先交代起因，最近有坛友分享地理书籍  “宅葬书十一种.明抄本_第8册”，下来后发现是黑白版，能读 可就是有水印。原图如下所示

下面是修改完，去掉水印的效果（对该文件来说，几乎没有影响）：

项目声明：

仅供学习交流，本人不对封面动手，仅仅只是为了便于自己读书，水印不影响读书的话，也没必要处理。且这个方法 仅仅对黑白版有不错的效果，对原生 或像素波动大的未必管用。

思路如下：（说完思路 上代码）

核心的处理逻辑：确定水印区域，和该区域的像素点的范围 n （一般是 200以上），通过算法，将该片区域像素值 p > n的像素信息去掉（即 p = 255 ）

就这么简单，没什么技术含量，因为水印的值，远远大过字的值。

但有个问题： 如何确定水印范围？

也不废话，我是通过计算估计出的大概值，从任务来说 覆盖范围可以大于水印，不能小于水印，大多少没影响。通过计算两个文件的 水印部分占据整个画面的比例关系，大概得出  y 是占据整个画面高度的 41.5% 左右（y 作为短边是前提），而x可以根据y来计算，通过比例来确定的好处是，不受文件像素大小的影响，哪怕把竖版给处理了，也不会报错。

测试环节：（测试水印范围）

可以看到，两个范围，带来的水印明显的变化。而文字显然不受其影响，这就是本项目成功的前提。

探索的过程中，本人还尝试更加完美的方法，那就是通过水印来建立 alpha通道（决定透明关系的）如下

这是用 photoshop 做的（需要一定ps熟练度），最初是打算用 透明通道精细化处理的，且看到网上有 AI的项目，也需要透明通道。

后来发现，不同的文件水印有点不一样，难以做到统一覆盖，特别是像素值不同的对齐问题，在加上对一般用户不够友好。处理起来也比较漫长。就决定回归简单的思路，用划定范围的操作。

下面是代码：

作用是将pdf文件，读取image，经过转换格式，处理水印，最后输出到一个文件夹内，至于图片到pdf
暂未涉及
下面代码，输入最下方的「文件路径」「保存图片文件夹路径」，还有指定不需要处理的前几页，和倒数几页。

from PIL import Image
import fitz  # PyMuPDF
from io import BytesIO
import pathlib

#背景为白的图
def level_config(p, threshold = 214, midtone = 150, white_point = 255):
if p > threshold:
p = white_point
elif p > midtone:
p = ( p/threshold) * 255
return p

#灰度图（红楼梦）
# def level_config(p, threshold = 197, midtone = 150, white_point = 242):
#     if p > threshold:
#         p = white_point
#     elif p > midtone:
#         p = p
#     return p

def adjust_level(image,  region_height_percent,  region_width_ratio):
# 获取图片的宽度和高度
width, height = image.size

# 计算固定区域的高度和宽度
region_height = int(height * region_height_percent)
region_width = int(region_height * region_width_ratio)

# 确定固定区域的左上角和右下角坐标
left = (width - region_width) // 2
top = (height - region_height) // 2
right = left + region_width
bottom = top + region_height
# 获取固定区域的像素数据
region = image.crop((left, top, right, bottom))

# 获取像素数据
region = region.point(level_config) #函数对象

# 将处理后的区域放回原图
image.paste(region, (left, top, right, bottom))
return image

def extract_images_from_pdf(pdf_path, image_folder,pass_head = 2,pass_tail = 1, out_ext ='.jpg'):

# 加载 PDF
pdf_document = fitz.open(pdf_path)
print('开始处理')

page_all = len(pdf_document)
# Iterate over each page
for page_number in range(page_all):
page = pdf_document[page_number]

# 获得页面图片 对象的链接
images = page.get_images(full=True)

for img_index, img_info in enumerate(images):
# Get the XREF of the image
xref = img_info[0]

# Extract the image
base_image = pdf_document.extract_image(xref)
image_bytes = base_image["image"]
#获得原图扩展名
img_ext = base_image["ext"]

#创建目录
pathlib.Path(image_folder).mkdir(parents=True, exist_ok=True)
image_path = f"{image_folder}/page_{page_number+1}_img_{img_index}{out_ext}"

# 使用 BytesIO 将 byte 对象转换为文件对象
image_file = BytesIO(image_bytes)

image_ = Image.open(image_file)

if page_number < pass_head or page_number >= (page_all - pass_tail) :
image_.save(image_path, "JPEG")
image_.close()
continue

image_ = adjust_level(image_,  region_height_percent=0.43,  region_width_ratio=0.88)
image_.save(image_path, "JPEG")
image_.close()
print(image_path)

    # Close the PDF
    pdf_document.close()
    print('图片提取完毕')

#文件路径 和 保存路径
pdf_path = "./宅葬书十一种.明抄本_第8册(共8册).pdf"
image_folder = "./宅葬书十一种.明抄本_第8册(共8册)"

# 设置需要跳过的头几页，倒数的几页
pass_head = 2
pass_tail = 1

extract_images_from_pdf(pdf_path, image_folder, pass_head = pass_head, pass_tail = pass_tail)

#######

后续说明：

之后我又测试了灰度图，是之前下载的红楼梦文件，但效果不是特别好，，，需要使用可以，解掉上面代码的 #灰度图（红楼梦）# def level_config（） 函数部分，

红楼梦的灰度图有很多残留的现象，差强人意，不介意的的话，也是可以读的。

此外，大多数参数，都写死了，按道理要用面向对象的，但会增加很多代码长度。有能力也可以自己修改。

最后，如果分享 “./宅葬书十一种.明抄本_第8册(共8册).pdf” 的坛友看到，能否提供下，预处理的方法，如果能把文件都处理到这个样子，我的脚本就非常合适了。

就写到这，欢迎大家一起交流。作为代码菜鸟，疏漏再所难免，欢迎指正。