Вы можете использовать ImageMagick. Опция '-trim' обрезает изображение настолько маленьким, насколько это возможно, и сообщит вам, является ли ваше изображение полностью пустым:
$ convert -trim no_text_images.eps foo.jpg convert-im6.q16: geometry does not contain image [...]
Поскольку convertкоманда не возвращает код ошибки для этого предупреждения, ваш сценарий оболочки должен будет выполнить grep stderr.
if ! convert -trim no_text_images.eps foo.png 2>&1 | grep 'does not contain image'; then [ there's an image, so process it ] else [ there's no image ] fi
Однако теперь, когда я вижу, над чем вы работаете, у меня может быть более простое решение для вас. Почему бы не попробовать использовать ocrmypdf? Просто sudo apt install ocrmypdfчтобы установить его на вашу коробку Debian.
Я запустил его в PDF-файле, который вы мне дали, и, хотя у меня есть мой tesseractнабор на английском языке, он получил разумный рендеринг вектора, который у вас есть вверху формы:
$ ocrmypdf --force-ocr --oversample 150 084.pdf foo.pdf $ pdftotext foo.pdf - | less Sigurd Otto M¢nsteds Va] Muller Vinhandel A/S Aalbors SV- Tlf. 98 18 50 99- E-mail: vin@smv.dk- www. smv. dk 53 92 79 12- Nordjyske Bank 7450- 2038354 2- 9200 CVR nr. Import, salg as distribution if Vin cg spiritus Eneiurhandler i Danmark af udsIgte vine fra hale verden.
У меня есть идея, но мне нужно ее проверить. У вас есть образец документа, который содержит страницы, которые содержат различные варианты ?