利用Python的PIL、PyMuPDF库为图片和PDF文件去水印

目标：净化电子书水印，供notability使用。 

pillow库：基于PIL，支持python3

官方文档：Pillow (PIL Fork) 9.2.0.dev0 documentation

pip install pillow

PyMuPDF：MuPDF的Python接口形式

官方文档：PyMuPDF Documentation — PyMuPDF 1.19.6 documentation

安装文件：PyMuPDF · PyPI

实际安装时，利用conda无对应库，利用pip会出现“Microsoft Visual C++ 14.0 or greater is required”的问题，参考下面文章：

利用pip安装PyMuPDF库时出现“Microsoft Visual C++ 14.0 or greater is required”问题的解决办法https://blog.csdn.net/u014363023/article/details/124761649

from itertools import product
from PIL import Image
import os
import fitz

def remove_for_img():
    img = Image.open('原图.png')

    # 增大分辨率
    width, height = img.size
    width *= 10
    height *= 10
    high_img = img.resize((width, height), Image.ANTIALIAS)

    # product(A,B):返回A和B中的元素组成的笛卡尔积的元组作为像素点
    # PIL-getpixel((a,b)):获取图像中某点的像素的RGB值(RED，GREEN，BLUE)
    # PIL-putpixel((4,4),(255,0,0)):写某个像素位置的值
    for pos in product(range(width), range(height)):
        if sum(high_img.getpixel(pos)[:3]) > 600:
            high_img.putpixel(pos, (255, 255, 255))
    high_img.save('去水印.png')

计算机中用 RGB (RED，GREEN，BLUE)代表红绿蓝，(255, 255, 255) 表示白色，(0, 0, 0) 表示黑色，目标就是将水印的颜色变成白色(255, 255, 255)。

600是经验值，也可以用相应工具获取水印RGB值；但过低容易导致文字轮廓虚化，根据实际情况调整。

过程：将pdf转为图片处理并保存，再依次转为pdf连接生成最终文件。

def remove_for_pdf():
    page_num = 1
    pdf_file = '原图.pdf'
    pdf = fitz.open(pdf_file)  # 打开原pdf
    total_pdfs = fitz.open()  # 创建新pdf
    for page in pdf:
        # 缩放倍数越大越耗时
        zoom_x = 4.0  # 水平缩放
        zomm_y = 4.0  # 垂直缩放
        mat = fitz.Matrix(zoom_x, zomm_y)  # 每个维度应用对应缩放因子-分辨率提高
        pixmap = page.get_pixmap(matrix=mat)
        # 生成PNG图像(通过参数matrix实现结果矩阵的缩放)
        # pixmap = page.get_pixmap()
        for pos in product(range(pixmap.width), range(pixmap.height)):
            rgb = pixmap.pixel(pos[0], pos[1])
            if(sum(rgb) >= 600):
                pixmap.set_pixel(pos[0], pos[1], (255, 255, 255))
        pixmap.pil_save(f"{page_num}.png")

        pixmapconvert = fitz.open(f"{page_num}.png")
        pdfbytes = pixmapconvert.convert_to_pdf()
        # open(type, buffer) - type: extension, buffer: bytes object.
        imgpdf = fitz.open("pdf", pdfbytes)
        total_pdfs.insert_pdf(imgpdf)

        print(f"第{page_num}页水印去除完成")
        page_num = page_num + 1
    total_pdfs.save('removed_pdf.pdf')
    total_pdfs.close()

参考：超简单！为图片和 PDF 上去掉水印_Python 技术的博客-CSDN博客