Python项目实践（一）去除PDF指定区域内的水印

---

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

1. 将PDF拆成若干张图片，置于pic文件夹，并规律命名；
2. 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；
3. 对指定区域像素作判断，若是水印，则将其设为白色（255,255,255）；
4. 将修改后的图片输出到res文件夹内；
5. 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 np

def 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 image
            if pix.n - pix.alpha < 4:      # can be saved as PNG
                pix.writePNG("./pic/p%s.png" % (i + 1))
            else:                          # CMYK: must convert first
                pix0 = fitz.Pixmap(fitz.csRGB, pix)
                pix0.writePNG("./pic/p%s.png" % (i + 1))
                pix0 = None                # free Pixmap resources
            pix = None                     # free Pixmap resources
    print('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 = 150
    pixel_max = 255
    # 需要滤除的区域像素位置
    width_min = 149
    height_min = 770
    width_max = 850
    height_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 = 143
    height_min = 776
    width_max = 867
    height_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）。

1. 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；
2. 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 = 150
    pixel_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！！！