Formato de arquivo DJVU
O que é um arquivo DJVU?
DjVu, pronunciado como “déjà vu”, é um formato de arquivo gráfico destinado a documentos e livros digitalizados, especialmente aqueles que contêm a combinação de texto, desenhos, imagens e fotografias. Foi desenvolvido pela AT&T Labs. Ele usa várias técnicas, como separação de camadas de imagem de texto e imagens de fundo, carregamento progressivo, codificação aritmética e compactação com perdas para imagens bitonais. Como o arquivo DJVU pode conter imagens coloridas, fotografias, textos e desenhos compactados e de alta qualidade e pode ser salvo em menos espaço, ele é usado na web como eBooks, manuais, jornais, documentos antigos etc.
O DjVu pode ser classificado como uma alternativa superior ao PDF. As extensões de arquivo associadas ao DjVu são .DJVU ou .DJV. O DjVu pode atingir taxas de compactação cerca de 5 a 10 melhores do que os métodos existentes, como JPEG e GIF para documentos coloridos e 3 a 8 vezes melhor do que TIFF em documentos em preto e branco. Documentos digitalizados em 300 DPI com cores de até 25 MB podem ser compactados em até 30 a 100 KB. Da mesma forma, documentos em preto e branco podem ser compactados de até 5 a 30 KB. A página HTML média pode ter até 50 KB, portanto, esses documentos podem ser carregados na rede sem nenhum problema.
Breve história
A tecnologia DjVu foi desenvolvida nos laboratórios da AT&T por Yann LeCun, Léon Bottou, Patrick Haffner e Paul G de 1996 a 2001. O formato de arquivo DjVu passou por várias revisões, sendo a mais recente de 2005.
| Versão | Data de lançamento | Notas |
|---|---|---|
| 1–19 | 1996–1999 | Estas são as versões de desenvolvimento. |
| 20 | Abril de 1999 | A página única foi alterada para o formato de várias páginas. |
| 23 | julho de 2002 | pedaço CID |
| 24 | Fevereiro 2003 | LTAnno pedaço |
| 21 | Setembro 1999 | Formato de armazenamento indireto substituído. Camada de pesquisa de texto foi adicionada. |
| 22 | Abril 2001 | Orientação da página, cor JB2 |
| 25 | Maio 2003 | Número NAVM. Suporte para marcadores DjVu foi adicionado. |
| 26 | Abril de 2005 | Anotações de texto/linha |
Formato de arquivo DjVu
Os documentos DjVu são arquivos IFF85. A estrutura fornece uma hierarquia de contêineres que contém informações em um arquivo DjVu. Esses contêineres também são chamados de “Pedaços”. O tipo de pedaço e o ID do pedaço descrevem como o pedaço é usado. Há um cabeçalho de 4 bytes seguido pela estrutura IFF. Os primeiros quatro bytes de um arquivo DjVu são 0x41 0x54 0x26 0x54. Esta seção discute os vários tipos de documentos DjVu e os blocos correspondentes dos quais eles consistem.
| ID do bloco | Uso |
|---|---|
| FORM | O fragmento composto com os primeiros quatro bytes de dados do fragmento FORM que são identificadores secundários. |
| FORM:DJVM | Um documento DjVu de várias páginas. Parte composta que contém a parte DIRM. |
| FORM:DJVU | Documento DjVu de página única. Parte composta que contém as partes que compõem uma página em um documento djvu. |
| FORM:DJVI | Um arquivo DjVu “compartilhado” que é incluído através do bloco INCL. Anotações compartilhadas e dicionário de formas. |
| FORM:THUM | Parte composta que contém as partes TH44 que são as miniaturas incorporadas. |
| DIRM | Informações de nome de página para documentos de várias páginas. |
| NAVM | Informações de favoritos |
| ANTa, ANTz | Anotações incluindo configurações de visualização inicial e hiperlinks sobrepostos, caixas de texto, etc. |
| TXTa, TXTz | Unicode Texto e informações de layout. |
| Djbz | Tabela de formas compartilhadas. |
| Sjbz | BZZ dados bitonais JB2 compactados usados para armazenar máscara. |
| FG44 | IW44 dados usados para armazenar o primeiro plano |
| BG44 | dados IW44 usados para armazenar o plano de fundo |
| TH44 | IW44 dados usados para armazenar imagens em miniatura incorporadas |
| WMRM | Dados JB2 necessários para remover uma marca d’água |
| FGbz | Dados JB2 em cores. Fornece uma cor para cada (blit ou shape?) no bloco Sjbz correspondente. |
| INFO | Informações sobre a página de um DjVu |
| INCL | O ID de um bloco FORM:DJVI incluído. |
| BGjp | fundo codificado em JPEG |
| FGjp | Primeiro plano codificado em JPEG |
| Máscara codificada | Smmr |
Compressão DJVU
Uma única imagem é dividida em muitas imagens diferentes e, em seguida, cada imagem é compactada separadamente. Para a criação de um arquivo DjVu a imagem é primeiro separada em três imagens, uma imagem de fundo, primeiro plano e uma imagem de máscara. Normalmente, as imagens de plano de fundo e primeiro plano são imagens coloridas de resolução mais baixa; mas a imagem da máscara é uma imagem de resolução mais alta e normalmente o texto é armazenado lá. Após a separação, as imagens de primeiro plano e de fundo são comprimidas através de um algoritmo de compressão baseado em wavelet IW44, enquanto a imagem de máscara é comprimida usando outro método chamado JB2.
O método de codificação JB2 elimina grande parte da redundância na imagem de texto ao identificar formas idênticas na página, como várias ocorrências de um caractere em uma fonte específica. O JB2 primeiro codifica o bitmap de cada forma exclusiva, aproveitando a redundância entre formas semelhantes. Em seguida, ele codifica os locais em que cada forma aparece na página. Tanto o JB2 quanto o IW44 contam com um novo tipo de codificador aritmético binário adaptativo chamado ZP-coder, que elimina qualquer redundância restante dentro de alguns por cento do limite de Shannon. O codificador ZP é adaptável e mais rápido do que outros codificadores aritméticos binários aproximados.