Python去除PDF水印的实现示例

周予安

发布时间：2026-10-15| 6人浏览过

原创

本文介绍使用Python去除PDF及图片中浅色水印的方法。核心思路是通过PIL库读取图片RGB值，识别并修改接近白色的浅颜色像素为纯白。对于PDF，利用pymupdf将页面转为图片后处理RGB值，再保存为图片。该方法简单但输出非PDF格式且可能模糊，适合特定场景。

Python去除PDF水印概述

本文介绍如何利用Python去除PDF文档或图片中的水印，整体思路清晰且代码简洁。

首先探讨如何在Python中去除图片水印，随后将相同思路应用于PDF文件处理。

示例图片截取自《数据结构和算法》PDF文档，包含公众号水印。

图片水印去除原理

观察图片可知，为保证正文可读性，水印颜色通常较浅。利用这一颜色差异特征，可通过Python读取图片颜色，并将浅色区域处理为白色，从而去除水印。

Python标准库PIL可用于获取图片颜色信息。在Python2中该库已内置，而Python3需手动安装。本文使用Python 3.8版本，需执行以下

命令进行安装。


pip install pillow

安装完成后，读取图片并获取其尺寸（宽度和高度）。


from PIL import Image

img = Image.open('watermark_pic.png')
width, height = img.size

在继续操作前，简要介绍计算机颜色原理。光学三原色为红、绿、蓝（RGB），它们是不可分解的基本颜色，其他颜色由这三种混合而成。等比例混合三种颜色得到白色，无光时为黑色。

在计算机中，RGB颜色由三个字节表示，每个字节最大数值为 1。因此，(255, 0, 0)代表红色，(0, 255, 0)代表绿色，(0, 0, 255)代表蓝色。同理，(255, 255, 255)代表白色，(0, 0, 0)代表黑色。从(0, 0, 0)到(255, 255, 255)之间的任意组合均可表示不同颜色。

接下来通过代码读取图片的RGB值。


for i in range(width):
    for j in range(height):
        pos = (i, j)
        print(img.getpixel(pos)[:3])

图片每个位置的颜色由四元组表示，前三位对应RGB，第四位为Alpha通道，此处无需关注。

获取RGB值后，即可对其进行修改。

从图中可见，水印的RGB值为 #d9d9d9，即十六进制表示，对应十进制为(217, 217, 217)。

这三个颜色值越接近 255，颜色越淡。当三者均变为 255时即为白色。因此，只要RGB值均大于 217的位置，即可填充为白色，即RGB三位数之和大于等于 651。


if sum(img.getpixel(pos)[:3]) >= 651:
    img.putpixel(pos, (255, 255, 255))

完整代码如下：


from PIL import Image

img = Image.open('watermark_pic.png')
width, height = img.size

for i in range(width):
    for j in range(height):
        pos = (i, j)
        if sum(img.getpixel(pos)[:3]) >= 651:
            img.putpixel(pos, (255, 255, 255))

img.save('watermark_removed_pic.png')

PDF水印去除实现

基于上述基础，去除PDF水印变得简单：将每页PDF转换为图片，修改水印的RGB值，最后输出处理后的图片。

安装pymupdf库，用于操作PDF文件。


pip install pymupdf

读取PDF文件，并将其转换为图片。


import fitz

doc = fitz.open("数据结构和算法手册@公众号渡码.pdf")
for page in doc:
    pix = page.get_pixmap()

该PDF共 480 页，需遍历每一页并获取对应的图片对象pix。pix对象类似于前述img对象，可读取和修改其RGB值。

page.get_pixmap()操作不可逆，即只能实现从PDF到图片的转换，修改图片RGB后无法直接应用回PDF，只能输出为图片格式。

修改水印RGB与前述方法一致，区别在于此处RGB为三元组，不含Alpha通道，代码如下：


from itertools import product

for pos in product(range(pix.width), range(pix.height)):
    if sum(pix.pixel(pos[0], pos[1])) >= 651:
        pix.set_pixel(pos[0], pos[1], (255, 255, 255))

完整代码如下：


from itertools import product
import fitz


doc = fitz.open("数据结构和算法手册@公众号渡码.pdf")

page_no = 0
for page in doc:
    pix = page.get_pixmap()

    for pos in product(range(pix.width), range(pix.height)):
        if sum(pix.pixel(pos[0], pos[1])) >= 651:
            pix.set_pixel(pos[0], pos[1], (255, 255, 255))

    pix.pil_save(f"pdf_pics/page_{page_no}.png", dpi=(30000, 30000))

    print(f'第 {page_no} 页去除完成')
    page_no += 1

此方案存在缺点：首先，输出结果并非PDF格式；其次，输出图片可能较为模糊，后续需进一步优化，理想情况是直接修改PDF文件。

至此，关于Python去除PDF水印的实现示例介绍完毕，更多相关内容请搜索本站历史文章或继续浏览相关文章，感谢支持。