Python 为什么使用PIL保存为pdf会在字体周围创建灰色区域

我想将pdf文件转换为png，以便在Python中进行操作，并将其保存为pdf，但在此过程中，字体周围会创建一个灰色区域（我的图像是一个简单的黑白类型的文档）。它非常微弱，在屏幕上有点难以看到，但当打印出来时，它变得相当清晰

以下是我使用的特定命令：

---

PDF到PNG（灰度、超级采样以保持图像质量）：

Python内部

import Image 
img = Image.open('file_out.png')
img.save('file_out2.pdf')

我还尝试使用Ghostscript将pdf转换为png：

gs -sDEVICE=png16m -sOutputFile=file.png -dNOPAUSE -dBATCH -r300 file_out.pdf 

保存结果

这里有一部分是什么

identify -verbose file.png

为ImageMagick png提供：

 Format: PNG (Portable Network Graphics)
  Class: PseudoClass
  Geometry: 1700x2200+0+0
  Resolution: 500x500
  Print size: 3.4x4.4
  Units: Undefined
  Type: Grayscale
  Base type: Grayscale
  Endianess: Undefined
  Colorspace: Gray
  Depth: 8/4-bit
  Channel depth:
    gray: 4-bit

有人有办法吗？或者至少是一个解释

编辑：

---

我发现使用“-sample 1700x2200”而不是“-scale 1700x2200”修复了字体周围的灰色，但随后细线几乎消失，字体出现锯齿……

pdf格式基本上是一种矢量格式，也可以包括位图（“光栅”）图像

如果原始

pdf

包含扫描的文档，它通常只包含位图图像（通常为

tiff

或

jpeg

格式），然后将其转换为

png

是可以的（如果您坚持图像的原始分辨率）

但是，如果原始文件包含矢量图形（包括文本字符串），则将这些图形转换为位图通常会导致采样错误。为了避免这种情况，可以使用1位颜色深度（“黑白”格式）和至少与打印机匹配的分辨率。不过，这将生成一个相当大的文件

png

文件。使用

tiff

格式可能会生成较小的文件。“tiff inside pdf”格式是扫描大型图形时经常看到的格式。根据ImageMagick的

identify

程序，这样的

tiff

文件如下所示：

  Format: TIFF (Tagged Image File Format)
  Class: DirectClass
  Geometry: 13231x9355+0+0
  Resolution: 400x400
  Print size: 33.0775x23.3875
  Units: PixelsPerInch
  Type: Bilevel
  Base type: Bilevel
  Endianess: MSB
  Colorspace: Gray
  Depth: 1-bit
  Channel depth:
    gray: 1-bit

尽管文件很大，但是

tiff

文件只有144 kb。

tiff2pdf

程序（软件包的一部分）可以将这些文件转换为小巧的

pdf

文件

但是保存文档格式的最佳方法是编辑

pdf

文件本身，而不是将其转换为其他格式

有一个Python模块用于处理

pdf

documents。但是，由于您没有指定要对文档执行什么操作，因此无法确定这是否可以执行您想要的操作。也有，但更多的是用于生成pdf文件。如果您的系统上安装了

cairo

库，则生成

pdf

文档的权重较小

（用java编写）是一个处理

pdf

文件的优秀工具

编辑：灰度采样将始终引入采样伪影。这些本身不是错误，只是采样过程的结果

如本·杰克逊所说，将

pdf

文件反编译成PostScript是可以做到的。有几个实用程序可以帮助您实现这一点

pdftops

来自-utils包，以及随附的

pdf2ps

。根据我的经验，

pdftops

倾向于产生更好的可用输出

但我还没有找到一个好方法来自动化这个过程。下面是使用

pdftops

反编译的Numpy用户指南的一个片段：

(At)
[7.192997
0
2.769603
0] Tj
-314 TJm
(the)
[2.769603
0
4.9813
0
4.423394
0] Tj
-313 TJm
(core)
[4.423394
0
4.9813
0
3.317546
0
4.423394
0] Tj
-314 TJm
(of)
[4.9813
0
3.317546
0] Tj
-313 TJm
(the)
[2.769603
0
4.9813
0
4.423394
0] Tj
-314 TJm
(NumPy)
[7.192997
0
4.9813
0
7.750903
0
5.539206
0
4.9813
0] Tj
-314 TJm
(package,)
[4.9813
0
4.423394
0
4.423394
0
4.9813
0
4.423394
0
4.9813
0
4.423394
0
2.49065
0] Tj
-329 TJm

这会产生一句话“在Numpy包的核心”，因此如果您在PostScript文件中查找（）之间的任何内容，就会得到字符串

因此，改变单个单词或删除短片段并不难

• 在反编译的PostScript中找到正确的单词
• 编辑它们（以及周围的参数！）
• 重新编译为pdf（使用ghostscript）

但是您必须查看文档的开头，看看函数

Tj

和

TJm

的作用。如果要替换文本，则必须删除它们并使用

Tj

和

TJm

的正确参数输入新的文本和代码。这需要理解PostScript。如果你要替换一个句子，你通常不能用更长的句子替换它；没有足够的空间

因此，通常建议尝试使用原始应用程序更改输出

难道没有办法得到一个好的灰度采样吗？我想做的是用PIL打开文件，添加一些文本并覆盖一个图像

PDF是一个压缩的PostScript文档（加上元数据）。PostScript是一种编程语言。如果使用

pdf2ps

，则可以将代码添加到PostScript中，以覆盖PDF的任何现有部分。然后用

pdf2ps

转换回来

---

这里还有另一个问题可以直接解决这个问题：

“保持图像质量的超级采样”基本上意味着“为锐利的黑色对象添加灰色边框”，以反映亚像素定位。这就是你看到的吗？可能是字体大小的1/4，看起来太大了。而且在PNG图像中不可见。谢谢，当我对图像进行超级采样时，我确实遇到了字体采样错误。难道没有办法得到一个好的灰度采样吗？我想做的是用PIL打开文件，添加一些文本并覆盖一个图像。

(At)
[7.192997
0
2.769603
0] Tj
-314 TJm
(the)
[2.769603
0
4.9813
0
4.423394
0] Tj
-313 TJm
(core)
[4.423394
0
4.9813
0
3.317546
0
4.423394
0] Tj
-314 TJm
(of)
[4.9813
0
3.317546
0] Tj
-313 TJm
(the)
[2.769603
0
4.9813
0
4.423394
0] Tj
-314 TJm
(NumPy)
[7.192997
0
4.9813
0
7.750903
0
5.539206
0
4.9813
0] Tj
-314 TJm
(package,)
[4.9813
0
4.423394
0
4.423394
0
4.9813
0
4.423394
0
4.9813
0
4.423394
0
2.49065
0] Tj
-329 TJm