我如何知道 PDF 页面是彩色还是黑白？

https://stackoverflow.com/questions/641427

22-07-2019
|

题

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找出给定页面中哪些页面是彩色的，哪些页面是黑白的？例如，这在打印论文时很有用，并且只需花费额外的费用来打印彩页。对于考虑双面打印并将适当的黑白页面发送到彩色打印机（如果其反面接着有彩色页面）的人来说，这是加分项。

解决方案

这是我见过的最有趣的问题之一！我同意其他一些帖子的观点，即渲染位图然后分析位图将是最可靠的解决方案。对于简单的 PDF，这里有一个更快但不太完整的方法。

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

我下面的解决方案完成了#1 和#2 的一半。#2 的另一半是跟进用户定义的颜色，其中涉及查找页面中的 /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，但在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";
   }
}

然后这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(@_); }

其他提示

较新的 Ghostscript的（9.05和更高版本）版本包括一个 “装置” 称为inkcov。它可以计算每个页面（未针对每个图像）在青色（C），品红色（M），黄色（Y）和黑色（K）的值，的油墨覆盖，其中0.00000手段0％，1.00000意味着100％（参见< EM> 检测包含颜色的所有网页的）。

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值不是0，则该页面的颜色。

要只输出包含颜色使用这个方便oneliner的网页：

$ 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'

有可能使用难懂的工具identify。如果在PDF页面上用它首先将页面光栅图像。如果所包含的页面颜色可以使用-format "%[colorspace]"选项，这对于我的PDF打印或者Gray或RGB进行测试。恕我直言identify（或什么都工具，它使用的背景; Ghostscript的）。的确取决于颜色的礼物选择的色彩空间。

的一个例子是：

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

其中PAGE是从0开始页开始，而不是1。如果不使用页选择所有页面将被折叠到一个，这是不是你想要的。

我写它使用pdfinfo得到的页数，然后循环在他们下面的bash脚本。输出这是在色彩的页面。我还添加了双面文档功能，您可能需要一个非彩色背面页为好。

使用输出空间分隔的列表着色PDF页面可使用pdftk提取：

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

这是马丁·沙勒的脚本是巨大的。它包含一个小错误：它计算包含颜色，并直接连续两次两页。我固定的。此外，该脚本现在计数的网页，并列出了双分页打印的灰度页面。还它打印逗号分隔的页，所以输出可以直接被用于从PDF查看器打印。我已经添加的代码，但你可以下载这里，太

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

ImageMagick的具有用于图像比较一些内置的方法。

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

有一些Perl的API来ImageMagick的，所以也许如果你巧妙地用PDF格式的图像转换器结合了这些，你可以找到一种方法，做你的黑白测试。

我会尝试这样做，尽管可能还有其他更简单的解决方案，而且我很好奇听到它们，我只是想尝试一下：

循环浏览所有页面
将页面提取为图像
验证图像的颜色范围

对于页数，你可能可以翻译那无需为 Perl 付出太多努力。它基本上是一个正则表达式。这也是说那：

r"(/类型)\s?(/页面)[/>\s]"

您只需要计算该正则表达式在PDF文件中发生多少次，减去您找到字符串“ <>”的时间（未渲染的空年龄）。

要提取图像，您可以使用图像魔术师去做那. 。或者看这个问题.

最后，要确定它是否是黑白的，这取决于您的意思是字面意义上的黑白还是灰度。对于黑白，所有图像中应该只有黑白。如果你想看灰度，现在，这确实不是我的专长，但我想你可以看看红色、绿色和蓝色的平均值是否彼此接近，或者原始图像和灰度转换一个彼此很接近。

希望它能给您一些提示，帮助您走得更远。

许可以下： CC-BY-SA 和归因

不隶属于 StackOverflow