More than 5 years have passed since last update.

ディレクトリ内のpdfをまとめてimagemagickで二値化する

Last updated at 2019-03-23Posted at 2019-03-16

cygwin上で実施。要imagemagick, ghostscript
むちゃくちゃメモリを使う。32Gでギリギリだったが、
limit_memory_size=10280MBとできるようにした。
convertでpdfから画像を作るときに地獄のようにメモリを
使うようなので、pdftoppm にそこの部分を変更。
これにより、要 Poppler 。convertはいずれにせよ二値かなどで使うので、
binary_threshold, limit_memory_sizeを指定できるのはそのまま。
thresholdの値は、事前にpdftoppm で画像にしたものなどで調整するとよい。
（pre-testの部分）

~~text~~

# !/bin/bash

# convert -threshold 30000 seihi_even.pdf-001.png seihi_even_test_005_bin.png

binary_threshold=40000
limit_memory_size=5140MB

for ls_result in $(ls *.pdf) ; do

    processing_pdfname=$ls_result
    pagenumber=$(gs -q -dNODISPLAY -c "($processing_pdfname)  (r) file runpdfbegin pdfpagecount = quit")
    echo "processing " $processing_pdfname " ..."

    for ((i=1; i < $pagenumber; i++)); do
    
        #insert 0 or 00
        if [ $[$i] -le 9 -a $[$pagenumber] -ge 100 ];then
            ZERO=00
        elif [ $[$i] -le 9 -a $[$pagenumber] -lt 100 ];then
            ZERO=0
        elif [ $[$i] -le 99 -a $[$pagenumber] -ge 100 ];then
            ZERO=0
        elif [ $[$i] -le 99 -a $[$pagenumber] -lt 100 ];then
            ZERO=''
        else
            ZERO=''
        fi
    
        pdftoppm -png -f $i -l $i $processing_pdfname $processing_pdfname

        #echo "making binary " ${processing_pdfname}-${ZERO}${i}_bin.png " ..."
        convert -limit memory $limit_memory_size -threshold $binary_threshold ${processing_pdfname}-${ZERO}${i}.png ${processing_pdfname}-${ZERO}${i}_bin.png 
        rm ${processing_pdfname}-${ZERO}${i}.png

    done

    #echo "making pdf " ${processing_pdfname}_bin.pdf " ..."
    convert -limit memory $limit_memory_size ${processing_pdfname}-*_bin.png ${processing_pdfname}_bin.pdf
    rm ${processing_pdfname}-*_bin.png

done