improve-pdf
介绍：
使用python脚本对pdf进行优化，提高pdf清晰度，使文字更加清晰，观感更佳。仅适用黑白扫描版pdf，且文字较清晰，若模糊会更加模糊。
原理：
pdf转成png图片
再使用opencv对图片局部阈值二值化处理
并去除孤立噪点，优化图片观感
最后转回pdf并合并，最终达到优化提高pdf清晰度的目的
（可选）使用potrace处理png转成svg矢量图，使文字线条平滑，观感大幅度提高，接近ocr pdf 。
脚本使用方法：
1.安装依赖
pip install opencv-python
pip install pymupdf
2.将pdf文件放入文件夹中，将doc_path改为pdf文件路径(不要使用中文路径，会报错)
doc_path = r"your pdf path" # 相对路径删去r
3.运行脚本
推荐使用单任务多进程，默认满核运行处理速度更快，可自行修改，注意进程数不要超过cpu核心数
4.核心代码
def change_image(self, index):
try:
img_files = sorted(os.listdir(self.img_path), key=self.numerical_sort)
for i in index:
i = img_files[i]
if i.endswith(".png"):
img = cv2.imread(os.path.join(self.img_path, i), cv2.IMREAD_COLOR)
GrayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
binary2 = cv2.adaptiveThreshold(
GrayImage,
255,
cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
cv2.THRESH_BINARY,
55,
15,
)
cv2.imwrite(os.path.join(self.change_path, i), binary2)
print(f"正在二值化第{i}张图片")
except Exception as e:
print(f"二值化图片时出现错误: {e}")
def erasure_image(self, threshold, index):
try:
img_files = sorted(os.listdir(self.change_path), key=self.numerical_sort)
for i in index:
i = img_files[i]
if i.endswith(".png"):
img = cv2.imread(
os.path.join(self.change_path, i), cv2.IMREAD_COLOR
)
GrayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
contours, hierarch = cv2.findContours(
GrayImage, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE
)
for j in range(len(contours)):
area = cv2.contourArea(contours[j])
if area < threshold:
cv2.drawContours(
img, [contours[j]], -1, (255, 255, 255), thickness=-1
)
continue
cv2.imwrite(
os.path.join(self.erasure_path, i),
img,
[cv2.IMWRITE_PNG_COMPRESSION, 9],
)
print(f"正在去除第{i}张图片黑点")
except Exception as e:
print(f"去除黑点时出现错误: {e}")
效果展示
二值化
javascript:;
portrace矢量化（脚本未集成，可自行下载处理二值化图片体验）
javascript:;
GUI
完整脚本
单文件gui在附件中
[复制链接]
发表于 2023-10-7 22:10
