从TIFF文件中删除空白或几乎空白页面的方法

如何解决从TIFF文件中删除空白或几乎空白页面的方法

|| 我有大约4000万个TIFF文档，全都是1位单页双工。在大约40％的情况下，这些TIFF的背面图像为“空白”，我想在对CMS进行加载以减少空间需求之前将其删除。 有没有一种简单的方法可以查看每页的数据内容，并在其低于预设阈值（例如2％“黑色”）时将其删除？ 我对此技术不了解，但是C＃解决方案可能是最容易支持的。问题是，我没有图像处理经验，所以真的不知道从哪里开始。 编辑添加：图像是旧扫描，\ dirty \也是如此，因此这并不是一门精确的科学。需要设置阈值以避免误报的机会。

解决方法

您可能应该： 打开每个图像 遍历页面（使用

Bitmap.GetFrameCount

/

Bitmap.SelectActiveFrame

方法） 每页的访问位（使用“ 2”方法） 分析每个页面的内容（简单循环） 如果内容值得，则将数据复制到另一个图像（

Bitmap.LockBits

和一个循环） 这个任务不是特别复杂，但是需要编写一些代码。该站点包含一些示例，您可以使用方法名称作为关键字进行搜索。 附言我假设所有图像都可以成功加载到

System.Drawing.Bitmap

中。,您可以使用DotImage做类似的事情（免责声明，我为Atalasoft工作，并且编写了您将使用的大多数基础类）。这样做的代码如下所示：

public void RemoveBlankPages(Stream source stm)
{
    List<int> blanks = new List<int>();
    if (GetBlankPages(stm,blanks)) {
        // all pages blank - delete file?  Skip?  Your choice.
    }
    else {
        // memory stream is convenient - maybe a temp file instead?
        using (MemoryStream ostm = new MemoryStream()) {
            // pulls out all the blanks and writes to the temp stream
            stm.Seek(0,SeekOrigin.Begin);
            RemoveBlanks(blanks,stm,ostm);
            CopyStream(ostm,stm); // copies first stm to second,truncating at end
        }
    }
}

private bool GetBlankPages(Stream stm,List<int> blanks)
{
    TiffDecoder decoder = new TiffDecoder();
    ImageInfo info = decoder.GetImageInfo(stm);
    for (int i=0; i < info.FrameCount; i++) {
        try {
            stm.Seek(0,SeekOrigin.Begin);
            using (AtalaImage image = decoder.Read(stm,i,null)) {
                if (IsBlankPage(image)) blanks.Add(i);
            }
        }
        catch {
            // bad file - skip? could also try to remove the bad page:
            blanks.Add(i);
        }
    }
    return blanks.Count == info.FrameCount;
}

private bool IsBlankPage(AtalaImage image)
{
    // you might want to configure the command to do noise removal and black border
    // removal (or not) first.
    BlankPageDetectionCommand command = new BlankPageDetectionCommand();
    BlankPageDetectionResults results = command.Apply(image) as BlankPageDetectionResults;
    return results.IsImageBlank;
}

private void RemoveBlanks(List<int> blanks,Stream source,Stream dest)
{
    // blanks needs to be sorted low to high,which it will be if generated from
    // above
    TiffDocument doc = new TiffDocument(source);
    int totalRemoved = 0;
    foreach (int page in blanks) {
        doc.Pages.RemoveAt(page - totalRemoved);
        totalRemoved++;
    }
    doc.Save(dest);
}

您应该注意，空白页的检测并不像“所有像素都是白色（-ish）？”那样简单，因为扫描会引入各种有趣的伪像。要获取BlankPageDetectionCommand，您将需要Document Imaging包。,您是否对缩小文件感兴趣，或者只是想避免人们浪费时间查看空白页？您可以通过仅将第二个IFD修补为0x00000000来对文件进行快速而肮脏的编辑，以摆脱已知的空白页。这就是我的意思-如果您仅浏览页面，TIFF文件的布局将很简单： TIFF标头（4个字节） 第一个IFD偏移量（4个字节-通常指向0x00000008） IFD： 标签数量（2字节） {个人TIFF标签}（每个12个字节） 下一个IFD偏移量（4个字节） 只需将\“下一个IFD偏移\”的值修补为0x00000000，以将\“下一个IFD偏移\”页扩展到当前页之外。