PDF 扫描件嵌入图像批处理:contact sheet 定位竖排低对比 flag 条带
ctf/forensics · verified
一句话结论
面对图像型 PDF(老扫描书),不要只做文本提取/OCR;用 pdfimages 导出全部嵌入图像,拼成 contact sheet 快速浏览,锁定异常灰条/边缘文字,再裁剪、旋转 270°、灰度化与对比度拉伸,即可读出隐藏的竖排 flag。
原理
- 扫描书 PDF 常是“每页一张大图”,文本层为空或噪声很大;真正的隐藏信息可能在图像像素里,而不在正文文字层。
pdfimages -j把 PDF 内所有嵌入图像按编号导出(页数与图像数不一定相同,一页可能有多张图);contact sheet 把几百张图缩略排列,能快速发现灰块、半透明条带、边缘小字等异常。- 隐藏条带常被旋转 90°/270°、低对比度、贴在页面边缘;裁剪后旋转回水平,再做灰度化、自动对比度、放大,文字即可读。
- 为什么可行:人眼对整页缩略图的“结构异常”很敏感;批处理把人工翻页成本降到最低,适合数百页扫描件。
触发条件
- PDF 以图像为主(文本提取几乎为空),页数/图像数较多。
- 隐藏信息在嵌入图像中,未被压缩/重采样破坏;条带与背景对比度低但可增强。
- 能安装 Poppler(
pdfimages)与 Pillow。
利用步骤
pdfimages -j challenge.pdf out/img导出所有嵌入图像,记录数量。- 用 Pillow 生成 contact sheet(每行若干张、带编号),快速浏览;重点找灰块、条带、边缘小字、与正文风格不一致的区域。
- 锁定可疑图(如第 269 张),单独打开,标记可疑区域(左侧中部灰条)。
- 裁剪条带,顺时针旋转 270° 变横向;放大 3 倍,灰度化 +
autocontrast+ 提高对比度。 - 读取 flag;若仍模糊,调整裁剪框、旋转角度、阈值/锐化,或尝试其他颜色通道。
- 若 contact sheet 太大,可按编号分段生成,或按图像尺寸/熵排序优先看异常项。
PoC
pdfimages -j challenge.pdf out/img
from PIL import Image, ImageOps, ImageEnhance, ImageDraw
import math, pathlib
files = sorted(pathlib.Path("out/img").glob("img-*"))
# 生成 contact sheet(略:按缩略图网格拼接并标注编号)
# 锁定第 269 张后:
img = Image.open(files[268]).convert("RGB")
crop = img.crop((48, 470, 124, 778))
rot = crop.rotate(270, expand=True)
big = rot.resize((rot.width * 3, rot.height * 3), Image.Resampling.LANCZOS)
gray = ImageOps.autocontrast(ImageOps.grayscale(big), cutoff=1)
out = ImageEnhance.Contrast(gray).enhance(2.8)
out.save("flag_revealed.png")
说明:PoC 为原文脚本的结构化精简,未在本机执行;原文导出 409 张图,第 269 张左侧灰条旋转增强后读出 kashiCTF{1r0nhex_1s_n07_4_m4n}。
变体与关联
- 变体(载体):PDF 内嵌 SVG/字体/注释、XMP 元数据、附件流;
pdfimages只覆盖位图,需配合pdfdetach/mutool/exiftool。 - 变体(增强):通道分离(R/G/B/alpha)、直方图均衡、局部阈值、去噪/锐化;低对比度条带可用差分/背景估计。
- 关联:[[ctf-forensics-multilayer-png-wav-spectrogram-maze-stego]](多层图像隐写);[[ctf-forensics-png-ihdr-width-height-crc32-brute-force]](图像头篡改);[[ctf-forensics-video-single-pixel-channel-extraction]](像素通道隐写)。
- 边界:图像被重采样/有损压缩导致文字不可辨、隐藏信息在文本层、或 contact sheet 中异常项过多时,需要 OCR/分区/自动化异常检测。
检测与防御
- 检测:PDF 中嵌入图像数量异常、页面边缘存在低对比度条带/旋转文字、contact sheet 中出现结构不一致的灰块。
- 防御:发布前对图像做重编码/裁剪/水印清理;移除不必要的嵌入图像与元数据;对敏感文档做栅格化与审查。
- 取证:保留原始 PDF 与导出图像,记录图像编号/裁剪坐标/旋转角度/增强参数,保证结果可复现。