web-dev-qa-db-ja.com

PDFページがカラーか白黒かを知るにはどうすればよいですか？

PDFファイルのうち、一部のページがカラーで残りが白黒のファイルがある場合、指定されたページの中からカラーで白黒のファイルを見つけるプログラムはありますか？これは、たとえば、論文を印刷し、カラーページを印刷するために余分に費やす場合に便利です。両面印刷を考慮し、適切な白黒ページをカラープリンターに送信した場合のボーナスポイント反対側にはカラーページが続きます。

parsingpdfcolorsautomationprinters
59
Anil

これは私が見た中で最も興味深い質問の1つです。ビットマップにレンダリングしてからビットマップを分析することが最も信頼できるソリューションになるという他のいくつかの投稿に同意します。単純なPDFの場合、これは高速ですが完全ではないアプローチです。

  1. 各解析PDFページ
  2. カラーディレクティブを探す（g、rg、k、sc、scnなど）
  3. 埋め込まれた画像を探し、色を分析する

以下の私のソリューションは＃1と＃2の半分を行います。 ＃2の残りの半分は、ユーザー定義の色をフォローアップすることです。これには、ページ内の/ ColorSpaceエントリを検索してデコードすることが含まれます。これが興味深い場合は、オフラインで連絡してください。 5分。

まずメインプログラム：

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";
   }
}

次に、各ページのカラーディレクティブを処理するヘルパーレンダラーを示します。

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(@_); }
29
Chris Dolan

Ghostscript （バージョン9.05以降）の新しいバージョンには、inkcovと呼ばれる「デバイス」が含まれています。シアン（C）、マゼンタ（M）、イエロー（Y）、ブラック（K）の値で、各ページの（各画像ではなく）インクカバレッジを計算します。0.00000は0％、1.0000は100％を意味します（色を含むすべてのページを検出）.

例えば：

$ 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

CMY値が0でない場合、ページはカラーです。

色を含むページを出力するには、次の便利なワンライナーを使用します。

$ 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'
16
Matteo

Image Magick ツールidentifyを使用できます。 PDFページで使用すると、最初にページがラスターイメージに変換されます。ページに色が含まれているかどうかは、-format "%[colorspace]"オプション、私のPDFはGrayまたはRGBのいずれかを印刷します。IMHOidentify（またはバックグラウンドで使用するツール） ; Ghostscript？）は、色の存在に応じて色空間を選択します。

例は次のとおりです。

identify -format "%[colorspace]" $FILE.pdf[$PAGE]

ここで、PAGEは1ではなく0から始まるページです。ページ選択を使用しないと、すべてのページが1つに折りたたまれます。

pdfinfoを使用してページ数を取得し、それらをループする次のBASHスクリプトを作成しました。カラーのページを出力します。また、両面のドキュメントの機能も追加しました。この場合、色のない裏面ページも必要になる可能性があります。

出力されたスペース区切りのリストを使用して、色付きのPDFページをpdftkを使用して抽出できます：

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
15
Martin Scharrer

マーティン・シャーラーのスクリプトは素晴らしいです。マイナーなバグが含まれています：色が含まれている2つのページが数えられ、直接2回連続しています。直した。さらに、スクリプトはページをカウントし、2ページ印刷用のグレースケールページをリストします。また、カンマ区切りのページを印刷するため、出力をPDFビューアからの印刷に直接使用できます。コードを追加しましたが、ダウンロードできます こちら =も。

乾杯、タイムシフト

#!/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
3
iamtimeshift

ImageMagickには、画像比較のための組み込みメソッドがいくつかあります。

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

ImageMagickにはいくつかのPerl APIがあるため、これらをPDF to Imageコンバーター）と巧妙に組み合わせれば、白黒のテストを行う方法を見つけることができます。

2
Cᴏʀʏ

他にも簡単な解決策があるかもしれませんが、聞いてみたいと思っていますが、試してみたいだけです。

  1. すべてのページをループする
  2. ページを画像に抽出する
  3. 画像の色範囲を確認する

ページ数については、おそらくPerlにあまり労力をかけずに that を変換できます。基本的には正規表現です。 said でもある：

r "（/タイプ）\ s？（/ページ）[/>\s]"

PDFファイルでこの正規表現が発生する回数から、文字列 "<>"（レンダリングされない空の年齢）が見つかる回数を引いた数）を数えるだけです。

画像を抽出するには、 ImageMagick を使用して that を実行します。または この質問 を参照してください。

最後に、それが白黒かどうかを知るには、文字通り白黒かグレースケールかを判断します。白黒の場合は、すべての画像に白黒のみが含まれている必要があります。グレースケールを表示したい場合は、今のところ私の専門ではありませんが、赤、緑、青の平均が互いに近いか、または元の画像と グレースケールが変換されているか） 1つは互いに近接しています。

それがあなたがさらに進むのを助けるいくつかのヒントを与えることを願っています。

2
lpfavreau