README_zh-CN.md

水印移除工具

English | 简体中文

如果您觉得这个工具有用，请给我一个星星支持吧！🌟
求求留个星星呗🥺🌟

---

一个功能强大且用户友好的工具，用于从 PDF 和 Word 文档中移除水印。该应用程序提供快速移除和深度移除模式，可针对各种水印类型确保最佳效果。

我已经放出了一个可直接运行程序在Release，请确保poppler可以在您的系统里运行。

注意⚠️：Windows 系统需要装Linux VM，在Linux环境下使用。（因为Poppler-Utils 现已不支持Windows）

功能

• 快速移除： 快速从 PDF 文件中移除基于层的水印。
• 深度移除： 结合高级图像处理技术，移除文本和图像类型的水印。
• 支持 Word 文件： 移除 .docx 文件中的水印。
• 批量处理： 一次加载多个文件并批量处理。
• 可定制模式： 提供“快速移除”和“深度移除”两种模式选择。
• 进度跟踪： 提供可视化进度条和预计完成时间。
• 跨平台支持： 支持 Windows、macOS 和 Linux。

---

前置条件

确保您已安装 Python 3.9 或更高版本。此外，请安装 requirements.txt 中列出的依赖项。

---

安装

1. 克隆此代码仓库：

   git clone https://github.com/yourusername/watermark-remover.git
   cd watermark-remover

2. 安装依赖项：

   pip install -r requirements.txt

3. 安装 Poppler 以支持 PDF 处理：

   • macOS:

     brew install poppler

   • Ubuntu:

     sudo apt-get install poppler-utils

   • Windows: 从 Poppler for Windows 下载 Poppler 二进制文件，并将 bin 文件夹添加到 PATH 环境变量。

---

使用方法

图形界面模式

1. 启动工具：

   python prod.py

2. 选择一个输出文件夹用于存储处理后的文件。
3. 从文件夹中加载要处理的文件。
4. 选择移除模式：快速移除 或 深度移除。
5. 选择需要处理的文件并点击 执行。

命令行模式（用于测试或集成）

• 您可以在代码中直接调用 removerPdf.py 和 removerWord.py 中的函数进行处理。

---

函数解释：is_text_color_rgb 和 is_text_color_hsv

注意：我在注释中添加了一些颜色和 HSV 预设，此方法可以保证移除具有特定颜色的水印；可以尝试调整这些值进行测试。

这两个函数用于检测图像中的黑色或近黑色文本（或水印）。可以通过调整阈值来适应不同类型的水印。

is_text_color_rgb

该函数使用 RGB 色彩空间检测图像中的黑色或近黑色像素。

工作原理：

1. RGB 阈值判断：

   • 函数判断像素的三个通道（红、绿、蓝）的强度值是否均小于 140。
   • 满足条件的像素被认为是“深色”，可能代表文本或水印内容。

2. 适配水印：

   • 提高阈值（140 → 更高）： 用于检测浅灰色或较淡的黑色文本。
   • 降低阈值（140 → 更低）： 更专注于检测纯黑色像素，排除较浅的标记。

3. 示例用例：

   • 适用于检测纯黑色或灰色的文本水印。

代码：

def is_text_color_rgb(img_array):
    # 使用 RGB 色彩空间识别黑色或近黑色像素
    mask = (
        (img_array[:, :, 0] < 140) &  # 红色通道阈值
        (img_array[:, :, 1] < 140) &  # 绿色通道阈值
        (img_array[:, :, 2] < 140)    # 蓝色通道阈值
    )
    return mask

is_text_color_hsv

该函数使用 HSV 色彩空间检测图像中类似黑色或深色的区域，能够更好地应对光照和颜色变化。

工作原理：

1. HSV 转换：

• 将图像转换为 HSV 色彩空间。
• 忽略色调（Hue, H），因为黑色不依赖特定颜色，仅分析饱和度（Saturation, S）和亮度（Value, V）。

2. 阈值判断：

• 饱和度（S < 40）：确保该区域不含丰富的颜色（低饱和度意味着灰色或黑色）。
• 亮度（V < 160）：确保该区域是深色（较低的值表示更暗的像素）。

3. 适配水印：

• 提高饱和度阈值（S < 40 → 更高）：包含更多带色彩的水印。
• 提高亮度阈值（V < 160 → 更高）：包含更浅的文本或水印。

4. 示例用例：

• 适用于检测浅色、带色彩的深色水印。

代码：

def is_text_color_hsv(img_array):
    # 将 RGB 图像转换为 HSV
    hsv_img = cv2.cvtColor(img_array, cv2.COLOR_RGB2HSV)

    # 使用 HSV 色彩空间识别深色或黑色区域
    mask = (hsv_img[:, :, 1] < 40) & (hsv_img[:, :, 2] < 160)  # 饱和度和亮度阈值
    return mask

文件结构

• prod.py： 主图形界面应用程序文件。
• removerPdf.py： 用于处理和移除 PDF 文件水印的函数。
• removerWord.py： 用于处理和移除 Word 文件水印的函数。
• requirements.txt： 列出了所需的 Python 库。

依赖项

工具依赖以下 Python 库：

PyQt5==5.15.9
pikepdf==6.2.6
PyMuPDF==1.21.1
pdf2image==1.16.3
Pillow==9.4.0
opencv-python-headless==4.8.0.76
scikit-image==0.19.3
PyPDF2==3.0.1

使用以下命令安装这些依赖项：

pip install -r requirements.txt

示例

• 处理前：

• 处理后：

已知问题

内存占用：

• 处理较大的 PDF 文件时可能会消耗大量内存。工具会将中间处理结果保存到磁盘以缓解内存压力。

响应速度：

• 在深度移除模式下，GUI 可能会变得不太响应。

特别感谢

特别感谢以下库和工具的开发者和维护者，这些开源项目为本工具的开发提供了强大的支持：

• PyQt5: 用于创建现代化用户界面的强大工具。
• PyMuPDF: 提供了强大的 PDF 文档操作功能。
• pdf2image: 实现无缝的 PDF 到图像转换。
• NumPy: 用于高效的数组操作和数学运算。
• scikit-image: 提供了高级图像处理能力。
• Pillow: 用于多功能的图像操作。
• python-docx: 用于处理 Word 文档。
• Poppler: 用于 PDF 渲染和转换。
• pikepdf: 用于快速水印移除处理

您的辛勤付出不仅使本项目得以实现，还帮助全球开发者创造了无数创新的解决方案。

感谢您对开源社区的无价贡献！❤️

许可证

本项目基于 MIT 许可证开源。详情请见 LICENSE