如何使用Ghostscript等工具按条件过滤PDF图像仅保留最大背景图

Ghostscript原生的过滤参数仅支持全局移除/保留所有图像、文本、矢量对象，不支持按图像属性筛选，你可以通过以下两种方案实现需求：

方案1：基于pikepdf的Python实现（最灵活，完全匹配你的筛选规则） #

可以自动识别符合「1bit二值、尺寸最大、体积最大」规则的图像，同时自动移除所有文本、矢量内容：

1. 先安装依赖：

   # Ubuntu
   sudo apt install python3-pip && pip3 install pikepdf pillow
   # Mac
   brew install python3 && pip3 install pikepdf pillow
   

2. 运行以下脚本即可：

   import pikepdf
   from PIL import Image
   import io
   
   INPUT_PDF = "你的输入文件路径.pdf"
   OUTPUT_PDF = "你的输出文件路径.pdf"
   
   with pikepdf.open(INPUT_PDF) as pdf:
       for page in pdf.pages:
           # 先清空当前页所有原有内容
           page.Contents = pikepdf.Array()
           max_score = 0
           target = None
           # 遍历当前页所有图像
           for img_name, raw_img in page.images.items():
               img_data = raw_img.read_bytes()
               file_size = len(img_data)
               # 校验是否为1bit二值图
               with Image.open(io.BytesIO(img_data)) as pil_img:
                   if pil_img.mode != "1":
                       continue
                   # 按「尺寸优先级>体积优先级」计算评分
                   pixel_size = pil_img.width * pil_img.height
                   current_score = pixel_size * 1000000 + file_size
                   if current_score > max_score:
                       max_score = current_score
                       target = (img_name, raw_img, pil_img.width, pil_img.height)
           # 将符合要求的图像铺满页面
           if target:
               _, raw_img, w, h = target
               page.Contents = pdf.make_stream(f"q\n1 0 0 1 0 0 cm\n/img {w} 0 0 {h} 0 0 cm\n/img Do\nQ")
               page.Resources.XObject = pikepdf.Dictionary({"/img": raw_img})
       pdf.save(OUTPUT_PDF)
   

方案2：纯命令行实现（适合不想写代码的场景） #

通过通用PDF工具组合实现筛选：

1. 先安装依赖工具：

   # Ubuntu
   sudo apt install poppler-utils imagemagick img2pdf
   # Mac
   brew install poppler imagemagick img2pdf
   

2. 导出PDF中所有嵌入图像：

   pdfimages -all 输入文件.pdf ./tmp_extract_img
   

3. 查看所有导出图像的属性，筛选符合要求的图像：

   identify ./tmp_extract_img*
   

   输出结果中会标注每一张图的位深、像素尺寸、文件体积，手动挑出位深为1-bit、像素尺寸最大、体积最大的图像，假设文件名为selected.tif
4. 将选中的图像转为PDF文件：

   img2pdf selected.tif -o 输出文件.pdf
   

内容的提问来源于stack exchange，提问作者taiyodayo