如何檢查 Python 中的 PDF 頁面是否着色？

Question

我有包含 N 頁數的 PDF。 我如何計算彩色和非彩色（黑白）頁面。

示例：如果我給 100 頁 PDF 文件作為輸入，它應該說 X 頁是彩色的，y 頁是非彩色的。

Answer 1

您可以將 PDF 轉換為圖像（例如使用 pdf2image），然后分析不同的通道。 例如，使用 HSV，如果頁面僅包含黑白，則 H 和 S 通道應為 0 或接近 0。

import pdf2image
import numpy as np

images = convert_from_path('example.pdf')
sw=0
color=0
for image in images:
    img = np.array(image.convert('HSV'))
    hsv_sum = img.sum(0).sum(0)
    if hsv_sum[0] == 0 and hsv_sum[1] == 0:
        sw += 1
    else:
        color += 1

給我 sw=1 和 color=1 例如 pdf 一個站點黑色文本和一側紅色文本，每個在白色背景上。

如果背景不是全白且文本全黑（例如掃描的 PDF），您可能需要搜索小於部分像素的 hsv_sum[0:1]。