用ImageMagick处理pdf

发表于 2018-05-26 分类于工具使用 Waline：本文字数： 815 阅读时长 ≈ 3 分钟

需求和方案

最近想学习TCP/IP协议，综合考虑，阅读TCP/IP Illustrated第一版是最好的选择，而且还得读英文原版。我有个电子书阅读器DPT-RP1，找个pdf文件就可以开读了。

但网络上最流行的那个英文版pdf文件，排版质量不好，插图基本看不清，遂放弃。终于找到一个还不错的版本，制作者给实体书的每页拍照，然后将图片拼成pdf。这个pdf文件在电脑上阅读效果还不错，但图片的阴影在DPT-RP1里显示出来灰扑扑一片，阅读效果不好。

于是我考虑把pdf里的每张图片二值化，只有黑白两种颜色，放到阅读器里，效果应该会不错。我相信，Adobe Acrobat DC或者Photoshop之类的软件一定能够方便快捷地完成这个任务，但我买不起这些商业软件，安装破解版也很耗费时间和精力。于是搜寻免费的解决方案，果然，神通广大的ImageMagick就能完成这项任务，ImageMagick在Linux下的调用命令是convert。

拆分pdf文件

首先将pdf文件拆成一张张图片：

1	convert -density 300 tcpip.pdf %04d.jpg

其中-density指定PPI值，该值越大，图片越清晰，得到的文件尺寸以及处理时间也会增加。%04d.jpg表示生成的图片文件名用四位数字编号，例如，第123张图片的文件名为0123.jpg。

我的机器配置不高，Intel Core i5-4430四核处理器，8G内存。拆分文件相当消耗资源，拆分608页的pdf文件，用完了全部物理内存，耗时大约50分钟。

二值化图片

拆分得到的是彩色图片，要选择阈值将图片二值化，得到只有黑白两色的图片。二值化单张图片的命令如下：

1	convert 0020.jpg -threshold 55% 0020.png

经过尝试，阈值选择在140（255*55%）附近时，分割效果较好。灰度值大于该阈值的像素全部变为255（白色），灰度值低于该阈值的像素全部变为0（黑色）。

将目录下所有jpg格式的图片二值化，转换后的图片是png格式，文件名后缀由.jpg变为.png，采用下面的脚本实现：

#!/bin/bash

find ./images -name *.jpg | while read fname
do
    convert $fname -threshold 55% ${fname%.jpg}.png
done

该项操作耗时不长，在我的机器上，处理608张图片仅花了几分钟。

拼接成pdf文件

最后将png格式的黑白图片拼接成pdf文件，一般的拼接命令如下：

1	convert image1.png image2.png image3.png output.pdf

但图片数量较多，为了确保按照文件名的排列顺序拼接，使用如下命令：

1	ls *.png \| sort -n \| tr '\n' ' ' \| sed 's/$/\ TCP-IP_Illustrated.pdf/' \| xargs convert

该项操作耗时约30分钟。

总结

最后得到的文件类似于高质量的扫描版pdf，阅读效果非常完美，应该是全网最佳版本了。从查找解决方案到制作完成，几乎花费了我整个下午的时间，看来还是商业软件来得方便快捷啊！