[[436897]]

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，然后再將思路復用到 PDF 上面。

這張圖片是前幾天整理《數(shù)據(jù)結構和算法》PDF里的一個截圖，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 標準庫 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 

進行下一步之前，先簡單介紹下計算機里關于顏色的知識。光學三原色是紅綠藍(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。

在計算機中，可以用三個字節(jié)表示 RGB 顏色，1個字節(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)代表藍色。相應地，(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，這里是用十六進制表示的，其實就是(217, 217, 217)。

這三個顏色值都越靠近 255，顏色就越淡，當它們都變成 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，去除 PDF 的水印就簡單了，思路是將每頁 PDF 轉成圖片，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，并轉圖片

import fitz 
 
 
doc = fitz.open("數(shù)據(jù)結構和算法手冊@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() 這個操作是不可逆的，即能夠實現(xiàn)從 PDF 到圖片的轉換，但修改圖片 RGB 后無法應用到 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)結構和算法手冊@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。

完整代碼回復關鍵詞 gp，找great-programmer/python/python項目/去除水印目錄。

PDF 源文件在great-programmer/數(shù)據(jù)結構與算法/ 目錄。

本文轉載自微信公眾號「渡碼」，可以通過以下二維碼關注。轉載本文請聯(lián)系渡碼公眾號。