如何将 pdf 文件从灰度转换为黑白？

Question

我的操作系统是 Ubuntu 12.04。如何将 pdf 文件从灰度转换为黑白？灰度pdf文件来自灰度选项扫描，OCR需要黑白灰度pdf。

---

更新：

按照 Marco 的回复，BW pdf不好，原始文件在这里。

Answer 1

1) 使用ghostscript使用psmono设备将PDF 转换为单色PostScript 文件：

gs -q -sDEVICE=psmono -o mono.ps input.pdf

2) 然后将单色 PostScript 转换回 PDF：

ps2pdf mono.ps

编辑：该psmono设备创建一个 1 位半色调图像，这显然不是您想要的。我找不到使用 ghostscript 指定阈值的方法，所以我求助于 imagemagick。convert内部使用 ghostscript 来转换 PDF。然后应用阈值过滤生成 1 位图像并再次使用 ghostscript 创建 PDF。由于convert默认使用 75DPI 的分辨率，这可能与您的实际分辨率不匹配，因此您可以提供density参数。并尝试threshold设置。最佳值高度依赖于输入文件。

convert -density 150 -threshold 50% input.pdf output.pdf

Answer 2

我发现的最好的方法是，在不损失质量的情况下，去除下一页的阴影、噪音、文本等：

1. 首先将pdf转换为单个图像

   pdfimages combined_ocr.pdf page

2. 其次，去除下一页中的阴影、噪音和文本（归功于此博客）

   ls ./p*.ppm | xargs -L1 -I {} convert {} -quality 100 -density 300 -fill white -fuzz 80% +opaque "#000000" {}.jpg

这可以作为额外步骤添加，也可以代替上面的命令来实际只获得两种颜色：

ls ./p*.ppm | xargs -L1 -I {} convert {} +dither -colors 2 -type bilevel -density 300 -fill white -fuzz 40% +opaque "#000000" -density 300 {}.jpg

50-60% 的fuzz攻击性较小，并获得更具可读性的结果：

ls ./p*.ppm | xargs -L1 -I {} convert {} +dither -colors 2 -type bilevel -density 300 -fill white -fuzz 40% +opaque "#000000" -density 300 {}.jpg

3. 这是为了将每个 jpg 图像制作为 pdf 文件，而不会损失分辨率或质量：

   ls -1 ./*jpg | xargs -L1 -I {} img2pdf {} -o {}.pdf

4. 这将 pdfpages 连接成一个：

   pdftk *.pdf cat output combined.pdf

5. 最后，我添加了一个 OCRed 文本图层，该图层不会改变 pdf 中的扫描质量，因此可以搜索它们：

   pypdfocr combined.pdf