63

给定一组PDF文件，其中一些页面是彩色的，其余页面是黑白的，是否有任何程序可以在给定的页面中找出哪些是彩色的，哪些是黑白的？这将很有用，例如，在打印论文时，只需花费额外的费用来打印彩色页面。考虑到双面打印的人的奖励积分，如果它后面是彩色页面，则将适当的黑白页面发送到彩色打印机。

4

7 回答 7

29

这是我见过的最有趣的问题之一！我同意其他一些帖子，即渲染到位图然后分析位图将是最可靠的解决方案。对于简单的 PDF，这是一种更快但不太完整的方法。

  1. 解析每个 PDF 页面
  2. 查找颜色指令（g、rg、k、sc、scn 等）
  3. 寻找嵌入的图像，分析颜色

我下面的解决方案是#1 和#2 的一半。#2 的另一半是跟进用户定义的颜色，这涉及在页面中查找 /ColorSpace 条目并对其进行解码——如果您对此感兴趣，请离线联系我，因为它非常可行但不是5分钟。

首先是主程序：

use CAM::PDF;

my $infile = shift;
my $pdf = CAM::PDF->new($infile);
PAGE:
for my $p (1 .. $pdf->numPages) {
   my $tree = $pdf->getPageContentTree($p);
   if (!$tree) {
      print "Failed to parse page $p\n";
      next PAGE;
   }
   my $colors = $tree->traverse('My::Renderer::FindColors')->{colors};
   my $uncertain = 0;
   for my $color (@{$colors}) {
      my ($name, @rest) = @{$color};
      if ($name eq 'g') {
      } elsif ($name eq 'rgb') {
         my ($r, $g, $b) = @rest;
         if ($r != $g || $r != $b) {
            print "Page $p is color\n";
            next PAGE;
         }
      } elsif ($name eq 'cmyk') {
         my ($c, $m, $y, $k) = @rest;
         if ($c != 0 || $m != 0 || $y != 0) {
            print "Page $p is color\n";
            next PAGE;
         }
      } else {
         $uncertain = $name;
      }
   }
   if ($uncertain) {
      print "Page $p has user-defined color ($uncertain), needs more investigation\n";
   } else {
      print "Page $p is grayscale\n";
   }
}

然后是处理每个页面上的颜色指令的辅助渲染器：

package My::Renderer::FindColors;

sub new {
   my $pkg = shift;
   return bless { colors => [] }, $pkg;
}
sub clone {
   my $self = shift;
   my $pkg = ref $self;
   return bless { colors => $self->{colors}, cs => $self->{cs}, CS => $self->{CS} }, $pkg;
}
sub rg {
   my ($self, $r, $g, $b) = @_;
   push @{$self->{colors}}, ['rgb', $r, $g, $b];
}
sub g {
   my ($self, $gray) = @_;
   push @{$self->{colors}}, ['rgb', $gray, $gray, $gray];
}
sub k {
   my ($self, $c, $m, $y, $k) = @_;
   push @{$self->{colors}}, ['cmyk', $c, $m, $y, $k];
}
sub cs {
   my ($self, $name) = @_;
   $self->{cs} = $name;
}
sub cs {
   my ($self, $name) = @_;
   $self->{CS} = $name;
}
sub _sc {
   my ($self, $cs, @rest) = @_;
   return if !$cs; # syntax error                                                                                             
   if ($cs eq 'DeviceRGB') { $self->rg(@rest); }
   elsif ($cs eq 'DeviceGray') { $self->g(@rest); }
   elsif ($cs eq 'DeviceCMYK') { $self->k(@rest); }
   else { push @{$self->{colors}}, [$cs, @rest]; }
}
sub sc {
   my ($self, @rest) = @_;
   $self->_sc($self->{cs}, @rest);
}
sub SC {
   my ($self, @rest) = @_;
   $self->_sc($self->{CS}, @rest);
}
sub scn { sc(@_); }
sub SCN { SC(@_); }
sub RG { rg(@_); }
sub G { g(@_); }
sub K { k(@_); }
于 2009-03-15T12:28:39.640 回答
23

较新版本的Ghostscript（9.05 及更高版本）包括一个名为 inkcov 的“设备”。它以青色 (C)、品红色 (M)、黄色 (Y) 和黑色 (K) 值计算每页（不是每个图像）的墨水覆盖率，其中 0.00000 表示 0%，1.00000 表示 100%（请参阅检测所有包含颜色的页面）。

例如：

$ gs -q -o - -sDEVICE=inkcov file.pdf 
0.11264  0.11605  0.11605  0.09364 CMYK OK
0.11260  0.11601  0.11601  0.09360 CMYK OK

如果 CMY 值不为 0，则页面为彩色。

要仅输出包含颜色的页面，请使用这个方便的 oneliner：

$ gs -o - -sDEVICE=inkcov file.pdf |tail -n +4 |sed '/^Page*/N;s/\n//'|sed -E '/Page [0-9]+ 0.00000  0.00000  0.00000  / d'
于 2015-02-06T15:52:52.737 回答
15

可以使用Image Magick工具identify。如果在 PDF 页面上使用，它首先将页面转换为光栅图像。如果页面包含颜色可以使用-format "%[colorspace]"选项进行测试，对于我的 PDF 打印Gray或者RGB. 恕我直言identify（或它在背景中使用的任何工具；Ghostscript？）确实根据颜色的呈现选择色彩空间。

一个例子是：

identify -format "%[colorspace]" $FILE.pdf[$PAGE]

其中 PAGE 是从 0 开始的页面，而不是 1。如果不使用页面选择，所有页面都将折叠为一，这不是您想要的。

我编写了以下 BASH 脚本，该脚本用于pdfinfo获取页数，然后循环遍历它们。输出彩色页面。我还为双面文档添加了一项功能，您可能还需要非彩色背面页面。

使用输出的空格分隔列表，可以使用以下方法提取彩色 PDF 页面pdftk：

pdftk $FILE cat $PAGELIST output color_${FILE}.pdf

#!/bin/bash

FILE=$1
PAGES=$(pdfinfo ${FILE} | grep 'Pages:' | sed 's/Pages:\s*//')

GRAYPAGES=""
COLORPAGES=""
DOUBLECOLORPAGES=""

echo "Pages: $PAGES"
N=1
while (test "$N" -le "$PAGES")
do
    COLORSPACE=$( identify -format "%[colorspace]" "$FILE[$((N-1))]" )
    echo "$N: $COLORSPACE"
    if [[ $COLORSPACE == "Gray" ]]
    then
        GRAYPAGES="$GRAYPAGES $N"
    else
        COLORPAGES="$COLORPAGES $N"
        # For double sided documents also list the page on the other side of the sheet:
        if [[ $((N%2)) -eq 1 ]]
        then
            DOUBLECOLORPAGES="$DOUBLECOLORPAGES $N $((N+1))"
            #N=$((N+1))
        else
            DOUBLECOLORPAGES="$DOUBLECOLORPAGES $((N-1)) $N"
        fi
    fi
    N=$((N+1))
done

echo $DOUBLECOLORPAGES
echo $COLORPAGES
echo $GRAYPAGES
#pdftk $FILE cat $COLORPAGES output color_${FILE}.pdf
于 2012-04-26T22:11:04.677 回答
3

Martin Scharrer 的剧本很棒。它包含一个小错误：它计算两个包含颜色并且直接连续两次的页面。我修好了。此外，该脚本现在对页面进行计数并列出用于双页打印的灰度页面。它还打印逗号分隔的页面，因此输出可以直接用于从 PDF 查看器打印。我已经添加了代码，但你也可以在这里下载。

干杯，时移

#!/bin/bash

if [ $# -ne 1 ] 
then
    echo "USAGE: This script needs exactly one paramter: the path to the PDF"
    kill -SIGINT $$
fi

FILE=$1
PAGES=$(pdfinfo ${FILE} | grep 'Pages:' | sed 's/Pages:\s*//')

GRAYPAGES=""
COLORPAGES=""
DOUBLECOLORPAGES=""
DOUBLEGRAYPAGES=""
OLDGP=""
DOUBLEPAGE=0
DPGC=0
DPCC=0
SPGC=0
SPCC=0

echo "Pages: $PAGES"
N=1
while (test "$N" -le "$PAGES")
do
    COLORSPACE=$( identify -format "%[colorspace]" "$FILE[$((N-1))]" )
    echo "$N: $COLORSPACE"
    if [[ $DOUBLEPAGE -eq -1 ]]
    then
    DOUBLEGRAYPAGES="$OLDGP"
    DPGC=$((DPGC-1))
    DOUBLEPAGE=0
    fi
    if [[ $COLORSPACE == "Gray" ]]
    then
        GRAYPAGES="$GRAYPAGES,$N"
    SPGC=$((SPGC+1))
    if [[ $DOUBLEPAGE -eq 0 ]]
    then
        OLDGP="$DOUBLEGRAYPAGES"
        DOUBLEGRAYPAGES="$DOUBLEGRAYPAGES,$N"
        DPGC=$((DPGC+1))
    else 
        DOUBLEPAGE=0
    fi
    else
        COLORPAGES="$COLORPAGES,$N"
    SPCC=$((SPCC+1))
        # For double sided documents also list the page on the other side of the sheet:
        if [[ $((N%2)) -eq 1 ]]
        then
            DOUBLECOLORPAGES="$DOUBLECOLORPAGES,$N,$((N+1))"
        DOUBLEPAGE=$((N+1))
        DPCC=$((DPCC+2))
            #N=$((N+1))
        else
        if [[ $DOUBLEPAGE -eq 0 ]]
        then 
                DOUBLECOLORPAGES="$DOUBLECOLORPAGES,$((N-1)),$N"
        DPCC=$((DPCC+2))
        DOUBLEPAGE=-1
        elif [[ $DOUBLEPAGE -gt 0 ]]
        then
        DOUBLEPAGE=0            
        fi                      
        fi
    fi
    N=$((N+1))
done

echo " "
echo "Double-paged printing:"
echo "  Color($DPCC): ${DOUBLECOLORPAGES:1:${#DOUBLECOLORPAGES}-1}"
echo "  Gray($DPGC): ${DOUBLEGRAYPAGES:1:${#DOUBLEGRAYPAGES}-1}"
echo " "
echo "Single-paged printing:"
echo "  Color($SPCC): ${COLORPAGES:1:${#COLORPAGES}-1}"
echo "  Gray($SPGC): ${GRAYPAGES:1:${#GRAYPAGES}-1}"
#pdftk $FILE cat $COLORPAGES output color_${FILE}.pdf
于 2012-11-14T15:30:37.047 回答
2

ImageMagick 有一些用于图像比较的内置方法。

http://www.imagemagick.org/Usage/compare/#type_general

ImageMagick 有一些 Perl API，所以如果您巧妙地将这些 API 与 PDF 到图像转换器结合起来，您可能会找到一种方法来进行黑白测试。

于 2009-03-13T04:31:58.513 回答
2

我会尝试这样做，尽管可能有其他更简单的解决方案，我很想听到它们，我只是想尝试一下：

  1. 循环遍历所有页面
  2. 将页面提取到图像
  3. 验证图像的颜色范围

对于页数，您可能无需花费太多精力就可以将其转换为Perl。它基本上是一个正则表达式。也有人说：

r"(/Type)\s?(/Page)[/>\s]"

您只需计算此正则表达式在 PDF 文件中出现的次数，减去您找到字符串“<>”（未呈现的空年龄）的次数。

要提取图像，您可以使用ImageMagick来执行此操作。或者看到这个问题。

最后，要确定它是否是黑白的，这取决于您的意思是字面上的黑白还是灰度。对于黑白，您应该只在所有图像中使用黑白。如果你想看灰度，现在，这真的不是我的专长，但我想你可以看看红色、绿色和蓝色的平均值是否接近，或者原始图像和灰度转换后的图像是否接近彼此。

希望它能给你一些提示，帮助你走得更远。

于 2009-03-13T04:34:24.873 回答
0

这是适用于 Windows 的 ghostscript 解决方案，它需要来自 GnuWin 的 grep ( http://gnuwin32.sourceforge.net/packages/grep.htm )：

单色（黑白）页面：

gswin64c -q -o - -sDEVICE=inkcov DOCUMENT.pdf | grep "^ 0.00000 0.00000 0.00000" | find /c /v ""

彩页：

gswin64c -q -o - -sDEVICE=inkcov DOCUMENT.pdf | grep -v "^ 0.00000 0.00000 0.00000" | find /c /v ""

总页数（您可以从任何 pdf 阅读器中更轻松地获得这一页）：

gswin64c -q -o - -sDEVICE=inkcov DOCUMENT.pdf | find /c /v ""

于 2020-08-31T18:58:32.260 回答