如何在Python中检查PDF页面是否为彩色的？

Question

我有包含N个页数的PDF。如何计算彩色和非彩色(黑白)页面？

例如:如果我给100页PDF文件作为输入，它应该说X页数是彩色的，Y页数是非彩色的。

Answer 1

您可以将PDF格式转换为图像(例如，使用pdf2image)，然后分析不同的通道。例如，使用HSV时，如果页面仅包含黑白，则H和S通道应为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

给我一个例子sw=1和color=1的一个网站的黑色文本和一侧的红色文本，每个白色背景的pdf示例。

如果背景不是全白而文本是全黑的(例如扫描的PDF)，您可能需要搜索小于一部分像素的hsv_sum0:1。