用python将一个扫描pdf文件改成二值图片组成的pdf文件

使用墨水屏读书现在似乎越来越流行，这确实有一定的好处，例如基本不发热，电池续航时间超长，基本不能游戏所以有利于沉浸式阅读，还有不知道是不是真的有用的所谓防蓝光伤害。但是，如果阅读的书籍是扫描图片组成的pdf，如果扫描的时候用的彩色模式，那么这种书籍在墨水屏上有点灰蒙蒙的，如果转换为256级灰度图片时最高灰度值太低，更加难以看清，这时候就可以考虑将这个pdf文件转换成二值图片（即每个像素不是白色就是纯黑的黑色）组成的pdf，这样效果就很好了。

先看看在PC上两种不同pdf文件的效果对比：

转换后的二值图片pdf效果：

转换前的效果：

尽管在非黑白墨水屏的设备上彩色pdf文件读起来更舒适，但是在黑白墨水屏上却刚好相反。下面的python程序就可以实现上述效果的转换（程序注释中标明的库的版本是本人测试环境中的版本，并非必须。其他版本可能也能够成功运行）：

###############################################################
# 将彩色或灰度扫描pdf文件转换为二值的黑白pdf文件，在墨水屏上阅读时更为清晰 #
###############################################################import fitz # pip install pymupdf==1.24.14
import numpy as np # pip install numpy==2.1.1
from PIL import Image # pip install pillow==10.4.0file = 'test.pdf'
pdf_pages = fitz.open(file)
img_list = []
# 二值化阈值，可根据实际情况调整
threshold = 200
try:for page in pdf_pages:# 获取页面的图片数据，类型为pymupdf.Pixmappixmap = page.get_pixmap()# 解码为 np.uint8类型的numpy.ndarrayimage_array = np.frombuffer(pixmap.samples, dtype=np.uint8).reshape(pixmap.height, pixmap.width, pixmap.n)# 转换为PIL.Image.Image,通过三行代码将pymupdf.Pixmap转换成了PIL.Image.Imageimage = Image.fromarray(image_array)# 将彩色图片转换为黑白图片image = image.convert('L')# 获取图片的像素数据pixels = image.load()# 获取图片的宽度和高度width, height = image.size# 遍历每个像素点进行二值化处理for y in range(height):for x in range(width):# 获取当前像素的灰度值gray_value = pixels[x, y]# 小于阈值的像素点改成黑色，大于阈值的像素点改成白色if gray_value < threshold:pixels[x, y] = 0else:pixels[x, y] = 255# 将转换的二值图片加入列表img_list.append(image)# 将图片列表合并为一个pdf文件，resolution取值越大，pdf文件页面就可以放大更多倍数而不出现锯齿img_list[0].save(f'test_{threshold}.pdf','PDF', resolution=100.0,save_all=True, append_images=img_list[1:])
except Exception as e:print(e)
pdf_pages.close()