【Python实战】如何优雅地实现 PDF 去水印？

话接上篇，自动化处理 PDF 文档，完美实现 WPS 会员功能

小伙伴们更关心的是如何去除 PDF 中的水印~

今天，就来分享一个超简单的 PDF 去水印方法~

1. 原理介绍

在上一篇中，我们介绍了如何将 PDF 文档转换成图片，图片就是 RGB 三通道像素点的集合。

我们发现：水印的像素点和正常文字的像素点是有显著区别的。

如何查看水印的像素是多少呢？

最简单的方式是打开一个截图工具，聚焦到水印位置即可看到：

所以，水印的像素值有如下特点：

• 像素分布在 180 - 250 （注：必要时，阈值需适当调整）；
• RGB三通道的像素值基本相同。

基于上述两个特点，我们就可以找到水印像素点的位置。

2. 代码实操

为了完美实现上述的两个判断，当然你可以写两层 for 循环遍历像素值进行判断，不过一旦图像尺寸太大，处理速度就令人抓狂了。

最简单的方式就是采用 numpy 数组进行操作：

import numpy as np
def judege_wm(img, low=180, high=250):
    # 通过像素判断
    low_bound = np.array([low, low, low])
    high_bound = np.array([high, high, high])
    mask = (img > low_bound) & (img < high_bound) & (np.abs(img-img.mean(-1, keepdims=True)).sum(-1, keepdims=True) < 10) # 要求rgb值相差不能太大
    img[mask] = 255
    return img

最后，我们来看下处理后的效果：

3. 整体流程

上述步骤，我们介绍了如何去除图片中的水印。

说好的 PDF 去水印呢？

来，参照下述流程走一遍：

关于如何实现：PDF转换成图片 以及 图片转换成PDF，上篇已经给出了详细教程：自动化处理 PDF 文档，完美实现 WPS 会员功能

写在最后

本文给大家带来了一种最简单的图片 & PDF 去水印方法，可以满足绝大部分白底黑字的文档场景。

如果背景图像纷繁复杂，本方法还无法完美解决。

欢迎有其他解决方案的小伙伴，评论区交流下啊~

如果本文对你有帮助，欢迎点赞收藏备用。