前言

习惯用WPS的我发现，纯图PDF文件无法去除水印，所以我就用Python来去除PDF指定区域内的水印，主要就是纯色水印的处理，如果大家有什么更好的建议，请多多分享！

对比图（水印去除前后）

一、原理

将PDF拆成若干张图片，置于pic文件夹，并规律命名；
由于水印处在每张图片的相同位置，所以为了简化算法，我们可以只处理指定区域的像素；
对指定区域像素作判断，若是水印，则将其设为白色（255,255,255）；
将修改后的图片输出到res文件夹内；
利用WPS将多个图片合成一个PDF。

二、代码实现

import fitz
import os
import cv2 as cv
import numpy as npdef func(doc):'''将pdf中所有图片写入文件夹'''for i in range(len(doc)):imglist = doc.getPageImageList(i)for j, img in enumerate(imglist):xref = img[0]pix = fitz.Pixmap(doc, xref)   # make pixmap from imageif pix.n - pix.alpha < 4:      # can be saved as PNGpix.writePNG("./pic/p%s.png" % (i + 1))else:                          # CMYK: must convert firstpix0 = fitz.Pixmap(fitz.csRGB, pix)pix0.writePNG("./pic/p%s.png" % (i + 1))pix0 = None                # free Pixmap resourcespix = None                     # free Pixmap resourcesprint('PDF拆分完毕')def console_location(path):"""控制台输出区域像素的位置"""img = cv.imread(path)def on_mouse(event, x, y, flags, param):if event == cv.EVENT_LBUTTONDOWN:print(x, y)  # 宽*高# 构建窗口# 回调绑定窗口cv.namedWindow("img", cv.WINDOW_NORMAL)cv.setMouseCallback("img", on_mouse, 0)cv.imshow("img", img)# 键盘输入'q'退出if cv.waitKey() == ord("q"):cv.destroyAllWindows()def remove(w_min, h_min, w_max, h_max, pixel_min, pixel_max):"""去除水印"""list_file = os.listdir('./pic')for filename in list_file:print('正在处理图片:' + filename)img = cv.imread('./pic/' + filename)for h in range(height_min, height_max):for w in range(width_min, width_max):# 像素读取顺序是BGR(b, g, r) = img[h, w]if (pixel_min < r < pixel_max and pixel_min < g < pixel_max and pixel_min < b < pixel_max):img[h, w] = [255, 255, 255]# 保存图片cv.imwrite("./res/" + filename, img)print('水印去除完毕')if __name__ == "__main__":# 注意：需要自行创建好pic和res的空文件夹# PDF和其中一个样例图片的路径pdf_path = 'file.pdf'pic_path = './pic/p1.png'# 需要滤除的区域像素值pixel_min = 150pixel_max = 255# 需要滤除的区域像素位置width_min = 149height_min = 770width_max = 850height_max = 862# 第一步：将pdf中所有图片写入文件夹# func(doc=fitz.open(pdf_path))# 第二步：获得水印区域像素的位置# console_location(pic_path)# 第三步：去除文件夹内所有图片指定范围的灰色区域remove(width_min, height_min, width_max, height_max, pixel_min, pixel_max)

三、使用教程

1. 文件夹目录（pic和res文件夹需提前创建好）

2. 执行第一步代码（注释掉其他代码，以下同理）

修改变量

    pdf_path = 'file.pdf'

3. 执行第二步代码

首先点击水印的左上方和用下方位置，得到水印部分的像素点位置。鼠标点击图片后，窗口会打印出（宽，高），按“q”退出。

修改变量

    width_min = 143height_min = 776width_max = 867height_max = 862

然后使用windows自带的画图软件，得到水印部分的颜色（像素值）。

因为这里我的水印是灰色的，所以RGB三色值相等，故阈值判断使用了相同变量；
因为我的文档正文并没有灰色的有用信息，所以我可以任意设置阈值上限，设为了255，设小了可能会有一些水印边缘残留。

修改变量

    pixel_min = 150pixel_max = 255

4. 执行第三步代码

5. 图片转PDF

得到去除水印的图片后，用WPS批量将其合成一个PDF文件（这里可能会有几张顺序不太对，不知道是什么原因，所以需要手动拖拽一下，将p1和p2拖到前面）。

参考博客: https://blog.csdn.net/qq_41251963/article/details/115306741
参考博客: https://blog.csdn.net/Cocktail_py/article/details/103004586

总结

这是我第一次写博客，感想呢就是像刚写完本科期间专业课的实验报告，看到这些规范的排版，特别有成就感，哈哈哈。
起初做这个小项目的目的是为了给女朋友去除她复习资料的水印的，因为她那个PDF文件全是图片，无法使用内部功能直接去水印，索性我就想用最近学习的Python来做这个事情，也算是第一次真正地拿来处理实际问题了。
做完这个项目之后，我才有了写博客的念头，我就是希望能够用编程来解决实际问题，记录下我能够用编程来做什么。也不知道以后多久能更一次，总之呢，只要是有实际用处的项目，无论难易程度如何，我肯定会努力去研究，如果研究明白了，我就会分享给大伙。
最近在备战考研，这一篇文章也算是个小插曲啦，有机会的话可以每天晚上研究一会，算作学习之后的放松时间。
以后研究方向应该会致力于图像处理相关的应用，属于目前自己比较感兴趣的方向吧。

最后，祝自己考研加油！！！

Python项目实践（一）去除PDF指定区域内的水印相关推荐

Python项目实践之二：下载数据（CSV和JSON ）
Python项目实践之二:下载数据(CSV和JSON ) 下载数据的可视化着重点在于从网上下载数据进行分析后,进行可视化处理,网上的数据格式多的难以置信,且大多未经过仔细检查,如果能够对这些数据进行分 ...
Python项目实践之三：添加 Play 按钮和提高游戏等级
Python项目实践之三:添加 Play 按钮和提高游戏等级现在外星人入侵游戏项目已经实现了武装飞船和外星人群的功能,本章主要添加一些辅助功能,如添加一个开始按钮,计分板信息和随着游戏的进行加快游戏 ...
java图像处理－（指定区域内）灰度化、透明化（alpha通道）处理
java图像处理-(指定区域内)灰度化.透明化(alpha通道)处理 2016年07月25日 21:23:16 阅读数:3944 近日在一家小公司实习,老板要求我写一个图形编辑器,其中涉及到用java ...
获取指定区域内的坐标点位，在线查看经纬坐标
获取指定区域内的坐标点项目介绍使用方法仓库地址项目介绍基于 turfjs 库的很简单的封装,实现输入范围的多边形数据,返回指定坐标间隔的点位. 多边形数据可以从高德地图API获取,例如:(该 ...
python项目开发案例-Python项目开发案例集锦 PDF 全彩超清版
给大家带来的一篇关于Python案例相关的电子书资源,介绍了关于Python.项目开发.Python案例方面的内容,本书是由吉林大学出版社出版,格式为PDF,资源大小99.1 MB,明日科技编写,目前 ...
python项目实践_python实践项目
广告关闭腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! 文章节选自<机器学习--python实践>文末评论赠送本书,欢迎留言 ...
[软件工具][windows]pdf指定区域OCR识别重命名工具使用教程
首先我们打开软件,界面如下: 如上图,使用非常简单,步骤如下: (1)选择工具-取模板选择一个pdf文件划定自己需要识别的区域,如果你选择第2页指定区域则软件统一识别所有pdf第2页指定区域取模板截 ...
【教程】Spire.PDF教程：C# 从 PDF 页面的指定区域内提取文本
Spire.PDF是一个专业的PDF组件,能够独立地创建.编写.编辑.操作和阅读PDF文件,支持 .NET.Java.WPF和Silverlight. [下载Spire.PDF最新试用版] 有时我们可 ...
python项目实践之微信公众号历史文章批量下载
项目: 有的微信公众号文章经常会被删或者和谐,所以想有个工具能一键导出公众号文章,正逢有想学python的想法,找到下面这个python项目: vWeChatCrawl-小V公众号文章下载(开源版) ...

Python项目实践（一）去除PDF指定区域内的水印

目录

前言