代码之家 › 专栏 › 技术社区 › Anil

如何知道PDF页面是彩色还是黑白?

printers automation colors pdf parsing

Anil · 技术社区 · 17 年前

给定一组PDF文件,其中一些页面是彩色的,其余的是黑色的;白色,有什么程序可以在给定的页面中找出哪些是彩色的,哪些是黑色的吗;白色?例如,这在打印论文时非常有用,只需额外花费打印彩色页面即可。考虑双面打印,并将适当的黑白页发送到彩色打印机(如果后面是另一面的彩色页)的人将获得加分。

7 回复 | 直到 15 年前

Chris Dolan 17 年前

查找颜色指令(g、rg、k、sc、scn等)
查找嵌入图像,分析颜色

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(@_); }

Community Mohan Dere 8 年前

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(不是每张图像)的墨水覆盖率,其中0.00000表示0%,1.00000表示100%(见 Detecting all pages which contain color ).

$ 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。

要输出包含颜色的页面,请使用这个方便的单行线:

$ 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'

Martin Scharrer 14 年前

可以使用 Image Magick 工具 identify -format "%[colorspace]" 选项,对于我的PDF打印 Gray 或 RGB 依我拙见 (或者它在背景中使用什么工具;Ghostscript?)确实会根据颜色的呈现来选择颜色空间。

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个页面,这不是您想要的。

我编写了以下BASH脚本,该脚本使用 pdfinfo 获取页数,然后循环遍历。输出彩色页面。我还为双面文档添加了一个功能,您可能还需要一个无色的背面页面。

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

iamtimeshift 13 年前

Martin Scharrer的剧本很棒。它包含一个小错误:它计算了两个包含颜色并且直接连续两次的页面。我修好了。此外,脚本现在对页面进行计数,并列出双页打印的灰度页面。此外,它还打印逗号分隔的页面,因此输出可以直接用于从PDF查看器进行打印。我已经添加了代码,但你可以下载 here

时空飞梭

#!/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

Cá´ÊÊ bcherry 17 年前

ImageMagick有一些内置的图像比较方法。

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

Community Mohan Dere 9 年前

我会尝试这样做,尽管可能有其他更简单的解决方案,我很想听听,我只是想试试:

循环浏览所有页面
将页面提取为图像

that said

r“(/Type)\ s?(/Page)[/>\ s]”

你只需要数一下有多少在PDF文件中,减去您的时间找到字符串“<>” (未显示的空白年龄)。

ImageMagick 做 that 。或查看 this question .

最后,要知道它是黑白的,这取决于你是指黑白还是灰度。对于黑白,你应该在所有图像中只有黑白。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彼此接近,或者原始图像和 grayscale converted

Elarion 5 年前

这是Windows的ghostscript解决方案,它需要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 ""

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阅读器轻松获得此页):

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