【fitz+PIL】PDF图片文字颜色加深

0 引言

没错，这是连续剧。女友对上一篇【fitz+OpenCV】去除PDF图片中的水印得到的去水印效果很满意，于是问我可不可以再帮她处理一下另一个PDF文件，我二话不说答应了下来。原PDF文件是一本教材的电子版，每页都是一张图片，和上一篇文章中PDF的类型相同，不过本文中需要解决的问题是，原图中文字颜色太浅，看着费眼睛，如下图所示，需要将文字颜色加深。

1 解决思路及流程

1.1 思路

在大致分析了PDF组成后（其中红色的为笔记标注，和页面图片单独存在），这个问题的解决思路也相当明晰了，便是将每页的图片单独提取出来，对图片进行文字加深处理，这里可以通过增加图片对比度实现（对比度就是画面中明暗部分的亮度比，对比度越高，则图像中明暗部分的差异就越大。根据这一原理，将对比度增大后，原本颜色较深的文字部分将会更深，反之，颜色较浅的背景将会更亮）。

1.2 代码实现

在代码方面中，我们依然采用fitz（pip install PyMuPDF）作为PDF处理库，图片的处理则是基于图像库PIL（pip install pillow）。

首先我们打开待处理的PDF文件，对每页进行遍历，提取每页的图片，为了防止个别页面存在多张图片，又嵌套了个for循环以遍历页内图片。

doc = fitz.open(input_pdf)  # 打开原PDF
for page_num in range(len(doc)):# 获取页面图片page = doc.load_page(page_num)page_imgs = page.get_images()for page_img in page_imgs:xref = page_img[0]img_info = doc.extract_image(xref)img = Image.open(io.BytesIO(img_info["image"]))  # 转换为 PIL Image，方便处理

接下来处理每张图片，factor为对比度值，取1函数返回原图像，如果要增加图像对比度，该参数应大于1.0，本文示例中取3.0。

# 增强图片
enhancer = ImageEnhance.Contrast(img)  # 增强对比度（使文字更清晰）
enhanced_img = enhancer.enhance(factor=contrast)

用增强后的图片替换原图片，这一步仅仅改变了背景图片的信息，不影响前景的笔记标注。其中quality参数用于控制图像的质量，决定图像的体量与清晰度，progressive用于控制是否生成渐进式JPEG，实测该保存方式得到的图片体积更小，dpi参数用于控制图片两个方向的dpi。

# 替换原图片
bio = io.BytesIO()
enhanced_img.save(bio, format=img_info["ext"], quality=50, progressive=True, dpi=(300, 300))
page.replace_image(xref, stream=bio)

最后一步，在所有页面处理完成后，保存输出处理后的PDF。

# 保存PDF
doc.save(output_pdf)
doc.close()

2 完整代码与效果

完整代码如下：

import io
import fitz  # PyMuPDF
from PIL import Image, ImageEnhancedef process_pdf(input_pdf, output_pdf, contrast):doc = fitz.open(input_pdf)  # 打开原PDFfor page_num in range(len(doc)):# 获取页面图片page = doc.load_page(page_num)page_imgs = page.get_images()for page_img in page_imgs:xref = page_img[0]img_info = doc.extract_image(xref)img = Image.open(io.BytesIO(img_info["image"]))  # 转换为 PIL Image，方便处理# 增强图片enhancer = ImageEnhance.Contrast(img)  # 增强对比度（使文字更清晰）enhanced_img = enhancer.enhance(factor=contrast)# 替换原图片bio = io.BytesIO()enhanced_img.save(bio, format=img_info["ext"], quality=50, progressive=True, dpi=(300, 300))page.replace_image(xref, stream=bio)# 保存PDFdoc.save(output_pdf)doc.close()print(f"PDF处理完成！输出文件: {output_pdf}")if __name__ == "__main__":input_pdf = 'example.pdf'output_pdf = 'output.pdf'process_pdf(input_pdf, output_pdf, contrast=3.0)

处理效果如下图所示：

效果还是不错的。

3 总结

该方法和上一篇文章中的方法存在一个共性问题，便是生成的PDF文件体量太大，比原本文件的大了近3~4倍，该问题打算后面有时间研究一下。