我如何知道PDF页面是彩色还是黑白？

时间：2009-03-13 04:07:13

标签： parsing pdf colors automation printers

给定一组PDF文件，其中一些页面是彩色的，其余的是黑色和白色，是否有任何程序可以在给定的页面中找出颜色，哪些是黑色和＆amp;白色？例如，这可以用于打印论文，并且仅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，并向彩色打印机发送适当的黑白页面（如果后面是对面的彩色页面）。

7 个答案:

答案 0 :(得分：29)

这是我见过的最有趣的问题之一！我同意其他一些渲染到位图的帖子，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. 寻找颜色指示（g，rg，k，sc，scn等）
  3. 查找嵌入图像，分析颜色

    4. 我的解决方案是＃1和＃2的一半。 ＃2的另一半将是跟进用户定义的颜色，这包括查找页面中的/ ColorSpace条目并解码它们 - 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";
   }
}

    然后这是帮助渲染器处理每个页面上的颜色指令：

    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(@_); }

答案 1 :(得分：16)

较新版本的Ghostscript（版本9.05及更高版本）包含＆＃34;设备＆＃34;叫墨水。它计算青色（C），品红色（M），黄色（Y）和黑色（K）值中每页（不是每个图像）的墨水覆盖率，其中0.00000表示0％，而1.00000表示100％（参见< EM> Detecting all pages which contain color 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'

答案 2 :(得分：15)

可以使用Image Magick工具identify。如果在PDF页面上使用，它会首先将页面转换为光栅图像。如果包含颜色的页面可以使用-format "%[colorspace]"选项进行测试，我的PDF打印选项Gray或RGB。恕我直言identify（或它在后台使用的工具; Ghostscript？）确实根据颜色的呈现选择颜色空间。

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.如果未使用页面选择，则所有页面都将折叠为1，这不是您想要的。

我编写了以下BASH脚本，该脚本使用pdfinfo来获取页面数，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个功能，您可能还需要一个非彩色的背面页面。

使用输出的空格分隔列表，可以使用pdftk：

提取彩色PDF页面 
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

答案 3 :(得分：3)

Martin Scharrer的剧本很棒。它包含一个小错误：它包含两个包含颜色的页面，并且直接连续两次。我修好了。此外，脚本现在计算页面并列出双页打印的灰度页面。它还以逗号分隔打印页面，因此输出可以直接用于从PDF查看器打印。我已添加了代码，但您也可以下载here。

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

答案 4 :(得分：2)

ImageMagick有一些内置的图像比较方法。

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

ImageMagick有一些Perl API，所以如果你巧妙地将它们与PDF到图像转换器结合起来，你可以找到一种方法来做你的黑＆amp;白色测试。

答案 5 :(得分：2)

我会尝试这样做，虽然可能还有其他更简单的解决方案，而且我很想听到它们，我只是想尝试一下：

  1. 遍历所有页面
  2. 将页面提取为图像
  3. 验证图像的颜色范围

    4. 对于页数，您可以在不费力的情况下将that翻译成Perl。它基本上是一个正则表达式。它也是said：

      

    R “（/类型）\ S（/页）[/＆GT; \ S]？”

         

    你只需计算多少   这个正则表达式出现的次数   在PDF文件中，减去你的次数   找到字符串“＆lt;＆gt;”   （未呈现的空白年龄）。

    要提取图片，您可以使用ImageMagick执行that。或者查看this question。

    最后，要确定它是黑白还是白色，这取决于你的字面意思是黑白还是灰度。对于黑色和白色，您应该只在所有图像中都有黑色和白色。如果你想看灰度，现在，它真的不是我的专长，但我想你可以看到红色，绿色和蓝色的平均值是否彼此接近，或者原始图像和grayscale converted一个相互接近。

    希望它能提供一些帮助你走得更远的提示。

答案 6 :(得分：0)

这是Windows的ghostscript解决方案，需要GnuWin（http://gnuwin32.sourceforge.net/packages/grep.htm）的grep：

单色（黑白）页面：

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

彩色页面：

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阅读器中轻松获得这一页）：

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

相关问题
最新问题