如何批量处理并替换掉 PDF 中的图片?

[pc10201]

楼主有许多PDF,几千个吧,要批量去掉PDF中的一些图片的水印
然后要将去掉水印的图片把PDF中原来的图片替换掉

想到的一个思路:
将PDF批量转换成docx,然后将docx重命名zip,再解压,图片都在里面了,处理并替换掉,然后再打包成zip,再变为docx格式,然后再转换为PDF
理论上可行,缺点就是速度很慢

另外分享我去水印的方法:
用python的pillow库,由于水印是打在图片上的纯文字水印,把水印的RGB值(其实是一个范围)提出来,批量替换掉就行了.

[lilydjwg]

找一个 PDF 解析库。找不到就自己写一个吧=w=

[ppdg]

这方法应该会误伤不少吧，你想要的应该是这个效果吧，中间那个去字的http://www.cvchina.info/2010/06/01/sparse-representation-vector-matrix-tensor-1/

[zjqzxc]

“用python的pillow库,由于水印是打在图片上的纯文字水印,把水印的RGB值(其实是一个范围)提出来,批量替换掉就行了.”
曾经用MATLAB做过这个操作，效果不算太好，有一定量误伤。主要是它还是扫描书，有些页有点儿斜，没有写梯形校正。其实，acrobat可以把pdf的每一页都以图片形式输出，页面顺序就是文件名顺序。批量处理后再用acrobat组装起来（还是全选，然后确定）。原文有目录的话，可以把目录导出再附加到新的文件里面。（acrobat貌似不行，网上可以找到执行这个功能的软件）