今天介紹下用 Python 去除 PDF （圖片）的水印。思路很簡單，代碼也很簡潔。

首先來考慮 Python 如何去除圖片的水印，然后再將思路復(fù)用到 PDF 上面。

這張圖片是前幾天整理《數(shù)據(jù)結(jié)構(gòu)和算法》PDF里的一個(gè)截圖，帶著公眾號的水印。

從上圖可以明顯看到，為了不影響閱讀正文，水印顏色一般比較淺。因此，我們可以利用顏色差這個(gè)特征來去掉水印。即：用 Python 讀取圖片的顏色，并將淺顏色部分變白。

Python 標(biāo)準(zhǔn)庫 PIL 可以獲取圖片的顏色，Python2 是系統(tǒng)自帶的，Python3 需要自己安裝，我用的 Python 3.8，需要執(zhí)行以下

命令安裝

pip install pillow

安裝完成，讀取圖片，并獲取圖片的尺寸（寬度和高度）

from PIL import Image

img = Image.open('watermark_pic.png')
width, height = img.size

進(jìn)行下一步之前，先簡單介紹下計(jì)算機(jī)里關(guān)于顏色的知識。光學(xué)三原色是紅綠藍(lán)（RGB），也就是說它們是不可分解的三種基本顏色，其他顏色都可以通過這三種顏色混合而成，三種顏色等比例混合就是白色，沒有光就是黑色。

在計(jì)算機(jī)中，可以用三個(gè)字節(jié)表示 RGB 顏色，1個(gè)字節(jié)能表示的最大數(shù)值是 255， 所以，(255, 0, 0)代表紅色，(0, 255, 0)代表綠色，(0, 0, 255)代表藍(lán)色。相應(yīng)地，(255, 255, 255)代表白色，(0, 0, 0)代表黑色。從(0, 0, 0) ~ (255, 255, 255) 之間的任意組合都可以代表一個(gè)不同的顏色。

接下來我們可以通過下面代碼讀取圖片的 RGB

for i in range(width):
    for j in range(height):
        pos = (i, j)
        print(img.getpixel(pos)[:3])

圖片每個(gè)位置顏色由四元組表示，前三位分別是 RGB，第四位是 Alpha 通道，我們不需要關(guān)心。

有了 RGB ，我們就可以對其修改。

從圖中可以發(fā)現(xiàn)，水印的 RGB 是 #d9d9d9，這里是用十六進(jìn)制表示的，其實(shí)就是(217, 217, 217)。

這三個(gè)顏色值都越靠近 255，顏色就越淡，當(dāng)它們都變成 255，也就成了白色。所以只要 RGB 都大于 217 的位置，我們都可以給它填成白色。即：RGB 三位數(shù)之和大于等于 651。

if sum(img.getpixel(pos)[:3]) >= 651:
    img.putpixel(pos, (255, 255, 255))

完整代碼如下：

from PIL import Image

img = Image.open('watermark_pic.png')
width, height = img.size

for i in range(width):
    for j in range(height):
        pos = (i, j)
        if sum(img.getpixel(pos)[:3]) >= 651:
            img.putpixel(pos, (255, 255, 255))

img.save('watermark_removed_pic.png')

有了上面的基礎(chǔ)，去除 PDF 的水印就簡單了，思路是將每頁 PDF 轉(zhuǎn)成圖片，然后修改水印的 RGB，最后輸出圖片即可。

安裝 pymupdf 庫，用來來操作 PDF

pip install pymupdf

讀取 PDF，并轉(zhuǎn)圖片

import fitz

doc = fitz.open("數(shù)據(jù)結(jié)構(gòu)和算法手冊@公眾號渡碼.pdf")
for page in doc:
    pix = page.get_pixmap()

該 PDF 共 480 頁，所以需要遍歷每一頁，并獲取每一頁對應(yīng)的圖片pix。pix對象類似于我們上面看到的img對象，可以讀取、修改它的 RGB。

page.get_pixmap() 這個(gè)操作是不可逆的，即能夠?qū)崿F(xiàn)從 PDF 到圖片的轉(zhuǎn)換，但修改圖片 RGB 后無法應(yīng)用到 PDF 上，只能輸出為圖片。

修改水印 RGB 跟剛才一樣，區(qū)別是這里的 RGB 是一個(gè)三元組，沒有 Alpha 通道，代碼如下：

from itertools import product

for pos in product(range(pix.width), range(pix.height)):
    if sum(pix.pixel(pos[0], pos[1])) >= 651:
        pix.set_pixel(pos[0], pos[1], (255, 255, 255))

完整代碼如下：

from itertools import product
import fitz


doc = fitz.open("數(shù)據(jù)結(jié)構(gòu)和算法手冊@公眾號渡碼.pdf")

page_no = 0
for page in doc:
    pix = page.get_pixmap()

    for pos in product(range(pix.width), range(pix.height)):
        if sum(pix.pixel(pos[0], pos[1])) >= 651:
            pix.set_pixel(pos[0], pos[1], (255, 255, 255))

    pix.pil_save(f"pdf_pics/page_{page_no}.png", dpi=(30000, 30000))

    print(f'第 {page_no} 頁去除完成')
    page_no += 1

這種方案是有缺點(diǎn)的，第一，輸出并非 PDF 格式；第二，輸出的圖片比較模糊，后續(xù)還有待優(yōu)化，最好是能直接修改 PDF。

到此這篇關(guān)于Python去除PDF水印的實(shí)現(xiàn)示例的文章就介紹到這了,更多相關(guān)Python去除PDF水印內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論