG4图像进行了一些测试，并将

tiffcp

”转换为单条CCITT格式。那里的标题稍有不同（我没有看到规范中所说的软件和日期时间标签）。否则它会检查

我们现在有一个损坏的TIFF图像，其中有一个超长的条带，它在内存中

使用

TIFFClientOpen

，我们可以

尝试读取第一个条带将导致错误和程序中止：

TIFFFillStrip: Read error on strip 0; got 143151 bytes, expected 762826.

通过使用

TIFFSetErrorHandler

和

TIFFSetErrorHandlerExt

我们设置自己来截获此错误，并对其进行解析，从而恢复

143151

信息，而不是中止

我们需要提供对

TIFFClientOpen

的回调，但它们都非常简单：

TIFFReadWriteProc readproc(h, *ptr, n) // copy n bytes from FakeBuffer+pos into ptr, update pos to pos + n, ignore h.
TIFFReadWriteProc writeproc            // Throw an error. We don't write
TIFFSeekProc seekproc                  // update pos appropriately
TIFFCloseProc closeproc                // do nothing
TIFFSizeProc sizeproc                  // return total buffer size
TIFFMapFileProc mapproc                // Set to NULL
TIFFUnmapFileProc unmapproc            // Set to NULL

处理过程确实令人尴尬和费解，但就可行性而言，它是可行的 这是可以做到的

我已经用C语言运行了测试，手动从在线找到的内联图像BI/ID/EI PDF中提取CCITT流，并如上所述读取它

---

如果我有一个确定正确的EI的可靠方法-我已经解释了一个黑客识别EI后的有效PDF操作符，以便这样做，这使我认为可能没有很多更好的方法-我总是可以估计正确的偏移量，并直接从PDF中生成一个正确且可读的TIFF文件，而根本不涉及libtiff。

为什么不能使用流的

Length

属性？（，应该始终存在。）发布一个示例文件，这样我们就可以看到您正在使用的内容。@Phillip不适用于内联图像对象，它直接出现在页面描述中。啊，这让事情变得复杂了。在这件事上确实是相当模糊的。在我看来，似乎禁止在二进制数据中包含EI运算符，这意味着您可以安全地跳过字节，直到找到“EI”，但这从未明确说明。poppler和pdfjs确实都会先解码CCITT数据，然后才继续跳过字节，直到找到“EI”，这表明您可能需要添加自定义过滤器。请查看tiff加载程序，而不是lib tiff，这可能是您想要的。

TIFFReadWriteProc readproc(h, *ptr, n) // copy n bytes from FakeBuffer+pos into ptr, update pos to pos + n, ignore h.
TIFFReadWriteProc writeproc            // Throw an error. We don't write
TIFFSeekProc seekproc                  // update pos appropriately
TIFFCloseProc closeproc                // do nothing
TIFFSizeProc sizeproc                  // return total buffer size
TIFFMapFileProc mapproc                // Set to NULL
TIFFUnmapFileProc unmapproc            // Set to NULL