Як перетворити кольоровий PDF у чорно-білий?


18

Я хотів би перетворити pdf з кольоровим текстом та зображеннями в інший pdf лише чорно-білим, щоб зменшити його розміри. Крім того, я хотів би зберегти текст як текст, не перетворюючи елементи сторінок у малюнки. Я спробував таку команду:

convert -density 150 -threshold 50% input.pdf output.pdf

знайдено в іншому запитанні, посиланні , але воно робить те, що я не хочу: текст на виході перетворюється в зображення поганого і більше не вибирається. Я спробував з Ghostscript:

gs      -sOutputFile=output.pdf \
        -q -dNOPAUSE -dBATCH -dSAFER \
        -sDEVICE=pdfwrite \
        -dCompatibilityLevel=1.3 \
        -dPDFSETTINGS=/screen \
        -dEmbedAllFonts=true \
        -dSubsetFonts=true \
        -sColorConversionStrategy=/Mono \
        -sColorConversionStrategyForImages=/Mono \
        -sProcessColorModel=/DeviceGray \
        $1

але це дає мені таке повідомлення про помилку:

./script.sh: 19: ./script.sh: output.pdf: not found

Чи є інший спосіб створити файл?


Це виглядає так добре superuser.com/questions/200378/…
slackmart


Обережно, використовуючи деякі суперпопулярні підходи, вони перетворюють PDF у растерізовану версію, тому це вже не векторна графіка.
slm

1
Це весь сценарій, яким ви керували? Це не схоже на це, чи можете ви опублікувати весь сценарій?
terdon

Відповіді:


23

Приклад gs

gsКоманда , яку ви біжите вище , має завершальну , $1який , як правило , призначені для передачі аргументів командного рядка в сценарій. Тож я не впевнений, що ви насправді намагалися, але я здогадуюсь, що ви намагалися вкласти цю команду в сценарій script.sh:

#!/bin/bash

gs      -sOutputFile=output.pdf \
        -q -dNOPAUSE -dBATCH -dSAFER \
        -sDEVICE=pdfwrite \
        -dCompatibilityLevel=1.3 \
        -dPDFSETTINGS=/screen \
        -dEmbedAllFonts=true \
        -dSubsetFonts=true \
        -sColorConversionStrategy=/Mono \
        -sColorConversionStrategyForImages=/Mono \
        -sProcessColorModel=/DeviceGray \
        $1

І запустити так:

$ ./script.sh: 19: ./script.sh: output.pdf: not found

Не впевнений, як налаштовувати цей сценарій, але його потрібно виконати.

$ chmod +x script.sh

Щось точно не здається правильним із цим сценарієм. Коли я спробував це, я отримав цю помилку замість цього:

Невиправна помилка: перевірка діапазону в .putdeviceprops

Альтернатива

Замість цього сценарію я б використав цей із питання SU.

#!/bin/bash

gs \
 -sOutputFile=output.pdf \
 -sDEVICE=pdfwrite \
 -sColorConversionStrategy=Gray \
 -dProcessColorModel=/DeviceGray \
 -dCompatibilityLevel=1.4 \
 -dNOPAUSE \
 -dBATCH \
 $1

Потім запустіть його так:

$ ./script.bash LeaseContract.pdf 
GPL Ghostscript 8.71 (2010-02-10)
Copyright (C) 2010 Artifex Software, Inc.  All rights reserved.
This software comes with NO WARRANTY: see the file PUBLIC for details.
Processing pages 1 through 2.
Page 1
Page 2

Ви маєте рацію, в сценарії щось не так: "щось" у цьому випадку було б, sProcessColorModelщо має бути dProcessColorModelзамість цього.
Сора.

8

Я знайшов тут сценарій, який може це зробити. Це вимагає того, gsщо у вас, здається, є, але також pdftk. Ви не згадали про свій дистрибутив, але в системах на базі Debian, ви повинні мати можливість встановити його

sudo apt-get install pdftk

Ви можете знайти RPM для цього тут .

Після встановлення pdftkзбережіть сценарій як graypdf.shі запустіть так:

./greypdf.sh input.pdf

Це створить файл під назвою input-gray.pdf. Я включаю тут весь сценарій, щоб уникнути гниття посилань:

# convert pdf to grayscale, preserving metadata
# "AFAIK graphicx has no feature for manipulating colorspaces. " http://groups.google.com/group/latexusersgroup/browse_thread/thread/5ebbc3ff9978af05
# "> Is there an easy (or just standard) way with pdflatex to do a > conversion from color to grayscale when a PDF file is generated? No." ... "If you want to convert a multipage document then you better have pdftops from the xpdf suite installed because Ghostscript's pdf to ps doesn't produce nice Postscript." http://osdir.com/ml/tex.pdftex/2008-05/msg00006.html
# "Converting a color EPS to grayscale" - http://en.wikibooks.org/wiki/LaTeX/Importing_Graphics
# "\usepackage[monochrome]{color} .. I don't know of a neat automatic conversion to monochrome (there might be such a thing) although there was something in Tugboat a while back about mapping colors on the fly. I would probably make monochrome versions of the pictures, and name them consistently. Then conditionally load each one" http://newsgroups.derkeiler.com/Archive/Comp/comp.text.tex/2005-08/msg01864.html
# "Here comes optional.sty. By adding \usepackage{optional} ... \opt{color}{\includegraphics[width=0.4\textwidth]{intro/benzoCompounds_color}} \opt{grayscale}{\includegraphics[width=0.4\textwidth]{intro/benzoCompounds}} " - http://chem-bla-ics.blogspot.com/2008/01/my-phd-thesis-in-color-and-grayscale.html
# with gs:
# http://handyfloss.net/2008.09/making-a-pdf-grayscale-with-ghostscript/
# note - this strips metadata! so:
# http://etutorials.org/Linux+systems/pdf+hacks/Chapter+5.+Manipulating+PDF+Files/Hack+64+Get+and+Set+PDF+Metadata/
COLORFILENAME=$1
OVERWRITE=$2
FNAME=${COLORFILENAME%.pdf}
# NOTE: pdftk does not work with logical page numbers / pagination;
# gs kills it as well;
# so check for existence of 'pdfmarks' file in calling dir;
# if there, use it to correct gs logical pagination
# for example, see
# http://askubuntu.com/questions/32048/renumber-pages-of-a-pdf/65894#65894
PDFMARKS=
if [ -e pdfmarks ] ; then
PDFMARKS="pdfmarks"
echo "$PDFMARKS exists, using..."
# convert to gray pdf - this strips metadata!
gs -sOutputFile=$FNAME-gs-gray.pdf -sDEVICE=pdfwrite \
-sColorConversionStrategy=Gray -dProcessColorModel=/DeviceGray \
-dCompatibilityLevel=1.4 -dNOPAUSE -dBATCH "$COLORFILENAME" "$PDFMARKS"
else # not really needed ?!
gs -sOutputFile=$FNAME-gs-gray.pdf -sDEVICE=pdfwrite \
-sColorConversionStrategy=Gray -dProcessColorModel=/DeviceGray \
-dCompatibilityLevel=1.4 -dNOPAUSE -dBATCH "$COLORFILENAME"
fi
# dump metadata from original color pdf
## pdftk $COLORFILENAME dump_data output $FNAME.data.txt
# also: pdfinfo -meta $COLORFILENAME
# grep to avoid BookmarkTitle/Level/PageNumber:
pdftk $COLORFILENAME dump_data output | grep 'Info\|Pdf' > $FNAME.data.txt
# "pdftk can take a plain-text file of these same key/value pairs and update a PDF's Info dictionary to match. Currently, it does not update the PDF's XMP stream."
pdftk $FNAME-gs-gray.pdf update_info $FNAME.data.txt output $FNAME-gray.pdf
# (http://wiki.creativecommons.org/XMP_Implementations : Exempi ... allows reading/writing XMP metadata for various file formats, including PDF ... )
# clean up
rm $FNAME-gs-gray.pdf
rm $FNAME.data.txt
if [ "$OVERWRITE" == "y" ] ; then
echo "Overwriting $COLORFILENAME..."
mv $FNAME-gray.pdf $COLORFILENAME
fi
# BUT NOTE:
# Mixing TEX & PostScript : The GEX Model - http://www.tug.org/TUGboat/Articles/tb21-3/tb68kost.pdf
# VTEX is a (commercial) extended version of TEX, sold by MicroPress, Inc. Free versions of VTEX have recently been made available, that work under OS/2 and Linux. This paper describes GEX, a fast fully-integrated PostScript interpreter which functions as part of the VTEX code-generator. Unless specified otherwise, this article describes the functionality in the free- ware version of the VTEX compiler, as available on CTAN sites in systems/vtex.
# GEX is a graphics counterpart to TEX. .. Since GEX may exercise subtle influence on TEX (load fonts, or change TEX registers), GEX is op- tional in VTEX implementations: the default oper- ation of the program is with GEX off; it is enabled by a command-line switch.
# \includegraphics[width=1.3in, colorspace=grayscale 256]{macaw.jpg}
# http://mail.tug.org/texlive/Contents/live/texmf-dist/doc/generic/FAQ-en/html/FAQ-TeXsystems.html
# A free version of the commercial VTeX extended TeX system is available for use under Linux, which among other things specialises in direct production of PDF from (La)TeX input. Sadly, it���s no longer supported, and the ready-built images are made for use with a rather ancient Linux kernel.
# NOTE: another way to capture metadata; if converting via ghostscript:
# http://compgroups.net/comp.text.pdf/How-to-specify-metadata-using-Ghostscript
# first:
# grep -a 'Keywo' orig.pdf
# /Author(xxx)/Title(ttt)/Subject()/Creator(LaTeX)/Producer(pdfTeX-1.40.12)/Keywords(kkkk)
# then - copy this data in a file prologue.ini:
#/pdfmark where {pop} {userdict /pdfmark /cleartomark load put} ifelse
#[/Author(xxx)
#/Title(ttt)
#/Subject()
#/Creator(LaTeX with hyperref package + gs w/ prologue)
#/Producer(pdfTeX-1.40.12)
#/Keywords(kkkk)
#/DOCINFO pdfmark
#
# finally, call gs on the orig file,
# asking to process pdfmarks in prologue.ini:
# gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 \
# -dPDFSETTINGS=/screen -dNOPAUSE -dQUIET -dBATCH -dDOPDFMARKS \
# -sOutputFile=out.pdf in.pdf prologue.ini
# then the metadata will be in output too (which is stripped otherwise;
# note bookmarks are preserved, however). 

3

У мене також були відскановані кольорові pdfs та pdfs у кольорах сірого, які я хотів перетворити на bw. Я спробував з допомогою gsз кодом , перерахованих тут , і якість зображення гарне з текстом в форматі PDF по- , як і раніше там. Однак, цей gs-код перетворюється лише в масштаб сірого (про що йдеться в запитанні) і все ще має великий розмір файлу. convertпри безпосередньому використанні дає дуже погані результати.

Я хотів, щоб у форматі bw pdfs була хороша якість зображення та невеликий розмір файлу. Я б спробував рішення тердона, але мені не вдалося потрапити pdftkна centOS 7 за допомогою yum (під час написання).

Моє рішення використовує gsдля витягування файлів bmp у градаціях сірого з pdf, convertдля встановлення порогових розмірів цих файлів у bw та збереження їх у вигляді файлів tiff, а потім img2pdf для стиснення зображень tiff та об’єднання їх у один pdf.

Я спробував перейти безпосередньо до tiff з pdf, але якість не однакова, тому я зберігаю кожну сторінку в bmp. Для файлу PDF на одній сторінці convertчудово працює від bmp до pdf. Приклад:

gs -sDEVICE=bmpgray -dNOPAUSE -dBATCH -r300x300 \
   -sOutputFile=./pdf_image.bmp ./input.pdf

convert ./pdf_image.bmp -threshold 40% -compress zip ./bw_out.pdf

Для декількох сторінок gsможна об'єднати кілька файлів PDF в одну, але img2pdfотримає менший розмір файлу, ніж gs. Файли tiff повинні бути нестисненими як вхід до img2pdf. Майте на увазі для великої кількості сторінок, проміжні файли bmp і tiff мають великі розміри. pdftkабо joinpdfбуло б краще, якщо вони можуть об'єднати стислі файли PDF із convert.

Я думаю, є більш елегантне рішення. Однак мій метод дає результати з дуже хорошою якістю зображення та значно меншим розміром файлу. Щоб повернути текст у pw pdf, запустіть OCR ще раз.

Мій скрипт оболонки використовує gs, convert та img2pdf. Змініть параметри (# сторінок, скануйте dpi, поріг% тощо), перелічені на початку, і запускайте chmod +x ./pdf2bw.sh. Ось повний сценарій (pdf2bw.sh):

#!/bin/bash

num_pages=12
dpi_res=300
input_pdf_name=color_or_grayscale.pdf
bw_threshold=40%
output_pdf_name=out_bw.pdf
#-------------------------------------------------------------------------
gs -sDEVICE=bmpgray -dNOPAUSE -dBATCH -q -r$dpi_res \
   -sOutputFile=./%d.bmp ./$input_pdf_name
#-------------------------------------------------------------------------
for file_num in `seq 1 $num_pages`
do
  convert ./$file_num.bmp -threshold $bw_threshold \
          ./$file_num.tif
done
#-------------------------------------------------------------------------
input_files=""

for file_num in `seq 1 $num_pages`
do
  input_files+="./$file_num.tif "
done

img2pdf -o ./$output_pdf_name --dpi $dpi_res $input_files
#-------------------------------------------------------------------------
# clean up bmp and tif files used in conversion

for file_num in `seq 1 $num_pages`
do
  rm ./$file_num.bmp
  rm ./$file_num.tif
done

1

RHEL6 та RHEL5, які мають базовий сценарій Ghostscript на 8.70, не могли використовувати форми команди, наведеної вище. Якщо припустити сценарій або функцію, що очікує PDF-файл як перший аргумент "$ 1", наступне має бути більш портативним:

gs \
    -sOutputFile="grey_$1" \
    -sDEVICE=pdfwrite \
    -sColorConversionStrategy=Mono \
    -sColorConversionStrategyForImages=/Mono \
    -dProcessColorModel=/DeviceGray \
    -dCompatibilityLevel=1.3 \
    -dNOPAUSE -dBATCH \
    "$1"

Де вихідний файл буде префіксом "grey_".

RHEL6 і 5 можуть використовувати CompatibilityLevel = 1.4, що набагато швидше, але я прагнув переносимості.


Деви кажуть ( 1 , 2 , 3 , 4 ), що немає sColorConversionStrategyForImagesперемикача.
Ігор

Дякую, @Igor - я не маю уявлення, звідки я взяв цей фрагмент! Я знаю на факт, що я тестував це, і він працював у той час . (І це, люди, тому ви завжди повинні надавати посилання на свій код.)
Багатий

1
Цей "фальшивий параметр" здається неймовірно популярним в Інтернеті. GS ігнорує невідомі комутатори (що сумно), так що це все одно працює.
Ігор

1

Я отримую достовірні результати очищення відсканованих PDF-файлів, щоб добре контрастувати з цим сценарієм;

#!/bin/bash
# 
# $ sudo apt install poppler-utils img2pdf pdftk imagemagick
#
# Output is still greyscale, but lots of scanner light tone fuzz removed.
#

pdfimages $1 pages

ls ./pages*.ppm | xargs -L1 -I {} convert {}  -quality 100 -density 400 \
  -fill white -fuzz 80% -auto-level -depth 4 +opaque "#000000" {}.jpg

ls -1 ./pages*jpg | xargs -L1 -I {} img2pdf {} -o {}.pdf

pdftk pages*.pdf cat output ${1/.pdf/}_bw.pdf

rm pages*
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.