作者：某某白米飯

來源：Python 技術(shù)

網(wǎng)上下載的 pdf 學(xué)習(xí)資料有一些會帶有水印，非常影響閱讀。比如下面的圖片就是在 pdf 文件上截取出來的。

安裝模塊

PIL：Python Imaging Library 是 python 上非常強大的圖像處理標(biāo)準(zhǔn)庫，但是只能支持 python 2.7，于是就有志愿者在 PIL 的基礎(chǔ)上創(chuàng)建了支持 python 3的 pillow，并加入了一些新的特性。

pip install pillow

pymupdf 可以用 python 訪問擴展名為*.pdf、.xps、.oxps、.epub、.cbz或*.fb2的文件。還支持了許多流行的圖像格式，包括多頁TIFF圖像。

pip install PyMuPDF

導(dǎo)入需要用到的模塊

from PIL import Image
from itertools import product import fitz import os

獲取圖片的 RGB

pdf 去水印的原理和圖片去水印的原理差不多，小編先從去除上面那張圖片的水印開始。

學(xué)過計算機的小伙伴們都知道 ，計算機中用 RGB 代表紅綠藍，用 (255, 0, 0) 表示紅色，(0, 255, 0) 表示綠色，(0, 0, 255) 表示藍色，(255, 255, 255) 表示白色，(0, 0, 0) 表示黑色，去水印的原理就是將水印的顏色變成白色(255, 255, 255)。

首先獲取圖片寬和高，用 itertools 模塊獲取寬和高的笛卡爾積作為像素點。每個像素點的顏色都由 前三位的 RGB 和 第四位的 Alpha 通道構(gòu)成。Alpha 通道不需要，只要 RGB 數(shù)據(jù)。

def remove_img(): image_file = input("請輸入圖片地址：") img = Image.open(image_file) width, height = img.size for pos in product(range(width), range(height)): rgb = img.getpixel(pos)[:3] print(rgb) 

圖片去水印

用微信截圖的方式查看水印像素點的 RGB。

可以看到水印的 RGB 是 (210, 210, 210)，這里用 RGB 的和超過 620 就判定是水印點，此時將像素顏色替換為白色。最后保存圖片。

rgb = img.getpixel(pos)[:3] if(sum(rgb) >= 620):
    img.putpixel(pos, (255, 255, 255))

img.save('d:/qsy.png')

示例結(jié)果：

PDF 去水印

PDF 去水印的原理和圖片去水印的原理大致相同，用 PyMuPDF 打開 pdf 文件后，將 pdf 的每一頁都轉(zhuǎn)換為圖片 pixmap，pixmap 有它自己的 RGB，只需要將 pdf 水印中的 RGB 改為(255, 255, 255) 最后保存為圖片。

def remove_pdf():
    page_num = 0 pdf_file = input("請輸入 pdf 地址：")
    pdf = fitz.open(pdf_file); for page in pdf:
        pixmap = page.get_pixmap() for pos in product(range(pixmap.width), range(pixmap.height)):
            rgb = pixmap.pixel(pos[0], pos[1]) if(sum(rgb) >= 620):
                pixmap.set_pixel(pos[0], pos[1], (255, 255, 255))
        pixmap.pil_save(f"d:/pdf_images/{page_num}.png") print(f"第{page_num}水印去除完成")
        page_num = page_num + 1 

示例結(jié)果：

圖片轉(zhuǎn)為 pdf

圖片轉(zhuǎn) pdf 需要注意的是圖片的排序，數(shù)字文件名必須先轉(zhuǎn)換為 int 類型后排序。用 PyMuPDF 模塊打開圖片后將圖片用 convertToPDF() 函數(shù)轉(zhuǎn)成單頁的 pdf。插入到新的 pdf 文件中。

def pic2pdf():
    pic_dir = input("請輸入圖片文件夾路徑：")
    
    pdf = fitz.open()
    img_files = sorted(os.listdir(pic_dir),key=lambda x:int(str(x).split('.')[0])) for img in img_files: print(img)
        imgdoc = fitz.open(pic_dir + '/' + img)  
        pdfbytes = imgdoc.convertToPDF()   
        imgpdf = fitz.open("pdf", pdfbytes)
        pdf.insertPDF(imgpdf)       
    pdf.save("d:/demo.pdf")         
    pdf.close()

總結(jié)

pdf 和圖片上惱人的水印終于可以在強大的 python 面前消失了。小伙伴們學(xué)會了嗎？