如何知道PDF页面是彩色还是黑白？
给定一组PDF文件，其中一些页面是彩色的，其余的是黑白的，在给定的页面中是否有任何程序可以查找是彩色的还是黑白的？ 例如，在打印一篇论文时，这将是有用的，并且只花费额外的费用来打印彩色页面。 对于考虑到双面打印的人员的奖励分数，并且如果在彩色打印机的对面跟着彩页，则发送适当的黑白页面到彩色打印机。
这是我见过的最有趣的问题之一！ 我同意其他一些职位，渲染到位图，然后分析位图将是最可靠的解决scheme。 对于简单的PDF，这是一个更快但不太完整的方法。
- parsing每个PDF页面
- 寻找颜色指令（g，rg，k，sc，scn等）
- 寻找embedded的图像，分析颜色
下面我的解决scheme是＃1和＃2的一半。 ＃2的另一半将跟随用户定义的颜色，这涉及查找页面中的/ ColorSpace条目并解码它们 – 如果这对你很有趣，请联系我，因为它非常可行，但不是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，这是处理每个页面上的颜色指令的助手渲染器：
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(@_); }
可以使用Image Magick工具identify 。 如果在PDF页面上使用，它将首先将页面转换为光栅图像。 如果页面包含的颜色可以使用-format "%[colorspace]"选项进行testing，该选项为我的PDF打印Gray或RGB 。 恕我直言identify （或在背景中使用什么工具; Ghostscript？）确实根据颜色的呈现select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select，则所有页面将被折叠为1，这不是你想要的。
我写了下面的BASH脚本，它使用pdfinfo来获取页面的数量，然后遍历它们。 输出彩色的页面。 我还为双面文档添加了一个function，您可能还需要一个无色的背面页面。
使用输出的空格分隔列表可以使用pdftk提取彩色的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
较新版本的Ghostscript （版本9.05和更高版本）包括名为inkcov的“设备”。 它以青色（C），品红色（M），黄色（Y）和黑色（K）值计算每页（不是每个图像）的油墨覆盖率，其中0.00000表示0％，1.00000表示100％ 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值不是0，那么页面是彩色的。
Martin Scharrer的剧本非常棒。 它包含一个小错误：它包含两个包含颜色的页面，并且直接连续两次。 我解决了这个问题 此外，脚本现在对页面进行计数并列出双页面打印的灰度页面。 此外，它打印逗号分隔的页面，所以输出可以直接用于从PDF阅读器打印。 我已经添加了代码，但是也可以在这里下载。
欢呼声，时间转换
#!/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
ImageMagick有一些内置的图像比较方法。
http://www.imagemagick.org/Usage/compare/#type_general
ImageMagick有一些Perl API，所以如果你巧妙地将这些与PDF转换成图像转换器，你可以find一个方法来做你的黑白testing。
我会尽力做到这一点，虽然可能有其他更简单的解决scheme，我很好奇听到他们，我只是想试试看：
- 遍历所有页面
- 将页面解压缩到图像
- validation图像的颜色范围
对于页数，你可以把它转换成Perl。 这基本上是一个正则expression式。 还有人说 ：
R “（/types）\ S？（/页）[/> \ S]”
您只需要计算这个正则expression式在PDF文件中出现的次数，减去findstring“<>”（未渲染的空的年龄）的次数。
要提取图像，您可以使用ImageMagick来做到这一点 。 或者看到这个问题 。
最后，要判断它是否是黑白的，取决于是否意味着黑白或灰度。 对于黑色和白色，你只能在所有的图像中有黑白的。 如果你想看到灰度，现在，这不是我的专长，但我想你可以看到红色，绿色和蓝色的平均值是否彼此接近，或者如果原始图像和灰度转换的接近彼此。
希望它提供一些提示，以帮助您进一步。
