☰

Как преобразовать цветной PDF-файл в черно-белый?

tag-icon • tag-icon pdf imagemagick ghostscript color-management
Как преобразовать цветной PDF-файл в черно-белый?

Я хотел бы преобразовать pdf с некоторым цветным текстом и изображениями в другой pdf с только черно-белым текстом, чтобы уменьшить его размеры. Более того, я хотел бы сохранить текст как текст, не преобразовывая элементы страниц в изображения. Я попробовал следующую команду:

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

найдено в другом вопросе,ссылка, но он делает то, чего я не хочу: текст на выходе преобразуется в плохое изображение и больше не может быть выбран. Я попробовал с 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

но он выдает мне следующее сообщение об ошибке:

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

Есть ли другой способ создать файл?

решение1

Пример gs

Команда gs, которую вы запускаете выше, имеет завершающий элемент $1, который обычно предназначен для передачи аргументов командной строки в скрипт. Так что я не уверен, что вы на самом деле пытались сделать, но предполагаю, что вы пытались поместить эту команду в скрипт, 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

И запустите его вот так:

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

Не уверен, как настроить этот скрипт, но он должен быть исполняемым.

$ chmod +x script.sh

Но с этим скриптом определенно что-то не так. Когда я попробовал, то получил эту ошибку:

Неустранимая ошибка: rangecheck в .putdeviceprops

Альтернатива

Вместо этого сценария я бы использовал этот из вопроса SU.

#!/bin/bash

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

Затем запустите его следующим образом:

$ ./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

решение2

Я нашел сценарий.здеськоторый может это сделать. Это требует gsтого, что вы, кажется, имеете, но такжеpdftk. Вы не упомянули свой дистрибутив, но в системах на базе Debian вы сможете установить его с помощью

sudo apt-get install pdftk

Вы можете найти RPM для негоздесь.

После установки pdftkсохраните скрипт как graypdf.shи запустите его следующим образом:

./greypdf.sh input.pdf

Он создаст файл с именем input-gray.pdf. Я включаю весь скрипт здесь, чтобы избежать порчи ссылок:

# 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).

решение3

У меня также были отсканированные цветные pdf-файлы и pdf-файлы в оттенках серого, которые я хотел преобразовать в ч/б. Я попробовал использовать gsскод указан здесь, и качество изображения хорошее, а текст pdf все еще там. Однако этот gs-код преобразует только в оттенки серого (как указано в вопросе) и все еще имеет большой размер файла. convertдает очень плохие результаты при прямом использовании.

Мне нужны были черно-белые pdf с хорошим качеством изображения и небольшим размером файла. Я бы попробовал решение terdon, но не смог попасть pdftkна centOS 7 с помощью yum (на момент написания статьи).

Мое решение использует gsдля извлечения из PDF-файлов BMP в оттенках серого, convertдля преобразования этих BMP-файлов в черно-белый формат и сохранения их в виде файлов TIFF, а затемimg2pdfдля сжатия изображений TIFF и объединения их всех в один PDF-файл.

Я пробовал перейти напрямую в tiff из pdf, но качество не то, поэтому я сохраняю каждую страницу в bmp. Для одностраничного pdf-файла convertотлично подходит преобразование из bmp в pdf. Пример:

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

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

Для нескольких страниц gsможет объединить несколько файлов pdf в один, но img2pdfдает меньший размер файла, чем gs. Файлы tiff должны быть несжатыми в качестве входных данных для img2pdf. Имейте в виду, что для большого количества страниц промежуточные файлы bmp и tiff, как правило, имеют большой размер. pdftkили joinpdfбыло бы лучше, если бы они могли объединять сжатые файлы pdf из convert.

Я думаю, что есть более элегантное решение. Однако мой метод дает результаты с очень хорошим качеством изображения и гораздо меньшим размером файла. Чтобы вернуть текст в черно-белом PDF, запустите OCR еще раз.

Мой скрипт оболочки использует gs, convert и img2pdf. Измените параметры (# страниц, dpi сканирования, порог % и т. д.), перечисленные в начале, по мере необходимости и запустите chmod +x ./pdf2bw.sh. Вот полный скрипт (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

решение4

RHEL6 и RHEL5, которые являются базовыми для Ghostscript на 8.70, не могли использовать формы команды, приведенные выше. Предполагая, что скрипт или функция ожидает файл PDF в качестве первого аргумента "$1", следующее должно быть более переносимым:

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

Где выходной файл будет иметь префикс «grey_».

RHEL6 и 5 могут использоватьУровень совместимости=1.4что намного быстрее, но я стремился к портативности.

Связанный контент