我如何知道 PDF 页面是彩色还是黑白？

Question

给定一组 PDF 文件，其中一些页面是彩色的，其余页面是黑色的。 白色，是否有任何程序可以找出给定页面中哪些是彩色的，哪些是黑色和白色的？ 白色的？ 例如，这在打印论文时很有用，并且只需花费额外的费用来打印彩页。 对于考虑双面打印并将适当的黑白页面发送到彩色打印机（如果其反面接着有彩色页面）的人来说，这是奖励积分。

Answer 1

这是我见过的最有趣的问题之一！ 我同意其他一些帖子的观点，即渲染位图然后分析位图将是最可靠的解决方案。 对于简单的 PDF，这里有一个更快但不太完整的方法。

1. 解析每个 PDF 页面
2. 查找颜色指令（g、rg、k、sc、scn 等）
3. 查找嵌入图像，分析颜色

我下面的解决方案执行 #1 和 #2 的一半。 #2 的另一半是跟进用户定义的颜色，其中涉及查找页面中的 /ColorSpace 条目并对其进行解码——如果您对此感兴趣，请离线联系我，因为它非常可行，但在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";
   }
}

然后是处理每个页面上的颜色指令的辅助渲染器：

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(@_); }

Answer 2

较新版本的 Ghostscript（版本 9.05 及更高版本）包含一个名为 inkcov 的“设备”。 它以青色 (C)、品红色 (M)、黄色 (Y) 和黑色 (K) 值计算每个页面（不是每个图像）的墨水覆盖率，其中 0.00000 表示 0%，1.00000 表示 100%（请参阅< em>检测所有包含颜色的页面）。

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。

要仅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'

Answer 3

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。 如果页面包含颜色，可以使用 -format "%[colorspace]" 选项进行测试，对于我的 PDF 打印的是 Gray 或 RGB 。 恕我直言，identify（或者它在后台使用的任何工具；Ghostscript？）确实根据颜色的呈现来选择颜色空间。

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。如果不使用页面选择，所有页面将折叠为 1，这不是您想要的。

我编写了以下 BASH 脚本，它使用 pdfinfo 来获取页数，然后循环它们。 输出彩色页面。 我还添加了双面文档的功能，您可能还需要非彩色背面页。

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

Answer 4

马丁·沙雷尔的剧本很棒。 它包含一个小错误：它计算包含颜色且直接连续两次的两个页面。 我解决了这个问题。 此外，该脚本现在还可以计算页面数并列出双页打印的灰度页面。 它还打印以逗号分隔的页面，因此输出可以直接用于从 PDF 查看器进行打印。 我已添加代码，但您也可以在此处下载它。

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

Answer 5

ImageMagick 有一些内置的图像比较方法。

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

这里有一些用于 ImageMagick 的 Perl API，所以如果您巧妙地将它们与 PDF 到图像转换器结合起来，您可能会找到一种方法来处理您的黑白图像。 白色测试。

Answer 6

我会尝试这样做，尽管可能还有其他更简单的解决方案，而且我很好奇听到它们，我只是想尝试一下：

1. 循环所有页面
2. 将页面提取到图像
3. 验证颜色范围image

对于页数，您可能可以将翻译，而无需花费太多精力来翻译 Perl。 它基本上是一个正则表达式。 还表示：

r"(/类型)\s?(/页面)[/>\s]"

你只需数一下有多少
该正则表达式出现的次数
在 PDF 文件中，减去您的时间
找到字符串“<>”
（未渲染的空年龄）。

要提取图像，您可以使用 ImageMagick 来执行 那个。 或者参阅此问题。

最后，要确定它是否是黑白的，这取决于您的意思是字面意义上的黑白还是灰度。 对于黑白，所有图像中应该只有黑白。 如果你想看灰度，现在，这确实不是我的专长，但我想你可以看看红色、绿色和蓝色的平均值是否彼此接近，或者原始图像和 灰度转换 两者彼此接近。

希望它能给您一些提示，帮助您走得更远。

Answer 7

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

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：

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 阅读器中轻松获得此页）：

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

Answer 8

这是一个改进的 Bash 单行代码，用于根据 Matteo 的答案检测彩色页面，仅在一行上给出页码：

gs -q -o - -sDEVICE=inkcov file.pdf | grep -vn "^ 0.00000  0.00000  0.00000" | cut -d ':' -f 1 | tr '\n' ' ' && echo

他的原始答案不适用于某些复杂的 PDF，因为 gs 没有 < code>-q 选项很啰嗦，会在某些页面上输出不相关的文本，例如“从 /usr/share/ghostscript/9.52/Resource/Font/D050000L... 加载 D050000L 字体...”。 使用 -q 时，gs 将不会输出页码，但这没关系，因为 gs 无论如何都会按顺序遍历所有页面。

在此答案中，grep 查找所有不以全零开头的行并添加行（=页）号，而 cut 仅选择页码。 如果您想要页码的垂直列表，这就是您所需要的。 额外的 tr 用空格替换换行符，额外的 echo 正确地用换行符结束行。