https://blog.ohtly.com/tags/watermark/ Recent content in Watermark on OHTLY Blog Hugo zh-cn Sun, 19 Jul 2026 11:05:35 +0800 https://blog.ohtly.com/posts/2026-07-19-pdf-watermark-removal/ Sun, 19 Jul 2026 11:00:43 +0800 https://blog.ohtly.com/posts/2026-07-19-pdf-watermark-removal/ <h2 id="背景"> 背景 <a class="heading-link" href="#%e8%83%8c%e6%99%af"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <p>一本 A4 尺寸的扫描版 PDF，A4 尺寸的扫描版 PDF。每页底部固定出现水印图样，并包含一个可点击的矩形区域，点击后跳转到外部站点。原始 PDF 使用 Adobe Acrobat Pro DC 17 Paper Capture 生成，具备完整的 OCR 文字层。</p> <p>目标：彻底移除水印，保留清晰的纯阅读版 PDF。</p> <h2 id="诊断水印的四层结构"> 诊断：水印的四层结构 <a class="heading-link" href="#%e8%af%8a%e6%96%ad%e6%b0%b4%e5%8d%b0%e7%9a%84%e5%9b%9b%e5%b1%82%e7%bb%93%e6%9e%84"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <p>解剖 PDF 内部结构后发现，水印并非单一图层，而是同时嵌入了四个层面：</p> <div class="mermaid"> flowchart TB P["一本扫描版 PDF<br/>多页"] --> L1["Layer 1: Resources/XObject<br/>图片对象引用 /Im1"] P --> L2["Layer 2: 内容流<br/>渲染命令 /Im1 Do"] P --> L3["Layer 3: 文本层<br/>OCR 可选的水印文字"] P --> L4["Layer 4: /Annots<br/>Link 注释 /URI 外部链接"] L1 --> R1["绝大多数页含此引用"] L2 --> R2["绝大多数页含此命令"] L3 --> R3["约 绝大多数页含此文本"] L4 --> R4["绝大多数页含此注释"] style L1 fill:#e3f2fd style L2 fill:#e3f2fd style L3 fill:#e3f2fd style L4 fill:#e3f2fd </div> <ul> <li><strong>Layer 1</strong>: 每页的 <code>Resources</code> 字典引用了名为 <code>/Im1</code> 的 XObject 图片（xreference → 文件尾部存储的 PNG 图像）</li> <li><strong>Layer 2</strong>: 页面内容流中插入了 <code>q cm /Im1 Do Q</code> 指令序列，负责将图片渲染到页面上</li> <li><strong>Layer 3</strong>: OCR 引擎将水印图片上的文字识别为可选文本，嵌入到内容流中</li> <li><strong>Layer 4</strong>: 页面的 <code>/Annots</code> 数组中定义了一个 Link 注释，框选范围覆盖水印区域，URI 指向外部站点</li> </ul> <p>只有四层全部清除，才算真正移除水印。</p>