Gemini-FigExtractor

这是一个基于 Gemini API 和 PyMuPDF 的智能工具，旨在从学术论文（PDF格式）提取出封面图（如系统架构图、流程图或实验结果图）。

🚀 功能特性

• 智能识别：利用 Gemini 视觉能力理解论文深度语义，寻找最具代表性的视觉内容。
• 精准裁剪：通过模型返回的归一化坐标，利用 PyMuPDF (fitz) 实现像素级无损裁剪。
• 高分解析度：支持自定义缩放倍率（默认 3x）以确保导出的图片清晰。

🛠️ 环境配置

1. 克隆仓库：

   git clone https://github.com/fduTristin/Gemini-FigExtractor.git
   cd pdf-image-extractor

2. 运行安装脚本： 确保你已安装 Python 3.10+，然后执行：

   chmod +x setup.sh
   ./setup.sh

   该脚本将自动创建虚拟环境并安装所需的 Python 包（google-genai, pymupdf 等）。

⚙️ 配置文件

在运行程序之前，你需要配置你的 API 密钥：

1. 打开 config.py。
2. 配置你的 API Key 以及代理（可选）。

📖 使用方法

1. 准备 PDF 文件：将你要处理的论文下载到本地文件夹。

2. 执行程序：

   # 单文件
   python main.py {filepath} -o images/ # 默认保存到 /images/{PDF_NAME}.png
   # 多文件
   python main.py {filedir}