摘要

本文介紹了如何使用 Python 中的 PyMuPDF 和 OpenCV 庫來從 PDF 文件中移除水印，并將每個頁面保存為圖像文件的方法。我們將深入探討代碼背后的工作原理，并提供一個簡單的使用示例。

導言

• 簡介：水印在許多 PDF 文件中都很常見，但有時它們可能會干擾文檔的可讀性或美觀性。本文將介紹一種利用 Python 編程語言移除 PDF 水印的方法。
• 目標：本文將介紹一個使用 PyMuPDF 和 OpenCV 庫的 Python 腳本，該腳本可以自動化地將 PDF 文件中(原文件)水印移除，并將每個頁面保存為單獨的圖像文件，然后合成為新的PDF。

背景知識

• PyMuPDF：PyMuPDF 是一個 Python 綁定庫，用于與 MuPDF（一款用于解析和渲染 PDF 文件的開源軟件）進行交互。
• OpenCV：OpenCV 是一個開源計算機視覺庫，提供了許多用于圖像處理和計算機視覺任務的功能。

技術細節

1. remove_watermark 函數

   • 將圖像轉換為 OpenCV 格式。
   • 使用顏色閾值技術尋找特定顏色范圍內的水印區域。
   • 進行膨脹和侵蝕操作以改善水印去除效果。
   • 將圖像轉換回 PIL 格式并返回處理后的圖像。

2. remove_pdf 函數

   • 打開 PDF 文件并設置縮放因子。
   • 遍歷每一頁的內容，將其轉換為圖像格式。
   • 對每個圖像應用 remove_watermark 函數，移除水印。
   • 將處理后的圖像保存到指定文件夾中。

代碼示例

from itertools import product
import fitz  # PyMuPDF
from PIL import Image
import numpy as np
import cv2
import osdef remove_watermark(image, lower_bound, upper_bound):# 轉換為OpenCV格式open_cv_image = np.array(image)open_cv_image = cv2.cvtColor(open_cv_image, cv2.COLOR_RGB2BGR)# 尋找特定顏色范圍內的區域mask = cv2.inRange(open_cv_image, lower_bound, upper_bound)# 膨脹和侵蝕操作，用于改善水印去除效果kernel = np.ones((3, 3), np.uint8)mask = cv2.dilate(mask, kernel, iterations=1)mask = cv2.erode(mask, kernel, iterations=1)open_cv_image[mask != 0] = [255, 255, 255]# 轉換回PIL格式return Image.fromarray(cv2.cvtColor(open_cv_image, cv2.COLOR_BGR2RGB))def remove_pdf(pdf_file, output_folder, dpi=1800):if not os.path.exists(output_folder):os.makedirs(output_folder)zoom = dpi / 72  # 計算縮放因子mat = fitz.Matrix(zoom, zoom)  # 創建縮放矩陣pdf = fitz.open(pdf_file)for page_num, page in enumerate(pdf):pixmap = page.get_pixmap(matrix=mat)  # 使用縮放矩陣提高DPIimg = Image.frombytes("RGB", [pixmap.width, pixmap.height], pixmap.samples)# 定義水印顏色的上下界（需要根據實際情況調整）lower_bound = np.array([168, 168, 168])upper_bound = np.array([172, 172, 172])# 去除水印img = remove_watermark(img, lower_bound, upper_bound)img_path = os.path.join(output_folder, f"{page_num}.png")img.save(img_path, format="PNG")print(f"第{page_num}頁水印去除完成")pdf.close()# 使用示例pdf_path = input("請輸入 PDF 地址：")
output_path = input("請輸入保存處理后的圖片的文件夾地址：")
remove_pdf(pdf_path, output_path)

使用示例

• 輸入要處理的 PDF 文件路徑和輸出文件夾路徑。
• 腳本將自動將水印從 PDF 中移除，并將處理后的圖像保存到指定文件夾中。

?對比前后

去除前

去除后

結論

• 本文介紹了一種使用 Python 編程語言移除 PDF 文件中水印的方法，通過結合 PyMuPDF 和 OpenCV 庫，我們可以輕松地實現這一目標。
• 通過調整代碼中的參數，可以適應不同類型和樣式的水印，從而提高水印移除的準確性和效率。

展望

• 未來可以進一步優化代碼，提高水印移除的速度和穩定性。
• 進一步研究和探索 PDF 處理技術，拓展其在文檔處理領域的應用。

參考資料

• PyMuPDF 官方文檔：鏈接
• OpenCV 官方文檔：鏈接
• Python 官方文檔：鏈接