Как я могу преобразовать файл PDF от шкалы полутонов до черно-белого?

Лучший способ, который я там нашел, без потери качества, убирает тени, шумы,текст со следующей страницы просвечивается и т.д.:

1. Сначала конвертируйте pdf в отдельные изображения

   pdfimages combined_ocr.pdf page

2. Во-вторых, удалить тени, шум, текст со следующей страницы, истекающие кровью через (кредиты в этот блог)

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

это можно добавить либо как дополнительный -шаг, либо вместо приведенной выше команды, чтобы фактически получить только два цвета:

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% процентов fuzzменее агрессивен и дает более читаемые результаты:

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

3. Это делается для создания pdf-файла из каждого jpg-изображения без потери разрешения или качества:

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

4. Это позволяет объединить страницы PDF в одну:

   pdftk *.pdf cat output combined.pdf

5. И, наконец, я добавляю текстовый слой с OCR, который не меняет качество сканирования в PDF-файлах, чтобы их можно было найти:

   pypdfocr combined.pdf

Спасибо OccamsRazor за его скрипт, который отлично справляется с преобразованием цветных PDF-файлов и PDF-файлов в оттенках серого в компактную и удобочитаемую монохромную версию. Это действительно комментарий к сообщению OccamsRazor, но мне не хватает баллов, чтобы комментировать.

Скрипт завершится ошибкой img2pdf -o./$output_pdf_name --dpi $dpi_res $input_filesпоскольку --dpiбольше не является приемлемым аргументом в пользу img2pdf. Вместо этого он получает разрешение из входного файла, поэтому его можно просто не указывать.

Вот мой вариант сценария. Я не хотел редактировать сценарий для каждого файла, поэтому при запуске я передаю количество страниц и имя файла. У меня установлено выходное имя 00input_nameи разрешение 200 dpi, что подходит для моего рабочего процесса, но вы можете изменить его или превратить их в $3и $4и передать их

Для запуска используйте ./pdf2bw.sh <number_of_pages> <input_name>, например, ./pdf2bw.sh 55 input.pdf.

#!/bin/bash

num_pages=$1
input_pdf_name=$2
output_pdf_name="00$2"
bw_threshold=40%
dpi_res=200
#-------------------------------------------------------------------------
gs -sDEVICE=bmpgray -dNOPAUSE -dBATCH -q -r$dpi_res \
   -sOutputFile=./%d.bmp./$input_pdf_name
#-------------------------------------------------------------------------
for file_num in `seq 1 $num_pages`
do
  convert./$file_num.bmp -threshold $bw_threshold \
         ./$file_num.tif
done
#-------------------------------------------------------------------------
input_files=""

for file_num in `seq 1 $num_pages`
do
  input_files+="./$file_num.tif "
done

img2pdf -o./$output_pdf_name $input_files
#-------------------------------------------------------------------------
# clean up bmp and tif files used in conversion

for file_num in `seq 1 $num_pages`
do
  rm./$file_num.bmp
  rm./$file_num.tif
done