使用 Ghostscript 从 Postscript 文件中创建仅包含文本且不包含图像的 TIFF

Question

是否可以从 postscript 文件（从具有可读文本和图像的 pdf 文档创建）创建 tiff 文件到没有图像而只有文本的 tiff 文件？

比如添加一个最大缓冲区，这样图像就会被删除，只剩下文本？

如果文本周围的框和线也可以被删除，那就太棒了。

此致！

Answer 1

您可以重新定义各种“图像”运算符，以便它们不执行任何操作：

/image {
 type /dicttype eq not { % uses up argument, only one if dict form
   pop pop pop pop   % remove the arguments for the non-dictionary form.
 } ifelse
} bind def

/imagemask {
 type /dicttype eq not { % uses up argument, only one if dict form
   pop pop pop pop   % remove the arguments for the non-dictionary form.
 } ifelse
} bind def

/colorimage {
  type /integertype eq {
    pop                  % multi
    0 1 3 -1 roll {pop} for % one for each colour component
  } {
    pop pop pop
  } ifelse
} bind def

将其另存为文件，并将该文件添加到您的 GS 调用中。

您可以通过重新定义笔画操作符来类似地删除线条：

/stroke {
  newpath
} bind def

直笔画更难，如果您需要的话，我建议您阅读 PLRM。

也可能是填充操作员：

/fill {
  newpath
} bind def

/eofill {
  newpath
} bind def

小心！有些文本不是使用文本“显示”运算符绘制的，而是由线条构造而成，或绘制为图像。如果您重新定义如上所示的运算符，这些技术将会失效。

请注意，PDF 解释器通常不允许重新定义运算符，因此您可能首先必须使用 ps2write 设备将 PDF 文件转换为 PostScript，然后通过 GS 运行生成的文件以获得 TIFF 文件。

Answer 2

gs -sDEVICE=bitrgbtags -o out.tags <myfile>

将创建一个带有标签的 ppm 文件 - 标签将每个像素标记为文本、矢量、图像等。

然后您可以使用 Ghostpdl/tools/GOT 中的 C 程序来处理图像。听起来您想编写一个新的 C 程序来将每个非文本像素设置为背景颜色或可能只是白色，这非常简单，以 GOT 子目录中的示例 C 程序作为指导（如果您是程序员） 。然后将 ppm 转换为 tiff。 Ken 提供了一种不需要像素处理的不同方法。